Investigadores de la TU Delft y la Universidad de Ciencias Aplicadas de Westfalia han creado un proceso de aprendizaje de IA que se basa en flujo óptico y permite a los robots calcular distancias utilizando la apariencia visual de los objetos. Ejemplos de apariencia visual pueden ser la forma, el color o la textura del objeto.
Asesoría AI para la navegación de drones
Gracias a este sistema de aprendizaje de IA, se puede optimizar la navegación en drones pequeños.
El estudio ha sido publicado recientemente en el prestigioso serial Nature Machine Intelligence.
Robots versus Insectos
Con el objetivo de equiparar el grado de autonomía que los grandes vehículos autónomos poseen, es fundamental que los robots voladores pequeños demuestren una inteligencia similar a la que presentan los insectos voladores. Esto requiere de la implementación de sistemas de inteligencia artificial altamente eficientes.
Uno de los desafíos principales que enfrenta esta tecnología es que los pequeños robots voladores que existen actualmente en el mercado no poseen la cantidad de sensores y de habilidades de procesamiento que se requieren.
Los insectos en su entorno natural dependen del «flujo óptico», el cual se refiere a cómo se mueven los objetos ante la vista de un insecto. Es gracias a este flujo óptico que los insectos pueden aterrizar en las flores y evadir a los depredadores, a pesar de su aparente simplicidad.
Guido de Croon, profesor de microvehículos aéreos de inspiración biológica, es el primer autor del estudio.
» Nuestra investigación sobre el control del flujo óptico se inspiró en el entusiasmo por las estrategias simples y elegantes utilizadas por los insectos voladores «, explicó. “Sin embargo, desarrollar métodos de control para implementar estas estrategias en robots voladores resultó no ser nada fácil. Por ejemplo, nuestros robots voladores no aterrizaban como esperábamos, sino que oscilaban constantemente sobre la superficie de aterrizaje ”.
Limitaciones del flujo óptico
Existen dos desafíos clave en el flujo óptico. En primer lugar, aporta información combinada sobre distancias y velocidades, sin ofrecer datos exclusivos sobre cada una. En segundo lugar, este flujo óptico es mínimo en la dirección en la que el dron se mueve, lo que dificulta la evasión de obstáculos. De hecho, es más difícil para el robot detectar objetos hacia los que se dirige.
«Comprendimos que ambos problemas con el flujo óptico se resolverían, si los robots pudieran interpretar no solo el flujo óptico, sino también la apariencia visual de los objetos en su entorno», afirmó Guido de Croon. “Esto permitiría a los robots ver las distancias a los objetos de manera similar a cómo los humanos estimamos distancias en una imagen fija. El desafío es: ¿cómo puede un robot aprender a ver distancias de esta manera?
Con el nuevo método ideado por los investigadores, los robots aprenden a través de oscilaciones para interpretar cómo se ven los objetos en su entorno en relación a la distancia. Ejemplificando, un drone podría aprender a identificar la finura de la textura de la hierba dependiendo de la altura a la que esté durante el aterrizaje.
Christophe De Wagter, investigador de la TU Delft y coautor del estudio, expone.
«Aprender a ver la distancia a través de la apariencia visual condujo a aterrizajes mucho más rápidos y suaves que los que habíamos logrado previamente», explicó. “Además, para la prevención de obstáculos, los robots ahora podían ver claramente los obstáculos en la dirección de vuelo. Esto no solo mejoró la detección de obstáculos, sino que también permitió a nuestros robots acelerar ”.
Este desarrollo reciente tendrá un impacto en los robots voladores que cuenten con recursos limitados. Es especialmente útil para aquellos que deben operar en espacios confinados.
LEE MÁS ARTÍCULOS SOBRE: Noticias de IA.
LEE LA ENTRADA ANTERIOR: Así es el algoritmo de IA que mejora la precisión y reduce costes de diagnóstico por imágenes médicas.