Badacze z arXiv zaproponowali innowacyjną trójpoziomową hierarchiczną architekturę uczenia dla autonomicznych rojów dronów (UAV) w operacjach poszukiwawczo-ratowniczych (SAR). System odbiega od tradycyjnych podejść, które stosują pojedynczy paradygmat uczenia na wszystkich poziomach hierarchii - zamiast tego integruje trzy jakościowo różne mechanizmy odpowiadające biologicznej hierarchii odruchów, umiejętności i rozumowania.
Arkitektura wykorzystuje neuroplastyczność Hebbowską dla indywidualnej adaptacji agentów, wieloagentowe reinforcement learning (MARL) z grafowymi sieciami neuronowymi (GNN) oraz behavior trees do koordynacji taktycznej, a model agnostic meta learning z wnioskowaniem BDI i cyfrowym bliźniakiem do strategicznego podejmowania decyzji. Całość została sformalizowana poprzez 22 umowy architektoniczne zorganizowane wokół sześciu komponentów - BDI, Behavior Trees, GNN, MARL, Neuroplasticity i Meta Learning - które zapewniają sześć klas formalnych gwarancji: bezpieczeństwo, poprawność budżetu, optymalność, żywotność, wolność od zagłodzenia i spójność międzypoziomową.
Klucza innowacja to koncepcja Swarm Meta Cognition - właściwość wyłaniająca się ze strukturalnej interakcji wszystkich trzech poziomów. Umożliwia ona rojom monitorowanie własnego stanu kognitywnego i dynamiczne przełączanie się między strategiami poznawczymi. Praca wprowadza również pięć konstruktywnych funkcji postępu dla typów zadań SAR, stanowiących pomost między abstrakcyjną teorią optymalizacji a konkretnym scenariuszem operacyjnym.