Investigadores de la Universidad Jiao Tong de Shanghái han desarrollado un sistema revolucionario que permite a enjambres de drones navegar de forma autónoma a través de entornos complejos a velocidades de hasta 20 metros por segundo. La clave del éxito radica en imitar las extraordinarias habilidades de vuelo de los insectos más pequeños: las moscas.
Un cerebro artificial inspirado en la naturaleza
Los investigadores se inspiraron en las increíbles capacidades de vuelo de insectos diminutos como las moscas, según explican los profesores Danping Zou y Weiyao Lin, coautores principales del estudio publicado en Nature Machine Intelligence. «Siempre nos ha fascinado cómo estas pequeñas criaturas, con apenas un cerebro diminuto y sensores limitados, pueden realizar maniobras ágiles e inteligentes: evitar obstáculos, mantenerse en el aire o perseguir presas».
El enfoque tradicional para controlar múltiples drones divide la navegación autónoma en módulos separados como estimación de estado, mapeo, planificación de rutas, generación de trayectorias y control. Si bien esto puede ser efectivo, a menudo provoca la acumulación de errores entre diferentes módulos e introduce latencia en las respuestas de los drones, causando reacciones más lentas ante obstáculos y aumentando el riesgo de colisiones.
La revolución de la simplicidad
El sistema desarrollado se basa en una red neuronal artificial ultraligera que puede generar comandos de control para vehículos aéreos cuadricópteros utilizando únicamente mapas de profundidad de ultra baja resolución de 12×16 píxeles. Aunque la definición de estos mapas es extremadamente baja, resulta suficiente para que la red comprenda su entorno y planifique eficazmente las acciones de los vehículos aéreos.
«Entrenamos esta red en un simulador personalizado compuesto por formas geométricas simples: cubos, elipsoides, cilindros y planos, lo que nos permite generar entornos diversos pero estructurados», explicaron los profesores. «Nuestro proceso de entrenamiento es altamente eficiente gracias a un pipeline basado en física diferenciable».
Eficiencia sin precedentes
Una de las ventajas clave del sistema es que se ejecuta en una placa de computación embebida que cuesta solo 21 dólares y funciona de manera fluida y eficiente en términos energéticos. La red neuronal compacta tiene únicamente tres capas convolucionales, y el entrenamiento converge en apenas 2 horas en una GPU RTX 4090.
«El sistema también admite naturalmente la navegación multi-robot sin ninguna planificación centralizada o comunicación explícita, permitiendo un despliegue escalable en escenarios de enjambre», añaden los investigadores.
Tres descubrimientos revolucionarios
1. La inteligencia no requiere datos masivos
Contrario a la creencia común, los investigadores entrenaron su sistema completamente en simulación, sin datos a escala de internet, registros precolectados o demostraciones elaboradas manualmente. Utilizaron solo unas pocas tareas básicas y entornos geométricos impulsados por un motor de física diferenciable.
2. Los modelos pequeños pueden ser extraordinariamente poderosos
«Al igual que la neurociencia hizo sus primeros progresos a través de la mosca de la fruta, cuyos circuitos neuronales simples ayudaron a descifrar conocimientos fundamentales, los modelos pequeños nos dan una visión más clara de cómo están acoplados la percepción, la toma de decisiones y el control», explicaron los investigadores. Un modelo con menos de 2 MB de parámetros logró coordinación multi-agente sin ninguna comunicación.
3. La resolución no lo es todo
Como la mosca de la fruta, cuya visión se limita a ojos compuestos de baja resolución pero que logra hazañas aéreas increíbles, el sistema utiliza imágenes de profundidad de 12×16 píxeles para controlar drones volando a velocidades de hasta 20 m/s. Esto sugiere que el rendimiento de navegación puede depender más de la comprensión interna del mundo físico del agente que de la fidelidad del sensor.
Aplicaciones del mundo real y futuro
El enfoque podría desplegarse en más tipos de vehículos aéreos y probarse en escenarios específicos del mundo real. Eventualmente, podría ampliar las tareas que pueden ser abordadas por drones ultraligeros, permitiéndoles tomar selfies automáticamente, competir en carreras, transmitir eventos deportivos, buscar en edificios colapsados durante operaciones de búsqueda y rescate, e inspeccionar almacenes abarrotados.
Los investigadores están explorando actualmente el uso de optical flow en lugar de mapas de profundidad para el vuelo completamente autónomo. «El optical flow proporciona señales de movimiento fundamentales y ha sido estudiado durante mucho tiempo en neurociencia como un componente clave de la visión de insectos», señalan.
El misterio por resolver
Aunque la red neuronal ligera del equipo funcionó notablemente bien en experimentos del mundo real, cómo funcionan estos resultados prometedores aún no se comprende completamente. Como parte de sus próximos estudios, los profesores Zou y Lin esperan arrojar más luz sobre las representaciones internas de la red, lo que también podría ofrecer perspectivas sobre cómo los insectos procesan sus alrededores y planifican sus acciones.
