Investigadores Desarrollan Drones en Enjambre para Localizar Fugas de Gas

Los investigadores de la Universidad de Tecnología de Delft han desarrollado el primer enjambre de drones pequeños capaces de detectar y localizar de forma autónoma fugas de gas en entornos interiores cerrados. Para encontrar una fuga de gas en un edificio o sitio industrial, los bomberos humanos arriesgan sus vidas ya que puede tomar mucho tiempo detectar la fuente. Estos nuevos drones podrían tener importantes implicaciones en este área.

Diseñando IA para los Drones

El mayor obstáculo para los investigadores fue diseñar la inteligencia artificial (IA) necesaria para la tarea compleja. Debido al tamaño pequeño de los drones, las partes computacionales y de memoria necesarias para caber en ellos. Los investigadores se basaron en estrategias de navegación y búsqueda inspiradas en la biología.

La investigación se publicó en el servidor de artículos ArXiv y se presentará en la conferencia de robótica IROS más adelante en el año.

Qué se Requiere para la Localización Autónoma de Fuentes de Gas

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 en sí, el entorno también causa problemas cuando es complejo. Por estas razones, la investigación tradicional se ha centrado en robots individuales que buscan una fuente de gas en entornos pequeños y libres de obstáculos.

Guido de Croon es Profesor Titular en el laboratorio de Vehículos Aéreos Micro de la TU Delft.

“Estamos convencidos de que los enjambres de drones pequeños son una vía prometedora para la localización autónoma de fuentes de gas”, dice Guido de Croon. “El tamaño pequeño de los drones los hace muy seguros para los humanos y la propiedad que aún se encuentran en el edificio, mientras que su capacidad de vuelo les permitirá buscar eventualmente 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 rápidamente, mientras evitan los máximos locales de concentración de gas para encontrar la fuente real”.

A pesar de los beneficios de estas propiedades, también hacen que sea difícil para los ingenieros implementar la 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 utilizados en los vehículos autónomos no son aplicables. Debido a que operan en enjambres, los drones también necesitan evitar colisiones entre sí mientras colaboran.

Bart Duisterhof realizó la investigación en la TU Delft.

“En realidad, en la naturaleza hay muchos ejemplos de navegación y localización de fuentes de olor exitosas dentro de restricciones de recursos estrictas”, dice Duisterhof. “Solo piense en cómo las moscas de la fruta con sus pequeños cerebros de ~100,000 neuronas localizan infaliblemente las bananas en su cocina en el verano. Lo hacen combinando elegantemente comportamientos simples como volar contra el viento o perpendicularmente al viento dependiendo de si detectan el olor. Aunque no pudimos copiar directamente estos comportamientos debido a la ausencia de sensores de flujo de aire en nuestros robots, hemos infundido a nuestros robots con comportamientos simples similares para abordar la tarea”.

https://www.youtube.com/watch?v=hj_SBSpK5qg

Los drones pequeños confían en un nuevo algoritmo “bug” llamado “Sniffy Bug”, que les permite dispersarse antes de detectar cualquier gas. Esto les permite cubrir entornos grandes y evitar obstáculos o entre sí.

Una vez que uno de los drones detecta gas, se comunica con los demás, que luego colaboran entre sí para encontrar la fuente de gas lo más rápido posible. Más específicamente, los drones realizan una búsqueda de 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 bandadas de aves, con cada dron moviéndose según su propia ubicación de concentración de gas más alta percibida, la ubicación más alta del enjambre y su dirección y inercia actuales. Una de las ventajas de PSO es que solo requiere medir la concentración de gas sin la gradiente de concentración de gas o la dirección del viento.

“Esta investigación muestra que los enjambres de drones pequeños pueden realizar tareas muy complejas”, dice Guido. “Esperamos que este trabajo sirva de inspiración para otros investigadores de robótica para replantearse el tipo de IA que es necesario para el vuelo autónomo”.