Исследователи из Центра ИИ МГУ им. М.В. Ломоносова разработали метод обучения нейросетей для устойчивой работы в системах управления с задержкой сигнала. Такие ситуации возникают при работе летательных аппаратов, в робототехнике и биомеханических моделях, когда управляющее воздействие достигает объекта не мгновенно и модели становится сложнее воспроизводить и предсказывать работу системы.

Метод строится на использовании динамической нейросети. Такая модель продолжает уточнять свои параметры во время работы. По мере поступления новых данных она корректирует внутренние настройки и улучшает прогноз динамики системы.

Устойчивость обучения основана на процедуре ограничения параметров нейросети в контролируемых границах. За счет используемого в методе математического аппарата ошибки при обучении остаются ограниченными, а сама модель сохраняет устойчивость при задержке входного воздействия.

С помощью подхода возможно учитывать задержку сигнала без увеличения размеров модели.

В апреле 2026 года руководство факультета искусственного интеллекта МГУ им. М.В. Ломоносова заявило о намерении создать парк роботов для развития управления воздушными беспилотниками, андроидами и робособаками.