Peter J. Burke, výzkumný pracovník Kalifornské univerzity v Irvine, v nedávné práci prokázal, že moderní systém umělé inteligence dokáže vygenerovat veškerý kód potřebný k autonomnímu řízení dronu, a to jak v simulaci, tak při reálném letu. Tento systém, nazvaný WebGCS (Web Ground Control Station), jde nad rámec tradičního softwaru: jedná se o řídicí stanici založenou na prohlížeči a umístěnou přímo v dronu.
Co umí autonomní robotický mozek
Systém umělé inteligence vytváří rozhraní, které umožňuje
- autonomní plánování misí
- Provádění letů pomocí bodů cesty (referenčních bodů).
- telemetrii v reálném čase (poloha, výška, rychlost, orientace)
- kritické funkce, jako je automatické přistání, vzlet a návrat domů.
- Ovládání z libovolného zařízení s prohlížečem bez nutnosti použití specializovaného softwaru.
A to vše, aniž by člověk napsal jediný řádek kódu.
@cheddar Everybody (even robots) was kung-fu fighting. Chinese robotics company Unitree just unveiled new moves for its $16,000 G1 humanoid robot. Watch as it disarms a baton-wielding human with an epic 720-degree kick. #robot #kungfu #martialarts #china #tech #technology #future #fyp
♬ original sound – Cheddar
Burke uvádí jasnou analogii s neuroanatomií: nízkoúrovňové systémy, jako je Ardupilot (letový firmware), fungují jako mozkový kmen a udržují základní funkce, jako je stabilita dronu. Nad ním je WebGCS, který funguje jako digitální mozková kůra, schopná rozhodovat, vizualizovat data a plánovat složitější akce.
Jak byl umělý mozek sestrojen?
Veřejně zveřejněný dokument představuje příběh o čtyřech krocích:
- Claude (200 tisíc tokenů): S omezenými modely bylo dosaženo funkčních prototypů, které však nestačily pro skutečný let. Projekt byl dočasně zastaven kvůli nedostatku „paměti“ v modelu.
- Gemini 2.5 (1M tokenů): Google spustil nový model umělé inteligence s rozšířenými schopnostmi. To umožnilo nainstalovat systém na Raspberry Pi na palubě skutečného dronu a provést první letové testy, i když s přetrvávajícími chybami.
- Cursor IDE + GitHub: Projekt byl přeorganizován do více souborů (Python, HTML, JS) a bylo dosaženo plnohodnotných letových testů se stabilní funkčností. Objevily se nové výzvy, například udržení synchronizace mezi front-endem a back-endem.
- Windsurf IDE: Zdokonalení systému, přidání výběru IP, hlasových oznámení a oprava předchozích chyb. Nakonec bylo dosaženo plně funkční verze 2.0, která byla nasazena a úspěšně otestována na skutečných i simulovaných dronech.
Vývoj systému odpovídajícího WebGCS si dříve vyžádal více než 2 000 hodin lidské práce, rozdělené mezi vysokoškolské studenty, postgraduální studenty a odborníky. Naproti tomu AI dosáhla srovnatelného řešení s pouhými 100 hodinami lidského prompt inženýrství – většinu tohoto času tvořilo čekání na odpovědi modelu.
Kód a technická rozhodnutí provedená AI
V rámci projektu se podařilo vytvořit systém o přibližně 10 000 řádcích kódu. AI nejen napsala kód, ale také navrhla architekturu systému:
- Backend v jazyce Python/Flask
- Komunikace s drony pomocí PyMAVLink
- Interaktivní front-end s mapou v reálném čase, ovládacími panely a HUD.
- Komunikace v reálném čase prostřednictvím WebSockets
Ačkoli Flask není ideální pro škálování na tisíce dronů, bylo to v té době rozumné rozhodnutí, vzhledem k tomu, že stanoveným cílem bylo ovládat jeden dron.
Na druhou stranu není jasné, kolik řádků kódu může umělá inteligence skutečně zpracovat, než „ztratí vlákno“: nedávné studie ukazují, že i modely s rozšířenou pamětí trpí při zpracování příliš velkých kontextů snížením výkonu. Pro složitější systémy může být zapotřebí nových strategií, jako jsou například roje spolupracujících agentů AI, které jsou stále předmětem zkoumání.
Výsledky letů a simulací
Reálné lety s dronem vybaveným počítačem Raspberry Pi Zero 2 W ukázaly, že systém funguje bezchybně:
- WiFi spojení mezi dronem a navigátorem pilota bylo stabilní až do vzdálenosti 100 metrů.
- Řízení letu, odjištění, vzlet a návrat do výchozího bodu fungovaly podle očekávání.
- Dron byl řízen výhradně kódem generovaným umělou inteligencí.
Kromě toho byl systém úspěšně testován v simulátorech, jako je SITL společnosti Ardupilot, a nasazen v cloudu, což usnadnilo bezpečné testování bez fyzického hardwaru.
Testování softwaru generovaného umělou inteligencí bez lidské kontroly je však riskantní, zejména pokud ovládá fyzické systémy. Přestože testy probíhaly v bezpečném prostředí, stále neexistují jasné protokoly pro ověřování tohoto typu kódu, pokud musí být používán v kritických souvislostech.

Zdroj: Youtube.com
Tento vývoj vyvolává důležité etické a bezpečnostní otázky. Schopnost umělé inteligence vytvářet autonomní systémy bez přímého lidského dohledu může být dvousečnou zbraní. Na jedné straně by mohla urychlit technologický vývoj a snížit náklady. Na druhé straně zvyšuje riziko katastrofických chyb, pokud tyto systémy v kritických situacích selžou. Vědecká a technologická komunita musí vytvořit regulační rámce, které zajistí, že tyto technologie budou vyvíjeny bezpečným a etickým způsobem.