Además, en el proceso de estimar la distancia a la pared a partir de la señal corregida, la predicción calculada a partir del propio movimiento del dron se incorpora a la predicción de la red neuronal mediante un filtro de Kalman (un método computacional que estabiliza el valor estimado combinando múltiples datos inciertos).
Como resultado, se ha logrado mejorar el error absoluto medio de uno de los bigotes en paredes con pizarra blanca de 6.40 mm a 4.23 mm, y en paredes de cristal transparente, de 11.33 mm a 5.91 mm. Se ha comprobado que, mientras que los sensores de distancia láser ofrecen resultados inestables a la hora de medir la distancia a una pared de cristal, los sensores táctiles permiten estimar la distancia de forma estable.
Capaz de detectar paredes invisibles
El equipo de investigación realizó pruebas de vuelo con un dron en un entorno con tres paredes transparentes colocadas una al lado de la otra. Cuando el sensor táctil tocaba una pared, el dron seguía volando a lo largo de ella, manteniendo una distancia de entre 60 y 100 mm. El experimento demostró que el dron alcanzó el punto objetivo en los cinco intentos. También lo logró en todos los intentos cuando las paredes estaban colocadas en ángulo. Por otro lado, un sensor láser, instalado para comparación, no pudo medir la distancia si el dron no apuntaba directamente a la pared.
Sin embargo, simplemente moverse a lo largo de las paredes facilita perderse en las esquinas de la habitación o pasar por alto obstáculos laterales. Por lo tanto, los investigadores idearon un método de búsqueda que prioriza la exploración de áreas nuevas mediante un método probabilístico para estimar la forma de las paredes (superficie de función implícita de proceso gaussiano). Con este método, lograron encontrar una salida de 80 cm de ancho en una habitación cuadrada de 2 m con paredes de vidrio en 9 de cada 10 simulaciones y en pruebas reales.
El microcontrolador del dron tiene una capacidad de memoria de 192 KB, pero el algoritmo del sensor táctil de este experimento utiliza solo 34 KB. “Queríamos demostrar que no es necesario sacrificar el tamaño ni la potencia de procesamiento del dron para utilizar la retroalimentación táctil”, señala Chaoshan Ye, estudiante de doctorado de la TU Delft. “Incluso un dron pequeño puede detectar y reaccionar a su entorno en tiempo real”.
Por otro lado, persisten varios desafíos. Si el sensor rastrea la pared durante un período prolongado, se acumulan desviaciones de la señal, lo que reduce la precisión de la estimación de la distancia. Además, debido a las diferencias individuales en los sensores de presión barométrica y a ligeras variaciones mecánicas, resulta difícil aplicar directamente un modelo entrenado a un sensor diferente. Actualmente, para obtener el mejor rendimiento, es necesario utilizar un sistema de medición externo y recalibrar cada sensor rastreando la pared de 5 a 6 veces, lo que lleva entre 15 y 20 minutos.
El equipo de investigación prevé aplicaciones en ayuda humanitaria en casos de desastre, exploración en entornos peligrosos, vuelo autónomo en espacios confinados donde los sensores convencionales no son utilizables e inspección de estructuras complejas. Esta investigación demuestra que, al combinar hardware ligero con procesamiento avanzado a bordo, la detección táctil puede ser un método de detección robusto incluso para los robots voladores autónomos más pequeños.
Editado por Daisuke Takimoto
Artículo originalmente publicado en WIRED Japón. Adaptado por Mauricio Serfatty Godoy.
