Un dron impulsado por inteligencia artificial (IA) ha completado un recorrido de campeonato más rápido que algunos de los mejores pilotos humanos de drones del mundo.
En un estudio publicado el 14 de octubre en la revista Science Robotics, científicos crearon un sistema de IA capaz de impulsar a un cuadricóptero a través de un recorrido exigente a más de 60 mph (100 km/h), usando poco más que una única cámara frontal, una unidad de medición inercial y una diminuta computadora a bordo.
El sistema, llamado MonoRace, incluso ganó la competencia de drones de la Liga Autónoma de Carreras de Abu Dabi 2025, superando a todos los equipos autónomos rivales y registrando tiempos más rápidos que tres excampeones humanos de drones.
MonoRace logró esto sin la ayuda de GPS, sistemas externos de captura de movimiento, cámaras estéreo, o un mapa precargado del recorrido. El sistema es un modelo de vuelo autónomo a bordo creado por investigadores del Micro Air Vehicles Lab de la Universidad de Tecnología de Delft (TU Delft) en los Países Bajos. Su nombre refleja su característica de diseño central; “mono” se refiere a su visión monocular. El dron se apoya en una única cámara con obturador rodante y supervisa su propio movimiento con una unidad de medición inercial (IMU) que mide la aceleración y la rotación.
Volando a velocidades vertiginosas
El conjunto limitado de sensores alimenta una red neuronal, un modelo de aprendizaje automático que utiliza neuronas artificiales interconectadas para aprender patrones a partir de datos. Esta red neuronal identifica las puertas de la carrera y estima la posición y el movimiento del dron para generar órdenes para los motores. Luego envía esas órdenes a las cuatro hélices a una tasa de 500 veces por segundo a través del controlador de vuelo del dron.
El sistema está diseñado para un dron que pesa apenas 966 gramos (2.13 libras) y mide aproximadamente 11.8 x 11 x 3.9 pulgadas (30 x 28 x 10 centímetros). Debido a que el hardware de MonoRace era tan compacto, ligero y computacionalmente eficiente, el equipo pudo operarlo completamente a bordo del dron.
En la pista de Abu Dabi, MonoRace completó dos vueltas alrededor de 11 puertas en 16.56 segundos, alcanzando una velocidad punta de aproximadamente 63 mph (102 km/h).
Un video publicado recientemente registra el desarrollo y el rendimiento de MonoRace en la competencia, con secuencias de vuelo reales que muestran cómo el dron vira bruscamente, acelera al pasar por las puertas y navega un recorrido sin asistencia humana.
Sin embargo, algunas de las secuencias son generadas por computadora. El coautor del estudio Guido de Croon, profesor de la Universidad de Tecnología de Delft, dijo que se trata de efectos visuales intencionados. La única imagen completamente simulada aparece alrededor del marcador de dos minutos, durante el segmento que muestra el proceso de entrenamiento.
“Aquí mostramos las puertas en un simulador visual para el video, pero el entrenamiento real ocurrió en un simulador de física simple y puramente rápido,” declaró de Croon a Live Science por correo. “La simulación de la visión no se hizo durante el entrenamiento, ya que la red neuronal de control recibe un estado estimado como entrada, que proviene de un proceso de percepción y estimación de estado diferente.”
El resto de las imágenes es real, aunque algunas tomas incluyen superposiciones que muestran cómo el dron interpreta la señal de su cámara. Una red neuronal convolucional segmenta las puertas blancas, a veces apareciendo en rojo en la imagen de la cámara normal. Pequeños círculos marcan las esquinas de las puertas detectadas, líneas rojas indican los bordes de las puertas y una superposición azul muestra la parte de la imagen donde el dron espera encontrar la próxima puerta.
Cómo aprendió la IA a competir
Los científicos entrenaron el modelo MonoRace con aprendizaje por refuerzo, un método de aprendizaje automático en el que un agente intenta repetidamente una tarea y recibe retroalimentación en función de su éxito o fracaso.
“El aprendizaje por refuerzo se ejecutó en simulación, porque necesita muchísimos ensayos y errores —como millones de pruebas—,” dijo de Croon. “En realidad aprende a volar desde cero.”
La red aprendió a traducir la posición del dron en la pista, su velocidad y su orientación directamente en comandos para los motores.
Según de Croon, el entrenamiento temprano se centró en lo básico, como evitar choques y alcanzar la primera puerta. A medida que avanzaba el entrenamiento, el sistema aprendió a avanzar más a lo largo del recorrido y a volar a velocidades más altas.
Los investigadores no entrenaron el sistema en una única aeronave. En su lugar, variaron dimensiones como peso, voltaje, arrastre, ruido de sensores y el estado de las hélices para que el modelo de IA pudiera lidiar con variaciones e imperfecciones del mundo real.
“Eso garantiza que la red entrenada pueda controlar diferentes drones,” dijo de Croon.
MonoRace podría convertirse en una herramienta de entrenamiento para pilotos humanos de drones, “un poco como los potentes programas de ajedrez también han inspirado a las personas que juegan este juego,” dijo de Croon.
Su importancia más amplia radica en demostrar avances en la IA física, especialmente en cómo un robot puede percibir, decidir y actuar a alta velocidad a pesar de sensores y potencia de cómputo limitados. La red de control se ejecuta en un chip de clase microcontrolador, lo que significa que un control sofisticado no requiere una computadora grande.
De Croon señaló que una red de tamaño similar podría optimizarse para minimizar el uso de energía en lugar de buscar el menor tiempo de vuelta. Dado que la mayoría de las máquinas dependen de procesadores pequeños y controladores convencionales, este control neuronal optimizado para la energía podría, con el tiempo, reducir el consumo en robótica cotidiana, afirmó.
