¡Una inteligencia artificial finalmente logra volar un avión tan bien como Maverick en Top Gun!

Volando en un estrecho cañón rocoso a nivel del suelo, los pilotos experimentados saben cómo hacerlo, pero las IA mezclan los algoritmos entre su objetivo y las limitaciones del vuelo para lograrlo. Para evitar el accidente, los científicos del Instituto Tecnológico de Massachusetts han creado un método innovador en torno al aprendizaje por refuerzo.

también te interesará

[EN VIDÉO] Drones militares ¿Para qué se utilizan los diferentes tipos de drones militares?

Casualmente, un piloto real a los mandos de un avión sigue estando por delante de una inteligencia artificial en determinados casos, y en particular en situaciones de peligro cuando la aeronave vuela a gran velocidad cerca de obstáculos. De hecho, los dispositivos pilotados por una IA buscarán la trayectoria más simple y directa hacia su objetivo. Sin embargo, si cruza obstáculos, las maniobras a realizar entran en conflicto con esta trayectoria. En esta situación, las distintas IA existentes no consiguen resolver este tipo de conflictos.

Esto incluso se llama el «problema de evitación de estabilización». Para contrarrestar esto, investigadores del famoso MIT estadounidense han desarrollado una técnica para garantizar tanto la seguridad del vuelo como el cumplimiento de la misión por parte de la inteligencia artificial. Una vez más, se utilizaron algoritmos de aprendizaje automático para garantizar tanto la estabilidad de la aeronave como la evitación de obstáculos.

En sus simulaciones, en las proximidades de un pasillo angosto y volando a gran velocidad cerca del suelo, la IA se desempeñó tan bien como un compañero experimentado de Maverick en Top-Gun. A diferencia de otras técnicas, con el aprendizaje por refuerzo utilizado por el MIT, la IA aprende de sus errores durante los distintos intentos y obtiene una recompensa por todos los comportamientos que pueden permitirle acercarse al objetivo de la misión.

Resolver conflictos de IA para evitar bloqueos

La principal preocupación es que en realidad hay dos objetivos que debe cumplir la IA: la misión y su estabilización para lograrla. Con el aprendizaje por refuerzo, la IA busca encontrar un buen equilibrio, pero le resulta muy difícil calibrarlo. Para mejorar la IA, los investigadores separaron la conducción del vuelo de la conducción del objetivo de la misión.

Para la parte de estabilización-evitación, crearon un nuevo objetivo, el de permanecer dentro de ciertas restricciones para poder evitar obstáculos. Esto es para optimizar la conducción del vuelo frente a los obstáculos. Luego, para el objetivo de la misión, los científicos utilizaron el aprendizaje de refuerzo profundo para que la inteligencia artificial pudiera combinar el resultado de la optimización restringida con la adquisición del objetivo. Los investigadores utilizaron pasarelas matemáticas para que estos dos módulos complementarios pudieran entenderse y complementarse entre sí.

En última instancia, más que para los drones de combate que operan en cañones, esta técnica podría implementarse para los sistemas de piloto automático de drones de entrega autónomos e incluso para vehículos de carretera autónomos. Para estos últimos, la IA podría permitir mantener la trayectoria inicial en caso de pérdida total de control durante el aquaplaning o un deslizamiento sobre una placa de hielo, por ejemplo.

Deja un comentario