人工智能（AI）的最新进展为无人驾驶汽车（UAV）的大量应用打开了大门。现在，无人机群体可以在网络中协同工作，以实现交通控制、智能农业、监视和安全系统、执法、公共安全等等。

然而，北亚利桑那大学信息学、计算与网络系统学院（SICCS）助理教授Abolfazl Razi表示，目前的无人机系统缺少关键考虑因素，例如识别和正确响应环境和行为因素的能力。

这就是为什么Razi正在努力使无人机更智能、更自主。作为NAU无线网络和智能健康实验室（WiNeSH）的负责人，Razi获得了国家科学基金会48万美元的资助，该项目名为“用于无人飞行器之间预测通信的网络拓扑的主动逆学习”

他认为，通过计算机编程，可以开发无人机来表达态势感知，识别故障、可疑或入侵的无人机，并在飞行中进行调整。

Razi说：“当我们有数百架的无人机一起飞行时，我们需要保持通信连通性和信息流不受干扰。”该项目的重点是考虑到不同的场景，无人机能够对自身和彼此进行监控。”

项目的一个重要组成部分是应对逆境。”加入任务的无人机可能会出现异常，并违反既定的任务规定。他说：“例如，它可能会危险地接近其他无人机，而不是遵循预先计划的运动轨迹。”我们希望其他无人机能够分析轨迹，识别不当行为或不当行为，甚至外部无人机的干扰，并诊断网络内的问题。”

Razi说，“关键任务可能涉及森林火灾、交通事故、搜救或军事行动。”如果有人试图通过派遣他们自己的无人机来渗透你的任务，故意或意外地制造问题，我们希望无人机能够发现入侵并应对这种情况。”

这项研究旨在使无人机更加独立于人类的控制和观察，通过与所在区域内的其他无人驾驶飞机进行协调，发挥队友的作用，并能够识别入侵或敌方的无人机。

Razi将在他的WiNeSH实验室和亚利桑那州北部的户外与无人机小组进行实验。”“每架无人机都将配备能够对环境做出决定的软件，” Razi说，“另外，每一架都会盯着其他无人机，观察其邻国的决策是理性的还是非理性的。”

这项研究将包括人类启发的方法，即通过将软件暴露于各种条件下，从有限的经验中主动学习，并涉及无人机决策支持系统（DSS）的逆向工程。

Razi说：“这种方法通过将预测的响应整合到系统协议中，目的是为了支持人工智能的网络服务。”

这个为期三年的项目预计将使美国政府机构、组织和研究人员受益，最终目标是开发出更好的多自主无人机系统。