Mientras algunas empresas están preparándose para entregar paquetes a domicilio usando drones que aterrizarán directamente en la puerta de las viviendas, otros están pensando en formas de solucionar los problemas de los obstáculos.
Programar drones para volar en las ciudades es difícil, ya que tienen que evitar obstáculos mientras se viaja a altas velocidades. Aunque existen mapas complejos que indican a los drones por dónde pueden estar los obstáculos, siempre hay palomas, u otros drones, que pueden complicar el trabajo.
Un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial (CSAIL) del MIT ha desarrollado NanoMap, un sistema que permite a los drones volar a poco más de 30 km/h a través de bosques, almacenes o ciudades.
El sistema considera que la posición del dron en el mundo a lo largo del tiempo es incierta, y en realidad modela y procesa esa incertidumbre. NanoMap usa un sistema de detección de profundidad para unir una serie de mediciones sobre el entorno inmediato del dron, lo que permite hacer planes de movimiento para su campo de visión actual y anticipar cómo debería moverse en los campos de visión ocultos que ya ha visto.
Al crear un modelo sobre la incertidumbre, el NanoMap consiguió reducir la tasa de accidentes de un 5% a un 2%, algo que ha sido ya documentado en un artículo que ha sido aceptado en la Conferencia Internacional de IEEE sobre Robótica y Automatización, que tendrá lugar en mayo en Brisbane, Australia.
NanoMap no se ocupa de los detalles menores, funciona bajo la suposición de que, para evitar un obstáculo, no tiene que tomar 100 medidas diferentes y encontrar el promedio para averiguar su ubicación exacta en el espacio; en su lugar, simplemente puede recopilar suficiente información para saber que el objeto se encuentra en un área general, y tomar decisiones con ello, aunque el dron no sepa exactamente dónde está.
El sistema es particularmente efectivo para drones más pequeños que se mueven a través de espacios más pequeños, como almacenes y funciona bien en conjunto con un segundo sistema que se enfoca en la planificación de horizontes más amplios.
Este trabajo fue apoyado en parte por el programa de Autonomía Liviana Rápida de DARPA., la Agencia de Proyectos de Investigación Avanzada de Defensa.