Los drones tienen una amplia gama de aplicaciones, pero enviarlos a entornos desconocidos puede ser un desafío. Ya sea que se entregue un paquete, se monitoree la vida silvestre o se realicen misiones de búsqueda y rescate, saber cómo navegar en entornos nunca antes vistos (o en aquellos que han cambiado significativamente) es fundamental para que un dron complete las tareas de manera efectiva. Investigadores del Instituto Tecnológico de Massachusetts (MIT) creen que han encontrado una forma más efectiva de ayudar a los drones a volar a través de espacios desconocidos, gracias a las redes neuronales líquidas.
El MIT creó sus redes neuronales líquidas, que están inspiradas en la adaptabilidad de los cerebros orgánicos, en 2021. Los algoritmos de inteligencia artificial y aprendizaje automático pueden aprender y adaptarse a nuevos datos en el mundo real, no solo mientras están siendo entrenados. Pueden pensar sobre la marcha, en otras palabras.
Pueden comprender información que es crítica para la tarea de un dron mientras descartan características irrelevantes de un entorno, señalan los investigadores. Las redes neuronales líquidas también pueden «capturar dinámicamente la verdadera causa y efecto de su tarea asignada», según un artículo publicado en Ciencia Robótica. Esta es «la clave para el desempeño sólido de las redes líquidas en los turnos de distribución».
Las redes neuronales líquidas superaron a otros enfoques de las tareas de navegación, señalaron los investigadores en el artículo. Los algoritmos «mostraron destreza para tomar decisiones confiables en dominios desconocidos como bosques, paisajes urbanos y entornos con ruido, rotación y oclusión adicionales», dijo la universidad en un comunicado de prensa.
El MIT señala que los sistemas de aprendizaje profundo pueden fallar cuando se trata de comprender la causalidad y no siempre pueden adaptarse a diferentes entornos o condiciones. Eso plantea un problema para los drones, que deben poder reaccionar rápidamente ante los obstáculos.
«Nuestros experimentos demuestran que podemos enseñar a un dron a ubicar un objeto en un bosque durante el verano y luego desplegar el modelo en invierno, con un entorno muy diferente, o incluso en entornos urbanos con tareas variadas como buscar y seguir», dijo Computer. La directora del Laboratorio de Ciencia e Inteligencia Artificial (CSAIL), profesora del MIT y coautora del artículo, Daniela Rus, dijo en un comunicado: «Esta adaptabilidad es posible gracias a los fundamentos causales de nuestras soluciones. Estos algoritmos flexibles podrían algún día ayudar en la toma de decisiones basada en en flujos de datos que cambian con el tiempo, como diagnósticos médicos y aplicaciones de conducción autónoma».
Los investigadores entrenaron su sistema con datos capturados por un piloto humano. Esto les permitió dar cuenta de la capacidad del piloto para usar sus habilidades de navegación en nuevos entornos que han sufrido cambios significativos en las condiciones y el paisaje. Al probar las redes neuronales líquidas, los investigadores descubrieron que los drones podían rastrear objetivos en movimiento, por ejemplo. Sugieren que unir datos limitados de fuentes expertas con una capacidad mejorada para comprender nuevos entornos podría hacer que las operaciones con drones sean más confiables y eficientes.
“El aprendizaje sólido y el rendimiento en tareas y escenarios fuera de distribución son algunos de los problemas clave que el aprendizaje automático y los sistemas robóticos autónomos tienen que superar para avanzar más en las aplicaciones críticas de la sociedad”, dice Alessio Lomuscio, PhD, profesor de AI Safety. (en el Departamento de Informática) del Imperial College London. «En este contexto, el rendimiento de las redes neuronales líquidas, un nuevo paradigma inspirado en el cerebro desarrollado por los autores del MIT, informado en este estudio, es notable».