Naukowcy opracowali nowy system sztucznej inteligencji do monitorowania stanu śmigieł dronów poprzez analizę dzienników lotu. Zamiast szukać pojedynczego sygnału diagnostycznego, system Metamorphic Artificial Age Score (AAS) śledzi sześć różnych wskaźników zdrowotności: błędy śledzenia trajektorii, niestabilność orientacji, obciążenie poleceń ciągu, nierównowagę poleceń silnika, niestabilność poleceń ESC oraz stres baterii. Każdy wskaźnik jest normalizowany względem wzorca zdrowotnego drona, a następnie system przypisuje każdemu urządzeniu odpowiedni status na skali od rutynowego monitorowania po obowiązkową inspekcję.
Problem, który rozwiązuje ten system, polega na tym, że uszkodzenia propelerów rzadko objawiają się jako jeden wyraźny sygnał alarmowy. Zamiast tego rozprzestrzeniają się na wiele kanałów danych w locie, co może prowadzić do utraty kontroli lub awarii. Naukowcy testowali swój prototyp na rzeczywistych danych z publicznego zestawu DronePropA z 2024 roku, porównując jeden normalny lot z trzema przypadkami defektów. System prawidłowo zaklasyfikował drona ze śmigłem w najgorszym stanie do obowiązkowej inspekcji na podstawie maksymalnych wartości błędów śledzenia i obciążeń poleceń.
To rozwiązanie ma znaczenie dla operacyjnego bezpieczeństwa dronów, zwłaszcza w zastosowaniach komercyjnych czy autonomicznych. Wcześniejsza diagnoza uszkodzeń mogłaby zapobiec awariom lub poważnym incydentom, zanim dojdzie do utraty drona. System AAS wykorzystuje metamorficzne relacje adekwatności - zasady sprawdzenia, które mogą być stosowane bez zmiany logiki testów - co czyni go elastycznym narzędziem do dalszego rozwoju i adaptacji do różnych typów dronów.