La inteligencia artificial pilota drones como toda una campeona Investigadores respaldados por la Unión Europea crean el primer sistema de inteligencia artificial capaz de vencer a tres campeones mundiales de carreras de drones. Economía digital Transporte y movilidad © Anton/stock.adobe.com Investigadores del proyecto AGILEFLIGHT, financiado con fondos europeos, han desarrollado el primer sistema autónomo capaz de vencer a pilotos humanos en carreras de drones. Llamado Swift, el sistema de inteligencia artificial (IA) no superó a cualquier competidor humano, sino a tres pilotos de talla mundial: el campeón de la Drone Racing League 2019 Alex Vanover, el campeón de la MultiGP Drone Racing 2019 Thomas Bitmatta y el tricampeón suizo Marvin Schaepper. En las carreras celebradas entre el 5 y el 13 de junio de 2022, Swift se impuso en múltiples ocasiones a los tres campeones en un deporte conocido como carreras de drones con vista en primera persona. Todos los competidores tuvieron que pilotar sus drones de alta velocidad a través de una pista de obstáculos a velocidades superiores a 100 km por hora. Los drones se controlaban a distancia mediante auriculares conectados a una cámara a bordo que proporcionaba a los pilotos una visión en primera persona desde la perspectiva del dron. Las carreras se celebraron en una pista especialmente diseñada en un hangar del aeropuerto de Dübendorf, cerca de Zúrich. La pista cubría un área de 25 x 25 m y constaba de siete puertas cuadradas que los drones tenían que pasar en el orden correcto para completar una vuelta. Según se informa en una noticia en el sitio web de la Universidad de Zúrich, entidad coordinadora del proyecto AGILEFLIGHT, la carrera requería maniobras desafiantes como una «Split-S», que es «una acrobacia que consiste en hacer rodar el dron hasta la mitad y ejecutar un medio bucle descendente a toda velocidad». Más rápido, pero menos adaptable Swift consiguió batir a los campeones humanos en varias ocasiones, e incluso logró la vuelta más rápida, al completar el recorrido medio segundo más rápido que la mejor vuelta controlada por un humano. Sin embargo, los pilotos humanos eran más capaces de adaptarse en condiciones distintas de aquellas para las que se había entrenado el sistema de IA, por ejemplo, si había demasiada luz en la habitación. Esto demuestra que, aunque la IA ha hecho avances asombrosos en la navegación por entornos físicos, los pilotos humanos siguen teniendo ventaja cuando se trata de adaptarse a condiciones variables. Como se describe en un artículo publicado en la revista «Nature», estos resultados se lograron utilizando el aprendizaje profundo por refuerzo, mediante el cual Swift se enseñó a sí mismo a volar por prueba y error en un entorno simulado. «Para asegurarnos de que las consecuencias de las acciones en el simulador fueran lo más parecidas posibles a las del mundo real, diseñamos un método para optimizar el simulador con datos reales», explica en la noticia la autora principal, la doctora Elia Kaufmann, de la Universidad de Zúrich. ¿Cómo funciona Swift? El sistema de IA utiliza datos al instante recogidos por la cámara de a bordo, así como mediciones como la aceleración y la velocidad procedentes de otros sensores. Estos datos se procesan mediante una red neuronal artificial para localizar el dron en el espacio e identificar las puertas de carrera a lo largo del recorrido. A continuación, una unidad de control, también basada en una red neuronal profunda, utiliza esta información para elegir la mejor forma de terminar el circuito lo más rápido posible. Otro de los autores principales del estudio, el catedrático Davide Scaramuzza, de la misma universidad, explica por qué es importante la velocidad: «Los drones tienen una capacidad de batería limitada; necesitan la mayor parte de su energía solo para mantenerse en el aire. Así, al volar más rápido aumentamos su utilidad». Según los investigadores, la nueva tecnología desarrollada con el apoyo de AGILEFLIGHT (Low-latency Perception and Action for Agile Vision-based Flight) tiene varias aplicaciones en el mundo real. Entre ellas, la vigilancia forestal, la exploración espacial y las misiones de búsqueda y rescate, en las que los drones deben cubrir grandes áreas en poco tiempo. Para más información, consulte: Proyecto AGILEFLIGHT Palabras clave AGILEFLIGHT, dron, IA, carreras de drones, Swift, aprendizaje profundo por refuerzo, red neuronal
