تیمی از محققان دانشگاه زوریخ ضمن همکاری مشترک با شرکت ریزپردازنده‌های اینتل، با بهره‌گیری از یک الگوریتم هدایت و کنترل توسعه یافته، امکان یادگیری انجام حرکت‌های آکروباتیک چالش برانگیز را برای روبات‌های پرنده فراهم نمود.

با استفاده از شبیه سازی مبتنی بر این الگوریتم می توان با افزایش سرعت، چابکی و کارآیی پهپاد ها، بهبود چشمگیری را در عملیات‌های جستجو و نجات شاهد باشند.

هرچند خلبان‌های حرفه‌ای رادیوکنترل‌ها مهارت خود را با انجام حرکات نمایشی آکروباتیک و عبور از موانع به نمایش می‌گذارند، اما این امر نیازمند تسلط و بهره‌گیری از تجهیزات سخت افزاری و نرم افزاری ویژه‌ای نیز است.

در همین راستا Davide Scaramuzza استاد روباتیک و رئیس گروه رباتیک دانشگاه زوریخ اعلام داشته: این الگوریتم امکان انجام پروازهای آکروباتیک چالش برانگیزی را فراهم نموده که اجرای آن حتی برای بهترین خلبان‌ها نیز به سادگی میسر نیست.

در هسته الگوریتم یک شبکه عصبی هوش مصنوعی قرار دارد که با استفاده از آن، صرف چند ساعت آموزش و شبیه سازی پهپاد می‌تواند مانورهای Power Loop، Barrel Roll، Matty Flip و تَحمُلِ فشاری معادل 3G ، ضمن حفظ و ذخیره انرژی مصرفی(باطری) و کاهش ریسکِ برخورد یا حادثه اجرا نماید، این اطلاعات از طریق ترکیب اطلاعات دوربین پردازنده‌ی پرنده، سنسورها و تحلیل آنی در آموزش و یادگیری روبات پرنده نقش تعیین کننده و اساسی دارند.

هرچند بر طبق ادعای محققان خلبان‌های انسانی هنوز هم از سیستم‌های خودکنترل/خودمختار (Autonomous) به علت تحلیل-پردازش سریع و آنی تغییرات غیرمنتظره در محیط کارآمد تر هستند، اما استفاده از پهپاد ها به منظور انجام عملیات‌های جستجو و نجات، یا خدمات حمل و تحویل مرسوله در مسافت‌های طولانی، ضمن حفظ سرعت و دقت عمل نیز مزیت‌های خاص خود را خواهد داشت.