昆虫的大脑很小而且很有限。但是它们以速度，优雅和精确度飞翔，对不断变化的条件做出快速反应，并远离掠食者。由于计算神经科学和机器学习等领域的最新进展，研究人员现在正在研究这些神经系统，以开发下一代智能，敏捷和高度自适应的自主空中无人机。

约翰·布兰卡乔(John Brancaccio)机械与航空工程学教授西尔维娅·法拉利(Silvia Ferrari)已获得空军科学研究所的40万美元拨款，用于研究飞蛾的大脑，目的是改善无人机的飞行能力。

法拉利说：“我们有兴趣了解这些小型飞行器的大脑和感觉模态系统如何发挥作用，并且具有非常基本的原理。” “希望我们可以将其中一些原理转化为飞行器。”

法拉利将与佐治亚理工大学物理学助理教授西蒙·斯彭伯格(Simon Sponberg)一起，研究“尖峰火车”的数学基础-“尖峰火车”的发射神经元序列有助于大脑学习。

法拉利说：“加长钉训练是一种非常有效的方式来携带信息，处理信息并将这些信息用于推理和解决问题，因此，它们被认为是大脑如此强大的主要原因之一。” “但是确切地不知道的是，这些神经元在这些尖峰期间编码信息的数学原理是什么?”

她和法拉利(Sponberg)运用控制理论(法拉利的研究领域)，研究了穗状花序火车如何帮助飞蛾盘旋-例如，从花朵中取食。

她说：“这是一个非常精确的问题。” “它们必须精确地跟踪花朵，但是花朵可能在风中移动，或者可能有阵风干扰飞蛾的飞行，如果掠食者到达，飞蛾必须迅速离开。”

在相关工作中，法拉利与佐治亚理工大学和卡内基梅隆大学的研究人员合作，从佐治亚理工大学获得了180万美元的赠款，以开发一种方法来组合来自不同来源的信息，包括人工智能算法，以帮助自动驾驶车辆有效地处理信息。

收集有关车辆周围环境的信息的不同方法通常基于不同的原理，并且可以产生完全不同形式的数据。这使得很难从多个来源综合信息。法拉利说，在尝试合并机器学习或AI算法中的数据时，情况甚至更加复杂。

“飞机和航天器已经具有很多自主功能，”法拉利说。“现在人们正在开发用于计算机视觉和机器学习的许多新算法，有许多不同的方法用于处理传感数据。”

研究人员使用法拉利实验室开发的方法，旨在将包括AI在内的各种来源的数据组合成一个单一的优化框架。

Ferrari说：“分布式系统还有其他技术，但是这项工作的关键是要包括AI和机器学习算法，因为它们具有完全不同的原理和假设，因此在现有方法中并不经常使用。”

研究人员希望通过虚拟和物理实验在自动驾驶汽车上测试他们的技术。