Drones pueden ser controlados de una mejor manera con el aprendizaje automático

Ingenieros del Instituto de Tecnología de California (Caltech) han diseñado un nuevo método basado en el aprendizaje automático con el fin de ayudar a los enjambres de drones a coordinarse a través de espacios desordenados y sin mapas y evitar que choquen entre sí.

La coordinación del movimiento de varios robots es un problema robótico fundamental con una amplia gama de aplicaciones que van desde la búsqueda y el rescate urbanos hasta el control de flotas de vehículos autónomos y el vuelo en formación en entornos reducidos.

Dos desafíos clave dificultan la coordinación de múltiples robots. El primero, los drones que se mueven en espacios no reconocidos previamente deben tomar decisiones en una fracción de segundo sobre sus trayectorias a pesar de tener datos incompletos sobre su camino futuro. En segundo lugar, la presencia de un mayor número de robots hace que sus interacciones sean más complejas y más propensas a las colisiones.

Para superar estos desafíos, Soon-Jo Chung, profesor Aeroespacial en Caltech y Yisong Yue, ingeniero informático y ciencias matemáticas, junto con estudiantes de la misma institución desarrollaron un algoritmo de planificación de movimiento de varios robots al mismo tiempo llamado Síntesis de autonomía segura global a local (GLAS, por sus siglas en inglés) que imita un mapeo del espacio con solo la información básica de posicionamiento. El sistema de aprendizaje automático de seguimiento de enjambres llamado Neural-Swarm podrá comprender con más precisión las interacciones aerodinámicas complejas en vuelos de proximidad.

Descubrieron que GLAS y Neural-Swarm pudieron superar en un 20 por ciento el actual algoritmo de planificación de movimiento de múltiples robots de última generación. Además, los errores de seguimiento y rastreo de posición en el espacio tridimensional eran cuatro veces menos cuando se utilizaron dichos software y hardware.

Los científicos afirman que cuando se utilizan GLAS y Neural-Swarm, los drones  aprenden a cómo navegar por un espacio mientras permanecen en el aire a medida que ingresan un modelo aprendido de movimiento.