Un dron inteligente encuentra personas desaparecidas en la naturaleza

El uso de pequeñas aeronaves no tripuladas en situaciones de emergencia, por ejemplo para rescatar personas perdidas en bosques y otros entornos naturales, es una solución cada vez más utilizada por los equipos de rescate. Sin embargo, es vital que este tipo de dron sea eficiente y confiable, teniendo en cuenta que las misiones que encara implican la suerte de muchas vidas humanas. Ahora, un equipo de investigadores de la Johannes Kepler University Linz, en Austria, ha creado un innovador sistema que integra la Inteligencia Artificial para lograr que estos equipos alcancen un mejor rendimiento.

Según un comunicado de la universidad y un artículo publicado en Tech Xplore, la nueva alternativa soluciona varios problemas que se registran en los drones utilizados actualmente: resultan lentos y extremadamente costosos. Además, no se ha conseguido aún que estos dispositivos puedan ser completamente autónomos, algo que desalienta su uso en algunas ocasiones. Es importante tener en cuenta que las misiones de rescate deben alcanzar el máximo posible de precisión, porque un error o un retraso pueden convertirse fatalmente en un incremento en el número de muertes o accidentados de gravedad.

La investigación, publicada en Nature Machine Intelligence, aborda la problemática de integrar las ventajas de la Inteligencia Artificial a la conducción y diseño de drones. El equipo conducido por el profesor Oliver Bimber ha logrado aplicar el proyecto de investigación a la creación de un prototipo de dron que, de acuerdo a los resultados indicados, podría estar muy cerca de alcanzar los estándares buscados para esta clase de complejas misiones.

Mayores probabilidades de éxito

Mientras las imágenes térmicas que se emplean habitualmente para identificar personas perdidas generan resultados borrosos en los cuales los individuos aparecen total o parcialmente ocultos, el nuevo dron logra clasificar y detectar mejor a las personas mediante la combinación de varias imágenes individuales en una imagen integral. Este tipo de imágenes integrales reducen notoriamente el ocultamiento, aumentando la eficacia de las búsquedas.

La utilización de nuevas tecnologías, algoritmos y modelos de aprendizaje profundo permite alcanzar una probabilidad de más del 90 por ciento en cuanto al hallazgo de las personas buscadas, incluso en los contextos naturales más complejos, como pueden ser bosques extremadamente tupidos. La comparación con los sistemas actuales que utilizan imágenes individuales es notoriamente favorable para los nuevos drones inteligentes, ya que los esquemas tradicionales alcanzan una tasa de reconocimiento menor al 25 por ciento.

Avances y aplicaciones

Otro punto a resaltar es que el equipo de especialistas austríacos desarrolló su propia base de datos de entrenamiento, que ahora se ha convertido en una fuente de acceso público y permitirá ser aprovechada en futuros estudios y desarrollos. Además, los investigadores han logrado comprobar mediante datos concretos y un estudio de campo que en este tipo de búsquedas las imágenes combinadas permiten una clasificación más eficiente y acertada de los datos, al compararlas con el rendimiento de las imágenes individuales.

Junto a las misiones de búsqueda y rescate, los nuevos drones podrán ser utilizados en una amplia gama de actividades, como la observación científica de la fauna y la flora, la conservación ambiental, el desarrollo de vehículos autónomos y la vigilancia policial y militar. A futuro, los especialistas creen que el nuevo sistema de drones logrará mejorar aún más la velocidad y el radio de búsqueda, ganando en eficacia y confiabilidad. Quizás el camino para alcanzar sistemas de drones cada vez más útiles en este tipo de contextos y situaciones sea una integración más estrecha con los adelantos permanentes de la Inteligencia Artificial.

Referencia

Search and rescue with airborne optical sectioning. David C. Schedl et al. Nature Machine Intelligence (2020).DOI:https://doi.org/10.1038/s42256-020-00261-3

Video: JKUCG.

Foto: David C. Schedl et al / Johannes Kepler University Linz.