Naukowcy z MIT i University of Pennsylvania opracowali nowy system planowania trajektorii dla bezzałogowych statków powietrznych, który działa szybciej i taniej od komercyjnych odpowiedników. System MIGHTY jest dostępny jako open-source i nie wymaga żadnych płatnych pakietów oprogramowania. Wyniki opublikowano 17 czerwca 2026 r. w piśmie IEEE Robotics and Automation Letters.
Najważniejsze w skrócie
- MIGHTY używa splajnów Hermite’a do jednoczesnej optymalizacji trasy i czasu lotu — o 15% szybszy dojazd do celu niż metody porównawcze
- System działa wyłącznie na pokładowym komputerze drona bez połączenia z zewnętrznym serwerem
- W testach realnych dron osiągnął prędkość 6,7 m/s omijając wszystkie przeszkody
- MIGHTY wymaga ok. 90% czasu obliczeniowego potrzebnego przez rozwiązania state-of-the-art
- Kod opublikowany jako open-source — brak potrzeby zakupu licencji na solwery wartości setek tysięcy dolarów
Problem: planowanie trasy a planowanie czasu
Większość istniejących systemów planowania trajektorii dla dronów traktuje czas przelotu jako stały parametr — najpierw szacuje czas podróży, potem wyznacza trasę. Ta dwuetapowość sprawia, że robot nie może swobodnie dobierać prędkości w zależności od napotkanych przeszkód. Zmusza go to do forsowania wyższej prędkości nawet tam, gdzie pojawiają się nowe niebezpieczeństwa.
MIGHTY rozwiązuje ten problem przez jednoczesną optymalizację przestrzenną i czasową. Zamiast sekwencji dwóch osobnych obliczeń, system oblicza jednym krokiem optymalną trasę razem z profilem prędkości. To podejście — oparte na krzywych matematycznych zwanych splajnami Hermite’a — poprawia jakość trajektorii, ale komplikuje obliczenia.
Kluczowe uproszczenie: zamiast generować trajektorię od zera przy każdej aktualizacji mapy, MIGHTY startuje od wstępnego przybliżenia trasy i iteracyjnie ją dopracowuje. Mapa środowiska pochodzi z czujników lidar zamontowanych na pokładzie drona. Dzięki temu system reaguje na nowe przeszkody w ułamkach sekundy — bez zewnętrznej infrastruktury obliczeniowej.
Wyniki: szybciej i taniej niż komercja
W symulacjach MIGHTY potrzebował zaledwie 90% czasu obliczeniowego wymaganego przez najlepsze dostępne metody, a przy tym docierał do celu o 15% szybciej. W lotach na prawdziwym sprzęcie dron osiągnął prędkość 6,7 m/s bez żadnej kolizji — nawet przy nieoczekiwanych przeszkodach pojawiających się na trasie.
Kluczowym wyróżnikiem jest dostępność cenowa. Komercyjne solwery optymalizacyjne, których używają podobne systemy, kosztują od dziesiątek do setek tysięcy dolarów. MIGHTY jest w pełni zbudowany z otwartych bibliotek — każdy badacz, student czy firma może pobrać kod i wdrożyć go bez opłat licencyjnych. To obniża próg wejścia dla wielu zastosowań — od autonomicznej dostawy przesyłek, przez inspekcję infrastruktury wiatrowej, po poszukiwania i ratownictwo.
Kontekst i ograniczenia
Planowanie trajektorii w czasie rzeczywistym to jeden z najtrudniejszych problemów robotyki mobilnej. Systemy autonomiczne muszą reagować na dynamiczne zmiany środowiska w milisekundach, jednocześnie generując trajektorie gładkie i bezpieczne do wykonania przez aktuatory. Wcześniejsze prace z Berkeley AI Research Lab i MIT Aerospace Controls Laboratory osiągały dobre wyniki w symulacji, ale wymagały zewnętrznych solwerów lub mocnych serwerów.
MIGHTY nie rozwiązuje wszystkich problemów. Autorzy przyznają, że planowanie tras dla wielu robotów jednocześnie (rójów) wykracza poza zakres obecnej wersji. Testy fizyczne przeprowadzono w kontrolowanym środowisku, a zachowanie systemu w chaotycznych warunkach realnego terenu pozostaje do zweryfikowania. Jednak fakt, że system działa wyłącznie na pokładowym sprzęcie i daje się zintegrować bez licencjonowanego oprogramowania, otwiera drogę do wdrożeń tam, gdzie wcześniej barierą był koszt.
Dlaczego to ważne?
Planowanie trajektorii to kręgosłup autonomii robotów mobilnych. Każdy dron ratowniczy, robot inspekcyjny czy autonomiczny pojazd dostawczy potrzebuje systemu, który w ułamkach sekundy przelicza optymalną trasę z uwzględnieniem nowych danych ze środowiska. Dominujące dotychczas systemy komercyjne tworzyły barierę cenową wykluczającą mniejsze laboratoria i firmy z krajów rozwijających się.
MIGHTY nie jest przełomem w sensie nowej fizyki — jego nowość leży w połączeniu znanych narzędzi matematycznych (splajny Hermite’a, iteracyjna optymalizacja) w sposób, który eliminuje wąskie gardła wydajnościowe i likwiduje konieczność drogich licencji. Jeśli wyniki z lotów testowych powtórzą się w trudniejszych warunkach, system może stać się standardowym blokiem budowlanym dla robotów ratowniczych i dostawczych nowej generacji.
Co dalej?
- Autorzy planują rozszerzyć MIGHTY o sterowanie rojem wielu robotów jednocześnie — to kolejna iteracja prac MIT Aerospace Controls Laboratory
- Środowisko testowe z prawdziwymi gruzami i dynamicznymi przeszkodami (tereny po klęskach żywiołowych) — wymagane przed komercyjnym wdrożeniem ratowniczym
- Kod i dokumentacja opublikowane w IEEE Xplore jako uzupełnienie publikacji w Robotics and Automation Letters
Źródła
- Robohub — New research enables a robot to chart a better course
- IEEE Robotics and Automation Letters — MIGHTY: Minimum-Time Trajectory Planner (Kondo et al., 2026)
