Un dron guiado únicamente por una aplicación de IA derrotó a los campeones del mundo en carreras de drones con conducción humana, un resultado que parecía inalcanzable. Las aplicaciones de este dron de alta velocidad en el mundo real incluyen el seguimiento ambiental o la respuesta a desastres, entre otros ámbitos. La proeza tecnológica puede compararse con el triunfo del ordenador Deep Blue de IBM sobre el gran ajedrecista Gary Kasparov en 1996.
Un equipo de científicos de la Universidad de Zúrich, en Suiza, junto a especialistas de la empresa Intel, ha logrado desarrollar un sistema de Inteligencia Artificial (IA) capaz de pilotar en forma autónoma a un dron y lograr que rompa todos los récords de velocidad: en una reciente prueba contra los drones campeones mundiales con conducción humana, ganó con claridad y superó en medio segundo a las mejores marcas del resto de los competidores.
La IA da un gran paso adelante
La proeza tecnológica puede compararse con el triunfo del ordenador Deep Blue de IBM sobre el gran ajedrecista Gary Kasparov en 1996: son momentos de inflexión en los cuales la tecnología, en este caso la IA, parece superar sus propios límites y estar preparada para nuevos desafíos y aplicaciones. Y como venimos viendo a lo largo de este año y el anterior, los avances y desarrollos sugieren que la IA no tiene techo.
Ahora, el sistema Swift pudo ganar múltiples pruebas contra tres campeones de clase mundial en carreras de drones con vista en primera persona (FPV), donde los pilotos vuelan cuadricópteros a velocidades superiores a 100 kilómetros por hora, utilizando un control remoto junto a unos auriculares conectados a un dispositivo a bordo, concretamente una cámara.
“Los deportes físicos son más desafiantes para la IA porque son menos predecibles que los juegos de mesa o los videojuegos. No tenemos un conocimiento perfecto de los modelos de drones y del entorno, por lo que la IA necesita aprenderlos interactuando con el mundo real”, explicó en una nota de prensa el científico Davide Scaramuzza, jefe del Grupo de Robótica y Percepción de la Universidad de Zúrich y uno de los autores del nuevo estudio, que ha sido publicado recientemente en la revista Nature.
El gran avance que ha conseguido este equipo de investigadores puede entenderse si consideramos que, tan solo algunos años atrás, los drones autónomos tardaban el doble que los conducidos por humanos en completar una pista de carreras, a menos que dependieran de un sistema externo de seguimiento de posición, para controlar así con precisión sus trayectorias.
Aprender en tiempo real
La enorme ventaja de Swift es que puede reaccionar en tiempo real a los datos recopilados por una cámara a bordo, como la que utilizan los corredores humanos. Mediante una unidad de medición inercial integrada, calcula la aceleración y la velocidad, mientras que una red neuronal artificial utiliza los datos de la cámara para localizar el dron en el espacio y detectar los trayectos más convenientes a lo largo de la pista. Esta información se envía a una unidad de control, también basada en una red neuronal profunda, que selecciona la acción ideal para terminar el circuito con la mayor rapidez posible.
En líneas generales, Swift demostró un éxito rotundo mediante esta estrategia de trabajo, que le permite ir aprendiendo y mejorando en tiempo real y en el propio terreno. En las competiciones más recientes, logró la vuelta más rápida, aventajando en medio segundo a la mejor vuelta de un piloto humano. Sin embargo, la conducción humana demostró una mejor adaptación a los cambios del entorno que, como es habitual, continúa siendo el gran “cuello de botella” tecnológico a superar por la IA. Los drones autónomos fallaron más cuando las condiciones eran diferentes a las del entorno en el que fueron entrenados, por ejemplo si había demasiada luz en el lugar.
Según los científicos, este importante avance y nuevos desarrollos que permitan una mayor flexibilidad de la IA a futuro, harán posible crear nuevas aplicaciones más eficientes para el seguimiento ambiental o la gestión de accidentes y desastres naturales, entre otros campos.
Referencia
Champion-level drone racing using deep reinforcement learning. Elia Kaufmann, Leonard Bauersfeld, Antonio Loquercio, Matthias Müller, Vladlen Koltun and Davide Scaramuzza. Nature (2023). DOI:https://doi.org/10.1038/s41586-023-06419-4