fbpx

AI en drones la evolución de la inteligencia artificial en drones

Los drones y la inteligencia artificial

by Javier Cruz
32 comentarios | Novedades Mundo Drone

AI en drones

Drones e Inteligencia Artificial, dos conceptos que pueden cambiar el futuro próximo de nuestra sociedad. En este artículo vamos a ver cómo esta fusión de drones con IA puede influir en algunos aspectos de la vida actual.


Se puede considerar a los drones como una especie de robots voladores, aunque actualmente los mismos siguen necesitando el control por parte del ser humano para su funcionamiento.

Sin embargo, en diversos campos, especialmente el militar, se está usando inteligencia artificial para que los drones puedan manejarse de una manera autónoma.

Insert Custom Menu

¿Quieres saber hacia donde evolucionarán los drones? Vamos a analizar en qué campos avanzan los drones haciendo uso de la IA como elemento diferenciador.


1. LA INTELIGENCIA ARTIFICIAL


EL USO DE LOS DRONES EN LA ACTUALIDAD

Los drones tienen múltiples usos en la actualidad, desde su utilización en actividades agrícolas hasta el reconocimiento de  terrenos por parte de los ayuntamientos, pasando por su uso para la defensa militar hasta la entrega de paquetes.


La utilidad actual de los drones radica en su capacidad para recoger datos de manera remota o realizar tareas de vigilancia  sin la necesidad de la actuación humana.


Para reducir la intervención humana en los datos recogidos por los drones hay que hacer que estos se vuelvan inteligentes, es decir, que puedan leer, analizar, calcular y predecir los datos de manera autónoma para proporcionar información relevante. 


Para ello los drones necesitan de los algoritmos que permiten su autoaprendizaje para actuar sin la necesidad de los humanos y es ahí donde entra en juego el concepto de inteligencia artificial.


CÓMO FUNCIONA LA INTELIGENCIA ARTIFICIAL EN LOS DRONES


Un símil de cómo entrenar a un dron en base a la inteligencia artificial estaría en la misma manera en la que se enseña a un niño pequeño a reconocer un determinado objeto. 

Para que un niño aprenda el significado de un objeto tiene que haber oído varias veces de sus padres el concepto que relaciona la palabra con la imagen que él está viendo. Algo similar ocurre con las máquinas o los drones, en este caso.


Para que un dron aprenda el significado de las imágenes que captura a través de sus sensores se le tiene que pasar previamente una imagen similar etiquetada, de manera que por comparación y estadística, la máquina sepa interpretar que la siguiente imagen que detecta es del mismo tipo que la que se ha enseñado previamente.


Se trata de modelos que sirven para que las máquinas aprendan a relacionar lo que reciben en sus sensores con el significado de los mismos y que están basados en las redes neuronales que a su vez dependen de la probabilidad y de la estadística.


LAS REDES NEURONALES ARTIFICIALES

Una red neuronal es un modelo matemático inspirado en el comportamiento biológico de las neuronas y en cómo se organizan formando la estructura del cerebro.


El cerebro es un sistema altamente complejo en el que se calcula que hay aproximadamente 100 mil millones de neuronas y que forman una red de más de 500 billones de conexiones neuronales.  Una neurona puede llegar a tener unas 100 mil conexiones.


El cerebro puede ser considerado como un sistema inteligente que realiza tareas de manera distinta a los ordenadores actuales.


Las máquinas de hoy en día son rápidas en el procesamiento de la información, pero hay ciertas tareas complejas como por ejemplo el reconocimiento y clasificación de patrones que conllevan demasiado tiempo y esfuerzo para los más modernos ordenadores de la actualidad, cosa que el cerebro humano es capaz de realizar de manera rápida y sin esfuerzo, como el reconocimiento de un rostro.

​Las redes neuronales artificiales están basadas en el funcionamiento de las redes neuronales biológicas. Las neuronas están compuestas de dendritas, el soma y el axón:  

  • Dentritas:  Sirven para la transmisión de los impulsos eléctricos entre neuronas. 
  • Soma: Procesa dichos impulsos.
  • Axón: Transmite un impulso nervioso hacia las neuronas contiguas.

Una red neuronal en inteligencia artificial se puede representar de la siguiente manera:

Esquema de una red neuronal

Las redes neuronales artificiales funcionan de la siguiente manera: la suma de las entradas asociadas a cada neurona multiplicada por los pesos asociados a cada una de las entradas, determina el impulso nervioso que recibe la neurona. Este valor es procesado en el interior de la neurona con la llamada función de activación que devuelve un valor que se envía como resultado de la neurona.


Una red neuronal artificial está compuesta por neuronas artificiales interconectadas entre sí y agrupadas en diferentes niveles llamados capas.

Se puede definir la capa como un conjunto de neuronas cuyas entradas tienen su origen en una capa anterior y cuyas salidas son la entrada de una capa posterior.


Apreciamos aquí una red de cuatro capas:

Esquema de una red neuronal

En la primera de las capas, las neuronas reciben como entrada los datos reales que nutren a la red neuronal. De ahí que a la primera capa se la conozca como capa de entrada. La salida de la última capa es el resultado apreciable de la red por lo que se la conoce como capa de salida.

Las capas que están situadas entre la capa de entrada y la de salida se conocen como capas ocultas porque se desconocen los valores de entrada y de salida.

La red neuronal está por tanto compuesta por una capa de entrada y una capa de salida y puede no tener ninguna o varias capas ocultas.

El entrenamiento de una red neural consiste en ajustar cada uno de los pesos de todas las neuronas que forman parte de la red neuronal, de manera que las respuestas de las capas de salida se ajusten en la mayor manera posible a los datos que se conocen.

Para conseguir que una red neuronal sea capaz de generalizar e identificar un determinado objeto en una imagen, hay que utilizar un gran número de imágenes para realizar el entrenamiento, tanto de imágenes que representan el objeto que queremos identificar, como de otras que son absolutamente diferentes, incluyendo la mayor variedad posible.


INTELIGENCIA ARTIFICIAL, MACHINE LEARNING Y DEEP LEARNING

Podemos diferenciar otros dos conceptos además del de la inteligencia artificial, el de machine learning y el deep learning.

​La inteligencia artificial se trata de un campo de la informática que surge en los años 60 y que trata de solucionar tareas sencillas para los seres humanos pero complejas para las computadoras.

Es un concepto bastante genérico e incluye tareas como la planificación, el reconocimiento de objetos y sonidos, etc…

​El machine learning o aprendizaje automático se ocupa de un cierto aspecto de la inteligencia artificial. Consiste en que dado un cierto número posible de acciones para conseguir un determinado objetivo, se trata de determinar cuál es la acción correcta, sin que el mecanismo de elección esté previamente programado.

El sistema aprende de manera autónoma a tomar las decisiones. La principal diferencia con la Inteligencia artificial está en que en el Machine Learning los parámetros se aprenden automáticamente a partir de los datos.

​El deep Learning lleva a cabo el proceso del machine learning antes descrito usando una red neuronal artificial que está compuesta de diferentes niveles jerárquicos.

El deep learning tiene un gran potencial de uso para distintas aplicaciones en el mundo real ya que obtiene altas tasas de éxito sin necesidad de que se haya llevado a cabo un entrenamiento previo al sistema.

Algunos de los campos en los que se aplica son los siguientes:

  • Localización de caras e identificación de emociones faciales.
  • Reconocimiento de voz.
  • Detección y prevención de amenazas en tiempo real en el campo de la ciberseguridad.

2. USOS DE LOS DRONES CON INTELIGENCIA ARTIFICIAL


En la actualidad el campo de uso de los drones se está ampliando constantemente. No hay más que echar un vistazo a las noticias en las que ya se informa de que se están preparando los drones para que puedan llevar medicamentos a los pueblos más recónditos de nuestra España vaciada o en épocas veraniegas en las operaciones salida cuando se nos avisa de que las autoridades de tráfico ya hacen uso de los drones para controlar que circulamos a la velocidad adecuada.

Algunos campos concretos de uso de los drones con inteligencia artificial serían los siguientes:

USO EN ACTIVIDADES AGRÍCOLAS

Un dron equipado con cámaras multi espectrales,  puede observar desde la altura cuál es el estado de maduración de una planta para poder llevar a cabo el cálculo preciso del tiempo que le costará madurar a la misma.


Igualmente la visión computerizada de los drones puede ser usada para monitorizar el estado de las malas hierbas en un campo y llevar a cabo una fumigación precisa de las mismas, lo cual permite una reducción de los herbicidas utilizados de hasta un 80 %.


Las empresas aprovechan los algorimos de reconocimiento de patrones mediante el deep learning para procesar los datos capturados por los drones y detectar las deficiencias de nutrientes en el suelo de los cultivos.


Muchas de estas tareas ya se realizan en la actualidad con drones pilotados por personas, pero el futuro de la AI nos llevará a que las mismas tareas se puedan realizar de forma autónoma por los drones.

Usos de los drones en actividaes agrícolas


USO EN LA CONSTRUCCIÓN

Las imágenes captadas por los drones durante un período de tiempo amplio, digamos un mes, pueden ser aprovechadas en el sector de la construcción para analizarlas y poder realizar una predicción de cómo va a evolucionar la obra en las próximas semanas.


USO EN ACTIVIDADES DE BÚSQUEDA Y SALVAMENTO

Los drones, haciendo uso de eficientes algoritmos de Machine Learning, pueden analizar las imágenes captadas en un área concreta y seleccionar y enviar a los observadores humanos aquéllas que tienen realmente interés para el fin perseguido, rescate de personas, corrimientos de tierras, plagas, observación de fauna, deforestación...


Como ejemplo, el ojo humano no puede analizar cientos de imágenes de vídeo captadas por los drones, pero si éstos llevan a cabo un preprocesado de las mismas seleccionando, gracias al uso de los algoritmos de IA, las más relevantes por contener el objeto buscado, se reduce de manera considerable el tiempo empleado en el análisis de las imágenes.

USO EN EL SUMINISTRO DE RECURSOS MÉDICOS DE EMERGENCIA

Los drones pueden detectar el lugar preciso en el que tienen que dejar caerse las medicinas donde los humanos no podemos llegar rápidamente. 

Con algoritmos mejorados, pueden conocer la dirección y la persona a quienes tienen que ser entregados los medicamentos.


VIGILANCIA NO TRIPULADA EN ZONAS DE GUERRA 

Los drones equipados con inteligencia artificial pueden identificar los objetivos militares ellos mismos con la ayuda de cámaras térmicas o de infrarojos y pueden atacar a esos objetivos sin necesidad de la intervención humana. 


Para conseguir una identificación precisa del objetivo se necesitan grandes cantidades de datos para enseñar a los drones cómo es el entorno en el que tienen que operar.


3. EVOLUCIÓN DE LA AI EN LOS DRONES DE CONSUMO


Se puede decir que los primeros en introducir inteligencia artificial en drones de consumo fueron nuestros amigos de Dan Jiang Innovations (DJI).

​El Phantom 4 en su primera versión, allá por 2016, hizo gala de unos sensores con  detección de obstáculos que evitaban que el dron se estrellase cuando se encontraba con algún objeto a unos 3 metros de distancia.

​Fue una característica muy interesante en aquel momento puesto que gracias a ella, en el caso de que el dron hiciera una vuelta a casa, si perdía la señal podía detectar cualquier obstáculo que se cruzara en su camino y subir hacia arriba para evitarlo.

Este mismo dron incorporaba nuevas funcionalidades que permitían que nos siguiera solamente con seleccionar a un objeto en la pantalla de nuestro móvil. Era una función follow-me mejorada que podría llevarse a cabo sin que el sujeto perseguido llevara el control remoto en la mano.

DJI PHANTOM 4

Un poco después, en septiembre de 2016 con el surgimiento del Mavic Pro en su primera versión, se mejoraron algunas de las características del Phantom 4.  

Este nuevo dron era capaz por ejemplo de tomar fotos con solo hacer un gesto delante de la cámara, función que también implementó el Spark pero ampliándola, ya que este nuevo dron permitía “controlar” muchas de sus funciones mediante gestos, como por ejemplo hacer un encuadre con las manos para que hiciera una foto o levantando las manos para que se alejara. 

Quizás no es el uso más práctico o más interesante que podríamos esperar de la AI, pero era Inteligencia Artificial aplicada a un dron.

El siguiente paso lo dio el Mavic Air (enero 2018) que tenía una nueva función que en caso de encontrar un objeto delante de él podía esquivarlo desplazándose a derechas o izquierdas del sujeto.


Finalmente, los nuevos Mavic 2 Pro y Zoom (agosto 2018) incorporaron nuevos sensores que mejoran la función ActiveTrack de sus antecesores. En este caso, el dron es capaz de seguir al sujeto en un 90 % de los casos aunque haya obstáculos que se interpongan en su camino, esquivándolos, aunque este sistema no es del todo fiable y no permite un vuelo completamente autónomo del mismo.


El salto cualitativo en este aspecto viene dado por el recién estrenado Skydio 2. Este dron presume de tener sensores de obstáculos en todos sus ángulos permitiendo un vuelo absolutamente autónomo del mismo, lo que permite al operador centrarse exclusivamente en la grabación.


El Skydio 2 (octubre 2019) tiene un sistema de detección de obstáculos de 360 grados basado en una serie de cámaras que interpretan el entorno y le hacen reaccionar en consecuencia.


Se trata de un conjunto de seis cámaras de resolución 4k, de las cuales 3 de ellas están situadas en la parte superior del dron y otras 3 en la parte inferior. Estas cámaras realizan un mapa en 3 dimensiones en 360 grados del entorno del dron y esa información es procesada por un procesador NVIDIA Jetson TX2 de 256 núcleos capaz de procesar 1,3 billones de operaciones por segundo.


Además de esas cámaras, el alma de su inteligencia artificial reside en el software que sus creadores han estado desarrollando durante más de una década.


Este dron es capaz de seguir a un sujeto esquivando obstáculos de manera asombrosa para la tecnología actual. Donde un DJI Mavic Pro 2 se quedaría atascado, este dron es capaz de salir airoso sin despeinarse. 


Pongamos por ejemplo la típica situación de ir corriendo en medio de árboles. El Skydio 2 es capaz de bordear, subir, bajar, encontrar un resquicio por el que pasar a través de ramas o troncos de árboles para seguir al sujeto e incluso de anticiparse, en el caso de haber perdido de vista al sujeto por haber obstáculos delante, al lugar por donde va a aparecer.

No es sólo que sepa por donde buscar el camino adecuado en cada situación, sino que lo hace a gran velocidad. 


Hay que decir también que esto se consigue gracias a que el sujeto que es perseguido por el dron, tiene que llevar en la mano un dispositivo que funciona a modo de localizador, de manera que el dron sabe en todo momento la posición exacta del sujeto gracias a esto y no por la visión artificial de las cámaras, que lo que hacen es encontrar el camino para llegar a la posición en la que se encuentra el sujeto.



4. NOTICIAS DE DRONES E INTELIGENCIA ARTIFICIAL


CARRERAS DE DRONES DOTADOS DE INTELIGENCIA ARTIFICIAL


Recientemente en Austin (Texas) ha tenido lugar una interesante competición en la que se han medido las fuerzas del hombre contra la máquina.

​Se trata de la carrera de robots con Inteligencia Artificial (AIRR) que se ha desarrollado en cuatro ciudades de Estados Unidos.

​A ella han acudido equipos de programadores de todo el mundo para competir por un premio de un millón de dólares.

​A cada equipo se le dio un dron exactamente igual para programarlo y para que completara una carrera con obstáculos tan solo gracias al software que se tendría que crear al efecto sin ningún tipo de interacción humana con el dron.

​El ganador de la carrera de drones con inteligencia artificial tenía que competir al final con un dron pilotado por un humano.

​Se trata de un evento que forma parte del programa AlphaPilot de la empresa Lockheed Martin, diseñado para fomentar la innovación en el mundo de la inteligencia artificial y de la aviación.

​Inicialmente se apuntaron cientos de equipos, pero solo fueron seleccionados nueve equipos para participar en el evento.

Finalmente ganó la competición el equipo de MAVLAB.


DRONES E INTELIGENCIA ARTIFICIAL PARA MEJORAR LOS RENDIMIENTOS EN EL CAMPO


En una noticia recogida en la pagina web de interempresas.net se encuentra un claro ejemplo de aplicación del conjunto de drones e inteligencia artificial.


En esta noticia se dice que el centro de investigación AINIA desarrolla un proyecto de agricultura de precisión que tiene como objetivo facilitar el trabajo en el campo, de manera que la actividad agrícola sea más rentable y respetuosa con el medio ambiente.


La Agricultura de Precisión permite aplicar tratamientos fitosanitarios específicos en función de lo que necesita cada planta o cultivo y facilita una mejor planificación de los cultivos mediante la integración de la información de mercado y  además, permite predecir la calidad y la cantidad que se va a disponer de producto.


En la agricultura de precisión son necesarios sensores, dispositivos y algoritmos de inteligencia artificial y big data en los trabajos agrícolas, para obtener información detallada y específica sobre cada cultivo y a la vez, una perspectiva global de todos los factores que pueden influir en ellas (plagas, meteorología, etc.).

La información obtenida sirve de ayuda a los agricultores para la toma de decisiones y recomendaciones de actuación, mecanización y automatización de operaciones agrícolas como puede ser, la aplicación de tratamientos fitosanitarios en el momento necesario o para establecer el período óptimo para la recolección.

DJI MATRICE 200 EQUIPADO CON CAMARAS ESPECIALES


DRONES E INTELIGENCIA ARTIFICIAL PARA MEJORAR LOS RENDIMIENTOS EN EL CAMPO


El sistema desarrollado en este proyecto, está basado en la combinación de sensores de visión hiperespectral, esto es, sensores que captan información a lo largo de todo el espectro electromagnético, que están acoplados a drones y a robots autónomos, junto a técnicas de Inteligencia Artificial y análisis de Big data. El sistema se está usando en cultivos de cítricos, vid, arroz, pimiento y caqui.

La información de los cultivos que se obtiene a través de drones y robots autónomos, se procesa mediante algoritmos de inteligencia artificial con el objeto de extraer la información necesaria sobre por ejemplo, el riego o la fertilización que requiere cada cultivo o incluso cada árbol de manera individual. También permite medir el volumen y la altura de los árboles y crear recreaciones 3D de cada parcela o predecir cuál va a ser la productividad para esa campaña.


Los sensores que tienen incorporados los drones, aportan imágenes en tiempo real con mayor resolución que las obtenidas vía satélite y una información mucho más rigurosa sobre el estado sanitario y de maduración de los cultivos. Para este fin, el dron sobrevuela los campos que han sido seleccionados siguiendo un recorrido preestablecido en el que se ajusta el campo de visión y la resolución de las imágenes en función de las necesidades particulares.

A los efectos de realizar las medidas con el dron se utilizan sensores de imagen avanzados como una cámara hiperespectral capaz de medir en longitudes de onda del infrarrojo cercano o un sensor LIDAR capaz de obtener un modelo 3D de cada una de las plantas.


El conjunto de la información recogida por los robots e integrada con un gran número de fuentes, se envía a un sistema informático inteligente central, una aplicación sencilla de manejar que se llama AgroHub.

Consiste en un software desarrollado con técnicas de inteligencia artificial de nueva generación al que se le puede preguntar oralmente cómo van los cultivos y el sistema responde al usuario. 


Este sistema va a permitir la anticipación a problemas fitosanitarios, va a posibilitar un ahorro de recursos y va a dotar de capacidad de planificación de los cultivos y su correspondiente disponibilidad de producto, tanto en una temporada como a más largo plazo.


- LINKS DE INTERÉS - 

Y si no te quieres perder ninguno de estos post
ÚNETE A LA TRIBU DE DRONE GURÚ

Únete a la TRIBU y recibirás en tu correo contenido interesante de drones, ofertas para nuevos cursos, formación y podrás aprender en contacto con otros pilotos.
Insert Video
Insert Video

32 Ver Comentarios |
Deja un Comentario