Инфометрический метод определения эффективной точки сброса гуманитарного груза с БПЛА в условиях ограниченности вычислительных ресурсов

Предметом исследования является вычисление высокоточной точки сброса гуманитарного груза с беспилотных летательных аппаратов (БПЛА) в сложных атмосферных условиях и при жёстких ограничениях на бортовые вычислительные ресурсы. Объектом исследования выступает процесс аэраскида, включающий баллистические, аэродинамические и информационные факторы, определяющие конечную траекторию контейнера. Автор подробно рассматривает такие аспекты темы, как интеграция дифференциально‑геометрического моделирования атмосферы на основе потока Риччи, квантово‑вдохновленная глобальная оптимизация точки сброса и лёгкая нейросетевая коррекция траектории в реальном времени с применением микроконтроллера ESP32. Особое внимание уделяется распределению вычислительной нагрузки между одноплатным компьютером Raspberry Pi 5, выполняющим ресурсоёмкие расчёты, и энергосберегающим контроллером, ответственным за онлайн‑коррекцию. Таким образом, исследование направлено на формирование единого инфометрического подхода, минимизирующего неопределённость координаты приземления и обеспечивающего метрический уровень точности доставки грузов. Методика исследования основана на комбинировании потока Риччи для адаптивного моделирования атмосферы, квантово‑вдохновленной оптимизации роя частиц для поиска CARP и TinyML‑коррекции траектории груза на ESP32 во время падения. Основными выводами проведённого исследования являются подтверждённая возможность метрически точного аэраскида без тяжёлых навигационных систем и демонстрация эффективности предложенной инфометрической концепции QRNA. Особым вкладом автора в исследование темы является разработка гибридного алгоритма, совмещающего методы дифференциальной геометрии, квантово‑вдохновленной оптимизации и лёгкого нейросетевого обучения, а также его практическая реализация на доступных одноплатных устройствах. Новизна исследования заключается в интеграции потока Риччи для динамического искажения метрической модели атмосферы непосредственно в задаче расчёта точки сброса и в применении квантово‑роевого поиска в пространстве координат CARP. Дополнительная новизна проявляется в использовании TinyML‑сети для онлайн‑коррекции траектории груза, что ранее не применялось в контексте гуманитарных БПЛА. Полученные результаты моделирования демонстрируют снижение среднеквадратичной ошибки приземления до 0,15 м, что на порядок лучше продвинутых ML‑подходов и на два порядка точнее классических баллистических методов, подтверждая высокую практическую ценность разработанного алгоритма.

Беспилотные летательные аппараты, Точка сброса груза, Высокоточная доставка, Аэраскид, Инфометрический алгоритм, Поток Риччи, Квантово роевая оптимизация, Нейросетевое управление, Ограниченные вычислительные ресурсы, Гуманитарная логистика