Cuando hay una fuga de gas en un edificio grande o en un sitio industrial, los bomberos humanos necesitan actualmente entrar con instrumentos de detección de gas. Encontrar la fuga de gas puede llevar un tiempo considerable, mientras arriesgan sus vidas. Investigadores de TU Delft (Países Bajos), la Universidad de Barcelona y la Universidad de Harvard han desarrollado el primer enjambre de drones diminutos y, por lo tanto, muy seguros que pueden detectar y localizar de forma autónoma fuentes de gas en entornos interiores abarrotados.
El principal desafío que los investigadores debían resolver era diseñar la Inteligencia Artificial para esta compleja tarea que se ajustara a las estrictas limitaciones computacionales y de memoria de los diminutos drones. Resolvieron este desafío mediante estrategias de búsqueda y navegación bioinspiradas. El artículo científico se ha hecho público en el servidor de artículos ArXiv y se presentará en la conferencia de robótica IROS a finales de este año. El trabajo constituye un paso importante en la inteligencia de los pequeños robots y permitirá encontrar fugas de gas de manera más eficiente y sin riesgo de vidas humanas en entornos del mundo real.
Localización autónoma de fuentes de gas
La localización autónoma de fuentes de gas es una tarea compleja. Por un lado, los sensores de gas artificiales son actualmente menos capaces que las narices de los animales para detectar pequeñas cantidades de gas y mantenerse sensibles a los cambios rápidos en la concentración de gas. Además, el entorno en el que se propaga el gas puede ser complejo. En consecuencia, gran parte de la investigación en esta área se ha centrado en robots individuales que buscan una fuente de gas en entornos bastante pequeños y sin obstáculos en los que la fuente es más fácil de encontrar.
Enjambres de diminutos drones
«Estamos convencidos de que los enjambres de pequeños drones son una vía prometedora para la localización autónoma de fuentes de gas», dice Guido de Croon, profesor titular en el laboratorio de Micro Air Vehicle de TU Delft. «El pequeño tamaño de los drones los hace muy seguros para cualquier ser humano y propiedad que todavía se encuentre en el edificio, mientras que su capacidad de vuelo les permitirá 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 «.
Sin embargo, estas propiedades también hacen que sea muy difícil inculcar a los drones la inteligencia artificial necesaria para la localización autónoma de fuentes de gas. La detección y el procesamiento a bordo son extremadamente limitados, excluyendo el tipo de algoritmos de inteligencia artificial que hacen que los autos autónomos sean autónomos. Además, operar en un enjambre conlleva sus propios desafíos, ya que los drones deben estar conscientes entre sí para evitar colisiones y colaborar.
Inteligencia artificial bioinspirada
«De hecho, en la naturaleza existen amplios ejemplos de navegación exitosa y localización de fuentes de olores dentro de estrictas limitaciones de recursos», dice Bart Duisterhof, quien realizó la investigación para obtener su tesis de maestría en TU Delft. «Solo piense en cómo las moscas de la fruta con sus diminutos 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 o en dirección ortogonal 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, hemos inculcado a nuestros robots comportamientos igualmente simples para abordar la tarea «.
En particular, los diminutos drones implementan un nuevo algoritmo de «error» para su navegación, denominado «Sniffy Bug». Siempre que ningún dron haya detectado ningún gas, los drones se esparcen lo más posible por el entorno, evitando obstáculos y entre ellos. Si uno de los drones detecta gas en su ubicación, se lo comunica a los demás. A partir de ese momento, los drones colaborarán entre sí para encontrar la fuente de gas lo antes posible. Específicamente, el enjambre luego realiza una búsqueda de la concentración máxima de gas con un algoritmo denominado «optimización de enjambre de partículas» (PSO), donde cada dron es una «partícula». Este algoritmo se modeló originalmente a partir del comportamiento social y el movimiento de las bandadas de aves. Hace que cada dron se mueva en función de su propia ubicación de concentración de gas más alta percibida, la ubicación más alta del enjambre y una inercia en su dirección de movimiento actual. Como estrategia de búsqueda, PSO tiene la ventaja de que solo requiere medir la concentración de gas y no el gradiente de concentración de gas o la dirección del viento. Además, permite que el enjambre ignore los máximos locales que pueden ocurrir en entornos complejos.
El camino hacia las aplicaciones del mundo real
«Esta investigación muestra que enjambres de drones diminutos pueden realizar tareas muy complejas», agrega 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».
El desarrollo de este tipo de tecnología a un producto completamente funcional todavía requiere más trabajo. Por ejemplo, el trabajo actual aún no aborda el movimiento en tres dimensiones para ubicar fuentes de gas en una altura. Además, la robustez de la navegación también debería mejorarse antes de desplegar los drones en un escenario de emergencia real.
Sin embargo, el trabajo actual es muy prometedor. Los algoritmos desarrollados no solo son útiles para detectar fugas de gas en edificios, sino también para misiones científicas como la detección de metano en Marte o un uso económico como la detección temprana de enfermedades o plagas en invernaderos.
