Los científicos han desarrollado una técnica que podría mitigar los efectos de la turbulencia en estructuras y vehículos dinámicos, con especial atención a los vehículos aéreos no tripulados (UAV). La turbulencia es el nombre que damos a los cambios en la presión del aire que hacen que los aviones se sacudan. Esto es más evidente cuando un avión se sacude al pasar por cambios en la presión del aire en pleno vuelo. Esto es diferente a lo que ocurre con los animales voladores, que han desarrollado una capacidad natural para percibir los cambios en su entorno que causan turbulencias y se ajustan rápidamente para mantener un vuelo suave.
Una investigación publicada el 24 de septiembre en la revista NPJ Robotics describió cómo los científicos podrían desarrollar una técnica de control para aviones. La técnica requería el uso de un sistema de inteligencia artificial (IA) llamado FALCON para ajustar automáticamente el vuelo para compensar la turbulencia.
El aprendizaje de refuerzo, un método de entrenamiento de IA, se ha utilizado anteriormente para desarrollar sistemas de control aumentados por IA, pero solo para entornos o vehículos específicos. FALCON, por el contrario, ha sido entrenado para comprender los principios subyacentes que causan turbulencias con el fin de adaptarse a cualquier condición.
FALCON se basa en métodos de Fourier, que utilizan ondas sinusoidales complejas para representar datos. Los investigadores descubrieron que representar digitalmente las condiciones del viento como ondas periódicas proporcionaba un medio eficaz para modelar la turbulencia, ya que el flujo y reflujo del viento y sus efectos siguen naturalmente un patrón de ondas.
“El uso del aprendizaje de refuerzo para adaptarse en tiempo real es notable, ya que aprende el modelo de turbulencia subyacente”, dijo a Live Science Hever Moncayo, profesor de ingeniería aeroespacial en la Universidad Aeronáutica Embry-Riddle. “Creo que esta tecnología es muy factible, especialmente con las capacidades computacionales actuales como Jetson, que respaldan la integración en tiempo real del aprendizaje adaptativo, el análisis de Fourier y la computación”.
Los científicos probaron la IA en un túnel de viento en Caltech, utilizando un ala aerodinámica para representar un UAV y equipándola con sensores de presión y superficies de control. Los utilizó para detectar cambios de presión y ajustar su cabeceo y guiñada según fuera necesario para mantener la estabilidad. También se colocó un cilindro móvil aguas arriba del ala en el túnel de viento para generar fluctuaciones aleatorias en la turbulencia. Se descubrió que después de nueve minutos de aprendizaje, en los que FALCON intentaría continuamente adaptarse a la turbulencia cambiante y enviaría los resultados, la IA podría mantener la estabilidad del perfil aerodinámico en el túnel de viento.
“Las pruebas del túnel de viento de Caltech muestran que FALCON puede aprender en cuestión de minutos, lo que indica que es escalable para aeronaves más grandes”, dijo Moncayo. “Sin embargo, siguen existiendo desafíos en el mundo real, en particular en la adaptación rápida a condiciones diversas e impredecibles y en la validación del rendimiento en diversas configuraciones de UAV y entornos eólicos”.
Al permitir la adaptación automatizada a la turbulencia, esta investigación tiene el potencial de conducir a un vuelo más suave para UAV y aeronaves comerciales. Los investigadores también han sugerido la posibilidad de compartir datos ambientales entre aeronaves para advertir sobre perturbaciones. Sin embargo, dadas las preocupaciones de ciberseguridad que rodean a los sistemas de control de aeronaves, esto requeriría un protocolo de seguridad sólido que tendría que revisarse y probarse exhaustivamente con anticipación.
“El desarrollo continuo probablemente se centrará en refinar la precisión de la predicción y reducir el tiempo de entrenamiento, lo cual es factible, pero complejo”, dijo Moncayo. “Además, el intercambio de información entre aeronaves mejorará la capacidad predictiva del sistema, pero probablemente requerirá estándares de comunicación sólidos y protocolos de manejo de datos para una adopción más amplia”.
La siguiente etapa de la investigación apunta a reducir el tiempo de aprendizaje de la IA. Es probable que este se convierta en el principal desafío de los investigadores, ya que poder adaptarse rápidamente a las condiciones ambientales es esencial para una solución práctica a la turbulencia.
Fuente: Live Science.
