Investigadores de la Universidad Tecnológica de Delft han desarrollado el primer enjambre de pequeños drones que son capaces de detectar y localizar fugas de gas de forma autónoma en entornos cerrados reducidos. Para encontrar una fuga de gas en un edificio o sitio industrial, los bomberos humanos arriesgan sus vidas, ya que puede llevar mucho tiempo detectar la fuente. Estos nuevos drones podrían tener importantes implicaciones en este ámbito.
Diseñando IA para los Drones
El mayor obstáculo para los investigadores fue diseñar la inteligencia artificial (IA) necesaria para la compleja tarea. Debido al diminuto tamaño de los drones, las partes informáticas y de memoria debían encajar perfectamente en ellos. Los investigadores se basaron en estrategias de búsqueda y navegación bioinspiradas.
Él investigar se publicó en el servidor de artículos ArXiv y se presentará en la conferencia de robótica IROS más adelante este año.
Qué se requiere para la localización de fuentes de gas autónomas
La tarea de localización autónoma de fuentes de gas es extremadamente compleja y requiere sensores de gas artificiales que no son muy capaces de detectar pequeñas cantidades de gas. También luchan por mantenerse sensibles a los cambios rápidos en las concentraciones de gas.
Además de la tarea real, el entorno también causa problemas cuando es complejo. Por estas razones, la investigación tradicional ha evolucionado en torno a robots individuales que buscan una fuente de gas en entornos pequeños y sin obstáculos.
Guido de Croon es profesor titular en el laboratorio Micro Air Vehicle de TU Delft.
“Estamos convencidos de que los enjambres de pequeños drones son una vía prometedora para la localización de fuentes de gas autónomas”, dice Guido de Croon. “El diminuto tamaño de los drones los hace muy seguros para los seres humanos y las propiedades que aún se encuentran en el edificio, mientras que su capacidad de vuelo les permitirá eventualmente buscar la fuente en tres dimensiones. Además, su pequeño tamaño les permite volar en áreas interiores estrechas. Finalmente, tener un enjambre de estos drones les permite localizar una fuente de gas más rápido, mientras escapan de los máximos locales de concentración de gas para encontrar la verdadera fuente”.
A pesar de los beneficios de estas propiedades, también dificultan que los ingenieros implementen IA en los drones para la localización autónoma de fuentes de gas. Debido a las limitaciones en torno a la detección y el procesamiento a bordo, los algoritmos de IA que se utilizan en los vehículos autónomos no son aplicables. Debido a que operan en enjambres, los drones también deben evitar colisionar entre sí mientras colaboran.
Bart Duisterhof realizó la investigación en TU Delft.
“En realidad, en la naturaleza hay muchos ejemplos de navegación exitosa y localización de fuentes de olores dentro de estrictas limitaciones de recursos”, dice Duisterhof. “Solo piense en cómo las moscas de la fruta con sus pequeños cerebros de ~ 100,000 neuronas localizan infaliblemente los plátanos en su cocina en el verano. Lo hacen combinando con elegancia comportamientos simples como volar contra el viento u ortogonalmente al viento dependiendo de si perciben el olor. Aunque no pudimos copiar directamente estos comportamientos debido a la ausencia de sensores de flujo de aire en nuestros robots, les hemos inculcado comportamientos igualmente simples para abordar la tarea”.
Los pequeños drones se basan en un nuevo algoritmo de “error” llamado “Sniffy Bug”, que permite que los drones se dispersen antes de detectar cualquier gas. Esto les permite cubrir grandes entornos y evitar obstáculos o entre ellos.
Una vez que uno de los drones detecta gas, se lo comunica a los demás, que luego colaborarán entre sí para encontrar la fuente de gas lo más rápido posible. Más específicamente, los drones realizan una búsqueda de la concentración máxima de gas con un algoritmo llamado “optimización de enjambre de partículas” o PSO, donde cada dron actúa como una partícula.
El algoritmo se inspiró en el comportamiento social y el movimiento de las bandadas de pájaros, con cada dron moviéndose en función de su propia ubicación de concentración de gas más alta percibida, la ubicación más alta del enjambre y su dirección de movimiento e inercia actuales. Uno de los beneficios de PSO es que solo requiere medir la concentración de gas sin el gradiente de concentración de gas o la dirección del viento.
“Esta investigación muestra que los enjambres de pequeños drones pueden realizar tareas muy complejas”, dice Guido, “Esperamos que este trabajo sirva de inspiración para que otros investigadores de robótica reconsideren el tipo de IA que es necesaria para el vuelo autónomo”.