Siguiendo las últimas investigaciones, el equipo del MIT ha desarrollado un avanzado control adaptativo impulsado por IA que permite a los drones mantenerse automáticamente en la trayectoria planificada, incluso cuando se encuentran con perturbaciones impredecibles como fuertes ráfagas de viento. El sistema aprende de forma autónoma a partir de los datos recogidos durante solo 15 minutos de vuelo y selecciona el algoritmo de adaptación óptimo, lo que resulta en una mejora de hasta el 50 % en la precisión del seguimiento en comparación con los métodos estándar.

Cómo funciona el nuevo sistema controlado por IA

Los sistemas de control tradicionales se basan en un modelo predefinido de la aeronave no tripulada y un modelo esperado de las perturbaciones ambientales. Sin embargo, en condiciones reales como zonas montañosas o corredores urbanos, modelar manualmente cada influencia posible a menudo no es factible. La nueva solución del MIT reemplaza la noción de estructura de perturbación por funcionalidades desconocidas, sustituyéndolas por una red neuronal que, con una cantidad mínima de datos, construye una comprensión de las fuerzas inesperadas.

Selección automática del algoritmo: mirror descent

En lugar del enfoque limitado basado en el descenso por gradiente, los investigadores del MIT introdujeron mirror descent, una familia de algoritmos de optimización mejor adaptados a la geometría de las posibles perturbaciones. El sistema evalúa en tiempo real qué función de la familia se adapta mejor a la perturbación actual y la aplica, sin necesidad de configuración manual de parámetros.

Metaaprendizaje en foco

Aplicando metaaprendizaje, el sistema entrena simultáneamente una red neuronal para reconocer las perturbaciones y el mirror descent óptimo que se utilizará durante la adaptación. En el proceso de entrenamiento, el sistema pasa por diferentes variantes de viento y aprende a generar representaciones compartidas, lo que le permite adaptarse rápidamente a condiciones nuevas y no vistas.

Resultados – 50 % menos error

En simulaciones y experimentos, el sistema logró hasta un 50 % menos de error durante el seguimiento de la trayectoria en comparación con los métodos convencionales de adaptación. Además, la diferencia en el rendimiento aumentó con la intensificación del viento, demostrando la capacidad del sistema para manejar eficazmente condiciones más extremas.

Aplicaciones en el mundo real

• Entrega de cargas pesadas en condiciones de vientos fuertes, por ejemplo, en zonas montañosas o durante la extinción de incendios.


• Control de drones sobre áreas propensas a incendios, como parques nacionales o reservas forestales.

Próximos pasos – del simulador al cielo

Los investigadores del MIT planean pruebas experimentales con drones reales en diversas condiciones de viento. También están desarrollando modulaciones adicionales, incluyendo la combinación de perturbaciones de múltiples fuentes simultáneamente, por ejemplo, fluctuaciones de peso cuando el dron lleva agua o cargas líquidas.

Objetivos de expansión

1. Aprendizaje continuo: El sistema actualizará el modelo de nuevas perturbaciones durante la operación sin necesidad de volver a entrenar en todo el conjunto de datos.
2. Perturbaciones multitépicas: Reconocimiento y adaptación a efectos combinados, por ejemplo, viento + peso dinámico.

Evaluación experta y asociaciones

El profesor Babak Hassibi de Caltech destaca: "La clave de su método es la integración del metaaprendizaje con controles adaptativos basados en mirror descent, lo que permite la explotación automática de la geometría del problema, algo verdaderamente revolucionario para sistemas autónomos."

La investigación se realizó con el apoyo de socios significativos como MathWorks, MIT-IBM Watson AI Lab, MIT-Amazon Science Hub y el programa MIT-Google para innovaciones en computación.

Qué nos espera

El trabajo pronto se ampliará a múltiples modelos de drones, diversas clases de vientos turbulentos y cargas. También está prevista la integración de hardware, pasando de laboratorios y simulaciones a misiones reales, como la extinción de incendios o la entrega de ayuda médica.

Aún en foco

La tecnología promete revolucionar la forma en que los drones operan en condiciones impredecibles, especialmente en situaciones donde la estabilidad del vuelo es crucial para la seguridad, eficiencia y confiabilidad operativa.

Fuente: Massachusetts Institute of Technology