Agencia TSS

Agencia TSS – Investigadores del Instituto de Ciencias de la Computación (ICC) de la Facultad de Ciencias Eactas y Naturales (FCEN) de la Universidad de Buenos Aires (UBA) trabajan en el desarrollo de software para el manejo autónomo de drones. Estos sistemas también podrían ser usados para darle un margen de autonomía a otros sistemas complejos, desde sistemas de vuelo hasta autos autónomos y centrales nucleares.

El proyecto tuvo su origen en las aplicaciones de drones en agricultura. Los drones usados en agro suelen hacer un vuelo en el que toman imágenes de un campo que se quiere analizar y, posteriormente, el aparato aterriza y se descargan las imágenes. A partir de la información recabada suele hacerse otro vuelo en el que se corrigen las imágenes que no han resultado claras y se hacen vuelos a menor altura en las áreas en las que se quiere tener mejor resolución.

Actualmente, los drones toman muy pocas decisiones autónomas durante el vuelo. Con las técnicas de Síntesis de Controladores de Eventos Discretos, como se denomina a la metodología con la que trabaja en grupo del ICC, se le puede “enseñar” al dron qué es lo que se está buscando para que, de manera autónoma, pueda analizar los datos durante el vuelo y tomar decisiones. Por ejemplo, si una imagen debe volver a tomarse o si hay algún área que tiene determinadas características que justifiquen tomar imágenes con mayor detalle.

Sebastián Uchitel, director del ICC, explicó a TSS: “En el área de la robótica y los drones los usuarios tienden a comprar equipos bastante sofisticados pero los terminan usando con control remoto. Y cuando necesitan que esos drones hagan algo sofisticado hay que ponerse a programar, algo que es complicado porque los programas que ejecutan misiones sobre drones tienen que lidiar con muchas cosas que pasan en simultáneo y hay que tratarlas en tiempo real para lograr el éxito de la misión”.

Una de las técnicas más usadas para que los sistemas puedan tomar decisiones autónomas se basan en lo que se conoce como aprendizaje de máquina (machine learning, en inglés). Esto consiste en entrenar al sistema mediante el análisis de datos de vuelo de manera que se puedan obtener patrones a partir de qué decisiones tomó el operador en función de cada situación, cuáles han resultado en el éxito de la misión y cuáles no. Esta técnica requiere, por un lado, contar con una grabación de millones de horas de misiones análogas a las que se quiere “entrenar” el sistema y, por otro, tener la suficiente capacidad de cómputo como para analizarlas.

Según explica Uchitel, la técnica en la que trabaja el equipo del ICC es diferente a la del aprendizaje de máquina, ya que no es el equivalente a mostrarle las partidas de un juego al sistema, sino a enseñarle las reglas de ese juego: “Uno puede pensar que las reglas del juego son todo lo que podría pasar en el ambiente en el que va a volar mi avión. Por ejemplo, si estamos en una misión de búsqueda de una persona perdida, ésta no puede cambiar de ubicación de una manera aleatoria porque las personas se mueven a determinada velocidad y allí tendríamos una regla. Otra regla podría ser que los obstáculos tienen ciertas formas y no otras. Esas son las premisas que uno determina sobre cómo se debe comportar el ambiente, que es el contrincante del robot. Las otras reglas son qué cosas puede hacer el robot, sus movimientos, la posibilidad de sacar fotos, de reconocer cierto tipo de imágenes. Esas reglas determinan qué acciones puede realizar el robot y debemos trabajar sobre qué orden tiene que tener esas acciones para ganar el juego, como podría ser el objetivo de encontrar a una persona perdida”.

El proyecto, que inicialmente había empezado en una cooperación con CITEDEF, pero que se había cancelado en el año 2015, se está aplicando a las misiones de drones del INTA. Los técnicos de este instituto quieren aplicar la técnica para monitorear enfermedades en árboles y esperan que el dron pueda identificar una enfermedad en las imágenes que tome y luego pueda centrarse en ella siguiendo los patrones de dispersión que tiene un tipo específico de enfermedad. Esto permitiría cambiar la estrategia de exploración en plena misión de manera automática, en lugar de tener que hacer primero un mapa general y, posteriormente, que los técnicos en tierra definan una nueva misión. “El dron podría hacer una evaluación automatizada y tener un plan acorde con los datos que obtiene”, sostuvo Uchitel.

Esta técnica también se puede usar en otros tipos de sistemas complejos con múltiples sensores y actuadores. El año pasado, el ICC firmó un convenio con la empresa japonesa Mitsubishi, a través del cual la firma propuso una serie de problemas para evaluar si esta técnica resulta apropiada. También se firmó un convenio con la Universidad Waseda (Japón) para trabajar en forma conjunta en esos problemas y en los alcances de la técnica. “No puedo decir para qué piensan usarlo”, dijo Uchitel, tras advertir sobre la confidencialidad del convenio. Mitsubishi es una firma que produce desde autos hasta trenes y centrales nucleares. Y agregó: “La técnica que estudiamos es útil para drones pero tiene aplicabilidad en muchos otros dominios. Es una forma de que una máquina pueda decidir de manera autónoma cuándo hacer o dejar de hacer ciertas cosas y eso puede servir para una central nuclear, un auto autónomo o para coordinar trenes en una terminal”.

Además de Uchitel, el grupo de investigación que participa de este desarrollo está integrado, entre otros, por Sebastián Zudaire (investigador del ICC que actualmente se desempeña en el Instituto Balseiro), Martín Garrett (CNEA Bariloche), Marcos Easdale (INTA Bariloche), Leandro Nahabedian (ICC), y Leticia Rodríguez, Matías Duran y Florencia Zanollo (estudiantes de la licenciatura de Ciencia de la Computación con una pasantía en el Laboratorio de Fundamentos y Herramientas para la Ingeniería de Software-LaFHIS, de FCEN-UBA).