Un equipo de investigadores de la Universidad Politécnica de Madrid demuestra que el aprendizaje por refuerzo −una rama de la inteligencia artificial− permite a drones autónomos interceptar de forma segura otros drones no autorizados, incluso en condiciones adversas y ante maniobras impredecibles.
La creciente presencia de drones en el espacio aéreo controlado plantea importantes retos para la seguridad, especialmente en entornos sensibles como aeropuertos, infraestructuras críticas o futuras ciudades con movilidad aérea urbana.
La detección y neutralización de drones no autorizados es una necesidad cada vez más urgente para evitar tanto accidentes como interrupciones del tráfico aéreo, así como amenazas a la seguridad.
En este sentido, investigadores de la Escuela Técnica Superior de Ingeniería Aeronáutica y del Espacio (ETSIAE) de la Universidad Politécnica de Madrid (UPM), en colaboración con el Center for Computational Simulation (CCS), han desarrollado un nuevo sistema basado en inteligencia artificial capaz de interceptar drones no cooperativos de manera autónoma y eficiente.
Los resultados obtenidos suponen un paso importante hacia sistemas autónomos más seguros e inteligentes para la gestión del espacio aéreo
Miembros del grupo de investigación ModelFlows han llevado a cabo un estudio centrado en el uso de aprendizaje por refuerzo, una rama de la inteligencia artificial que permite a los sistemas aprender mediante ensayo y error.
En este caso, los investigadores entrenaron un dron de ala fija para perseguir e interceptar a otro dron que intenta evadirlo utilizando distintas estrategias de escape. A diferencia de los métodos clásicos de control (que suelen fallar ante comportamientos impredecibles), el sistema propuesto aprende a adaptarse a situaciones nuevas y no vistas durante el entrenamiento.
Algoritmos de aprendizaje
Para lograrlo, el equipo comparó varios algoritmos de aprendizaje por refuerzo, incluyendo enfoques tradicionales y un método avanzado basado en modelos predictivos del entorno. Los entrenamientos y pruebas se realizaron en simulaciones de alta fidelidad que reproducen con gran realismo la dinámica de vuelo, incorporando además perturbaciones como rachas de viento y ruido en los sensores.
Los entrenamientos y pruebas se realizaron en simulaciones de alta fidelidad que reproducen con gran realismo la dinámica de vuelo
Su investigación se centra especialmente en el uso del aprendizaje por refuerzo para el control de vuelo y la planificación de trayectorias, con aplicaciones directas en seguridad aérea y gestión del espacio aéreo.
Sobre la investigación realizada comenta “los resultados que hemos obtenido muestran que el sistema no solo es capaz de interceptar al dron objetivo de forma rápida, sino que también mantiene un alto nivel de robustez frente a condiciones adversas y maniobras inesperadas del objetivo. En particular, el enfoque basado en modelos demostró una mayor estabilidad y capacidad de generalización, lo que lo hace especialmente prometedor para aplicaciones reales”.
Su investigación se centra especialmente en el uso del aprendizaje por refuerzo para el control de vuelo y la planificación de trayectorias
Referencia:
Francisco Giral, Ignacio Gómez, Soledad Le Clainche. «Intercepting unauthorized aerial robots in controlled airspace using reinforcement learning». Aerospace Science and Technology.