Wprowadzenie

Bezzałogowe statki powietrzne (UAV) odgrywają dziś kluczowe role w fotografii, dostawach, misjach ratowniczych, nadzorze granicznym czy operacjach wojskowych. Jednak rosnąca dostępność narzędzi do zakłócania sygnałów (GPS-spoofing, jamming żyroskopów, manipulacje magnetometrem) stawia autonomiczne systemy w obliczu poważnych zagrożeń. Nawet niewielki dryft nawigacyjny może zamienić misję w katastrofę.

Dlaczego odporność na ataki fizyczne jest kluczowa

Tradycyjne metody „safe RL” czy treningi adwersarialne opierają się na znanych scenariuszach ataku. W praktyce trudno przewidzieć wszystkie możliwe manipulacje – przeciwnik może wykorzystać nowe techniki jammingu lub zakłóceń optycznych. Iteracyjny trening adwersarialny jest kosztowny obliczeniowo i często słabo generalizuje na nieznane sytuacje.

Jak działa ARMOR?

ARMOR (Adaptive Robust Manipulation-Optimized State Representations) to kontroler model-free RL, uczący się odpornej reprezentacji latentnej stanu UAV w dwóch etapach:

  1. Teacher encoder: wariacyjny autoenkoder (VAE), trenujący się z dostępem do informacji o ataku (bias GPS, czas trwania jammingu) i generujący wektor latentny z_t uwzględniający te zakłócenia.
  2. Student encoder: temporal VAE z LSTM, bazujący wyłącznie na historii surowych odczytów czujników, naśladuje z_t, klasyfikuje typ ataku i rekonstruuje wejścia.

Po treningu polityka RL korzysta już tylko z wektorów generowanych przez student encoder, co umożliwia wdrożenie bez uprzywilejowanych danych.

Przypadki z życia

  • Ghost Dragon (Ukraina): autonomiczne quadcoptery korzystające z nawigacji optycznej, omijają jamming GPS, identyfikując punkty charakterystyczne terenu.
  • Jamming GPS w regionie Bałtyku: zakłócenia wokół Kaliningradu wpłynęły na loty komercyjne w Polsce i Estonii, wymuszając zmiany tras i opóźnienia.

Podsumowanie

ARMOR łączy reprezentacje latentne z transferem wiedzy między enkoderami „teacher” i „student”, osiągając zero-shot odporność na nieznane ataki przy mniejszym koszcie treningu. To krok milowy dla autonomicznych systemów UAV.

📎 Linki