Madrid
8 °C
Palma de Mallorca
16 °C
Sevilla
15 °C
Madeira
Canary Islands
Valencia
Lima
21 °C
Cusco
16 °C
Iquitos
Arequipa
18 °C
Bogota
20 °C
Medellin
Cali
Barcelona
29 °C
Un dron controlado por IA derrota por primera vez a campeones humanos / Foto: LEONARD BAUERSFELD - University of Zurich/AFP
Un dron controlado por IA derrota por primera vez a campeones humanos
Un dron autónomo, pilotado por inteligencia artificial, superó por primera vez a campeones de carreras de drones, según un estudio publicado el miércoles en la revista Nature.
Este hito allana el camino para una optimización de los sistemas utilizados en los vehículos autónomos o los robots industriales.
La carrera se disputó en un circuito de 75 metros compuesto por siete puertas que deben ser superadas en un orden predeterminado, con máquinas que alcanzan fácilmente los 100 km/h y aceleraciones que dejarían muy atrás a un F1.
Tres campeones de la disciplina fueron reclutados por el Grupo de Robótica y Percepción de la Universidad de Zúrich para enfrentarse al dron.
Equipados con cascos que transmitían imágenes del dron que pilotaban, los tres hombres, entre ellos un ex campeón mundial de la liga de carreras de drones, tuvieron una semana para prepararse.
El dron autónomo ganó la mayoría de las carreras contra cada uno de ellos y completó la vuelta más rápida del circuito.
Esta es la primera vez que "un robot autónomo móvil logra un rendimiento de nivel de campeón mundial en un deporte competitivo en el mundo real", según el estudio.
Algunos drones habían alcanzado un nivel "experto", pero con la ayuda de un sistema externo de captura de movimiento que optimizaba su trayectoria.
Esta era una ventaja "injusta" para el equipo de Zúrich que presenta Swift, un sistema completamente autónomo que lleva a bordo del dron únicamente sus sensores y su potencia de cálculo.
"Swift corrige su rumbo en tiempo real enviando 100 nuevas órdenes por segundo al dron”, explica a AFP Elia Kaufmann, primer autor del estudio y todavía estudiante de doctorado en el momento de escribir el artículo.
El secreto de Swift se basa en una técnica llamada de aprendizaje por refuerzo profundo ("deep reinforcement learning"), que combina el procesamiento de una gran cantidad de datos con la observación de reglas que recompensan los progresos de la máquina.
- Evitar accidentes -
El sistema probó millones de trayectorias combinando la percepción de su entorno y su progresión hacia la puerta siguiente. "Swift se entrenó en el equivalente a aproximadamente un mes de tiempo real, pero en acelerado, es decir en una hora en un computador", explica Kaufmann.
La máquina tiene algunas ventajas inherentes, como una central que le proporciona información como la aceleración, que el piloto humano no puede sentir sin subir a un dron. Otra ventaja es el tiempo de reacción a una orden cinco veces más rápido que el que recibe el cerebro humano.
Pero los humanos conservan una ventaja en un entorno degradado, por ejemplo cuando hay cambios de luz, que Swift podría tener dificultades para tomar en cuenta.
El humano también tiene en cuenta su ventaja sobre su oponente para reducir un poco la velocidad y evitar accidentes. La máquina, en cambio, siempre va al máximo "corriendo potencialmente demasiados riesgos", señala el estudio.
El impacto de estos trabajos se extiende más allá de las carreras de drones, señala Guido de Croon, experto en el tema y profesor de la Universidad Tecnológica neerlandesa de Delft, en un comentario que acompaña al estudio en Nature.
Según él, los avances en este ámbito son de gran interés para los militares, pero "tienen una gama mucho más amplia de aplicaciones".
Para Elia Kaufmann, que hoy trabaja como ingeniero en una empresa de drones destinados a la industria, el desafío es responder a "una debilidad inherente a los drones autónomos: una autonomía de vuelo muy limitada".
El enfoque adoptado con Swift, "que permite replanificar las acciones en tiempo real sin necesidad de recalcular una trayectoria", permitiría así una navegación más eficiente y, por tanto, ahorradora en energía.
(A.Berg--BBZ)
