Anthropic ocenia zdolności modeli sztucznej inteligencji w sterowaniu dronami w ramach eksperymentu Project Pilot

Firma Anthropic, realizując badawcze partnerstwo z organizacją Andon Labs, ukończyła obszerną fazę testów oceniających ewolucję środowiska autonomicznego. Ośrodkiem analiz uczyniono innowacyjny eksperyment Project Pilot, którego bezpośrednim celem stało się wykazanie, czy współczesne modele sztucznej inteligencji potrafią bez asysty radzić sobie ze sterowaniem powietrznych platform latających. Kontrolowanie osprzętu fizycznego i przenoszenie algorytmów z wirtualnej materii w sprzęt mechaniczny zapowiada bezprecedensowe otwarcie na nową optymalizację gospodarki światowej. Stan ten uwypukla równolegle zagrożenia dual-use, polegające na nieprzewidzianym lub wprost złośliwym użyciu tak zaprogramowanych obiektów. Monitorowaniem procesów we wspomnianej strukturze ryzyka zajmuje się wyspecjalizowana gałąź inżynierów pod nazwą Frontier Red Team, poszukująca ułomności logicznych u podstaw budowy algorytmu sztucznej inteligencji. Stanowi to rozwinięcie profilu działalności wewnętrznej, albowiem w podobnym tonie zapobiegania Anthropic analizuje systemy wieloagentowe, doszukując się tam patologicznych wzorców interakcji i załamań logiki procesowej.

Architektura ewaluacji Drone-Bench i dekompozycja powietrznego zadania

W starszych badaniach środowiskowych branży, na przykład podczas prób implementacyjnych w ramach wcześniejszego programu Project Fetch (gdzie maszyna krocząca przypominająca psa aportowała zwykłą piłkę rekreacyjną) nie wymagano wysokiego poziomu precyzji analitycznej, ze względu na niski stopień ewentualnego niebezpieczeństwa dla podmiotów. Dla testów obarczonych ryzykiem społecznego nadużycia, decydenci z Project Pilot wybrali model nawigacyjny charakteryzujący proces inwigilacji środowiskowej z lotu ptaka – zadanie ukierunkowane w locie na rozkaz zlokalizuj i śledź (locate-and-follow). By zachować miarodajne wskaźniki przy ograniczonym ryzyku dewastacji, eksperyment na terenie zamkniętego piętra w biurowcu zrealizowano używając masowo produkowanego na wolny rynek drona marki DJI Tello EDU, którego detaliczna cena zakupu zamyka się w kwocie 129 dolarów.

Eksperci zrzeszeni w pionach Andon Labs stworzyli z dedykacją dla firmy rygorystyczny wskaźnik oceny zdolności agentowych zwany Drone-Bench. Przelot komercyjnego drona przez zagęszczoną formację pokojową to operacja wymagająca, toteż twórcy oprogramowania oparli benchmark na pięciu ściśle odseparowanych, ale następujących bezpośrednio po sobie subzadaniach. Kompletny sukces notuje się jedynie poprzez łańcuchowe spięcie ich ze sobą podzespołami modelu:

• Reconstruct: Zamiana rejestrowanego materiału wideo w strukturę modelu 3D z dostarczeniem funkcji profilującej trójwymiarowe ujęcia w czystą, dwuwymiarową (2D) mapę otoczenia biurowego i jego przeszkód.
• Localize: Skuteczne powiązanie odczytów obrazowania kamer w latającym dronie ze stanem orientacyjnym wyrysowanym w punkcie na wspomnianej, wygenerowanej wcześniej mapie.
• Navigate: Niezależne planowanie toru wymijającego fizyczne barykady pomiędzy drzwiami pokojowymi i w ciągach komunikacyjnych przez uaktywnianie funkcji korygującej pęd podzespołów powiązanych w bloku Localize.
• Detect: Kiedy oprogramowanie naprowadzi sprzęt na docelowy horyzont pokoju, maszyna rozpoczyna procesowanie pikseli wizyjnych poszukując celów do utworzenia w kadrze kwadratowej ramki ograniczającej, bazującej na zadanym układzie rysów ludzkiej twarzy ze wzoru referencyjnego.
• Follow: Integracja odczytu wspomnianych ramek w zautomatyzowane użycie pędników celem gładkiego pilotowania urządzenia latającego za figurantem bez zrywania w locie stabilnego, przeliczonego bezpiecznego odstępu.

Żeby procedury ewaluacyjne i testy algorytmów na nowo trenowanych paczkach sieci można było powtarzać masowo – programiści Andon Labs wykonali kopie programowe subzadań jako bazowe tło odniesienia (human baseline). Nie uwzględniono tu prostej mechaniki lotu ręcznego, lecz wyjściowy poziom sterowania odzwierciedlający umiejętności załóg inżynieryjnych ze wsparciem agentów generatywnego programowania najnowszej generacji.

Zestawienie 15 modeli testowych z sukcesem analitycznym Fable 5 na czele

W hermetycznej strukturze testów Drone-Bench do procesowania poleceń inżynieryjnych wytypowano sumarycznie aż 15 flagowych układów sztucznej inteligencji operujących wektorowo. Należały do nich pakiety od trzech producentów oprogramowania maszynowego: GPT-4o, GPT-4o Nov, o1, o3, Claude Opus 4, Gemini 2.5 Pro, GPT-5, Gemini 3.1 Pro, Opus 4.5, GPT-5.2, Opus 4.7, GPT-5.5, Opus 4.8, Fable 5 oraz GPT-5.6 Sol. Główna teza podsumowująca próby lotnicze uwydatnia sprawną ewolucję poszczególnych układów względem subzadań: platformy wybitnie sprawnie poruszają się w obszarze śledzenia optycznego oraz wykrywania obiektów ludzkich, z kolei wykazują fundamentalne uchybienia w fazach odpowiedzialnych za planowanie struktury przestrzeni trójwymiarowej i nawigowanie nią.

Zaszczytny, najwyższy i jednocześnie najlepiej skalujący się z założeniami wskaźnik Drone-Bench wypracował układ powiązany z projektem Fable 5, generujący rezultaty przekraczające wyjściowy pułap inżynierski we wszystkich strefach zadań – oprócz bazującego na mapowaniu 3D procesie podzespołów testu Reconstruct. Przy sprawdzeniu fizycznym to układ Fable bezapelacyjnie utrzymywał wyższy margines bezpieczeństwa w utrzymaniu człowieka na wyświetlanych koordynatach niż kod bazowy z asystą ludzką. W równoległych testach o innym zastosowaniu praktycznym dowiedziono, że Anthropic i model Claude współpracują efektywnie, łamiąc powtarzalne struktury zabezpieczające zamkniętą kryptografię.

Jedyny zauważony u Fable 5 błąd wywiedziony z procedur budowania modelu fizycznego biura kaskadowo przeniósł zafałszowane dane z części ewaluacyjnej do mechanizmów z paczek sterowych odpowiedzialnych za bloki zadaniowe Navigate i Localize. W następstwie przekłamania map nawigacyjnych fizyczny próbny lot w biurze Andon Labs zakończył się nieuchronnym manewrem zderzenia modelu DJI Tello EDU w jednolitą ścianę działową. Program drona uznał strukturę litych przegród na zafałszowanym przez nieudaną konwersję Reconstruct schemacie jako przejrzysty i wolny do lotu w pełni otwarty otwór drzwiowy.

Nie ukryto jednak przełomowych zdolności, z jakimi badana jednostka decyzyjna przygotowywała zapasowe plany manewrowania lokalnego przed głównym przesłaniem pliku algorytmów. System operacyjny, mając przed sobą podłogowe kafelki widoczne podczas streamowania kamer pokładowych drona na biegu jałowym, samodzielnie wyłuskał widoczny z poziomu pędników symulatora przebieg szczelin budowlanych (fug podłogowych) nakładając na nie wektor zbiegu korygujący wizję w trójwymiarze w odniesieniu do faktycznego rzutu, czym estymował fizyczne nachylenie optyki samego układu w powietrzu do rzędu rewelacyjnych czterech stopni błędu ostatecznego w stosunku do wskaźnika podanego w instrukcji drona. Program generował również poboczne wizualizacje korygujące dla etapu Follow chroniąc fizyczny obiekt przed awarią testu, by sprawdzić błędy logiki (z mniejszą ingerencją uszkadzającą pędniki lotne).

W obszarze powtarzalności Frontier Red Team udokumentował postępujący półroczny zator sprawnościowy odseparowujący model flagowy od niezawodności ostatecznej wyników symulacyjnych. Agenci generatywni uzyskują pułap ekspertów w cztery na pięć zaliczonych faz przy sekwencji dziesięciu wejść do serwerów. Niemniej uśredniona zdolność samego algorytmu Fable 5 zrównująca precyzję ludzi kończy statystykę w liczbie raptem trzech zaliczonych poprawnie rzutów bez uchybień. Obecne zdolności stanowią powielenie tego, co minione generacje z potężnym wysiłkiem zamykały jako pojedyncze bicie absolutnego rekordu testów we wczesnych tygodniach roku kalendarzowego 2026.

Ekonomiczna presja likwidacji nadzoru sprzętu i perspektywy automatyzacji w locie

Niejednoznaczne konkluzje wypływające z wdrożenia Project Pilot w obszarze stosowania powszechnej technologii gotowej na półkach sklepowych (komponenty COTS) uwidaczniają skrajny dylemat dla prawodawców, jak ryzykowna będzie autonomia oprogramowania połączonego z latającymi silnikami. Analogie kierujące obawy ekspertów oparto wokół historii asystentów wspomagających kodowanie źródeł skryptowych. Załogi ludzkich zatwierdzających przyjmowały pierwotnie wywołania podzespołów z rąk asystenta kodu niemal pojedynczo punkt po punkcie, gdzie dzisiaj zadania z tak zwanym horyzontem dalekowzrocznym wywoływane w tle oddano pod samodzielny nadzór logiki systemów sztucznej inteligencji.

W miarę poszerzania operatywności powtarzalnej przez sprzęt latający dla rynków ratowniczych lub patrolowania publicznego na obszarach zabudowanych, naturalne dla optymalizacji redukcje kosztów sprofilują stałą ludzką inspekcję wizualną jako obciążenie nieadekwatne rynkowo oraz operacyjnie spowalniające lot platform – a nie formę rygoru zabezpieczającego fizyczny ład maszynowy. Decyzje uwalniające stery lotnicze od obecności i ingerencji wycofującego się w cień operatora będą więc wymagały błyskawicznego spięcia regulacyjnego sektora społecznego i państwowego w zderzeniu z rynkami sztucznej inteligencji u podstaw tworzenia praw, nie zaś czystych wyliczeń wydajności logistycznych drona.