Investigadores del MIT presentan SANDO, un planificador de rutas para drones con garantía formal de ausencia de colisiones

Investigadores del MIT han descrito un planificador de trayectorias para vehículos aéreos no tripulados (UAV) llamado SANDO, siglas de Safe AutoNomous trajectory planning for Dynamic unknOwn environments (planificación autónoma y segura de trayectorias para entornos dinámicos desconocidos). Según MIT News, que anunció el trabajo el 7 de octubre, el sistema traza una ruta a través de entornos que el dron nunca ha cartografiado, incluso cuando los objetos que hay en ellos se mueven de formas que nadie puede predecir, y el equipo demostró matemáticamente que las trayectorias resultantes evitan colisiones. El artículo se publica en IEEE Transactions on Robotics. Los investigadores señalan usos como vuelos de búsqueda y rescate en edificios derrumbados, la exploración de redes de túneles ocultas en minas o la entrega de paquetes en barrios concurridos.

Los planificadores de este tipo convierten los datos de las cámaras y los sensores de la aeronave en una ruta hacia su objetivo. Según el MIT, la mayoría de los existentes o bien suponen que los obstáculos de un espacio desconocido permanecen inmóviles, o bien esquivan los obstáculos en movimiento sin ninguna promesa formal de que no se producirá un choque; los sistemas de uso extendido que sí ofrecen tales garantías suelen necesitar un escenario estático u obstáculos conocidos de antemano. Comprobar todas las colisiones posibles en un escenario cambiante sería demasiado lento para un uso práctico, según los investigadores. El autor principal, Kota Kondo, lo expresa así en el anuncio del MIT: «En un entorno dinámico desconocido, no tienes muchas suposiciones en las que apoyarte».

SANDO construye primero un corredor de seguridad, una cadena de regiones 3D conectadas que no contienen obstáculos y por las que el dron puede volar. A diferencia de corredores anteriores, este cambia con el tiempo. Un módulo específico detecta los obstáculos en movimiento, los agrupa y los sigue para estimar hacia dónde se dirigen. Como se desconoce su trayectoria futura exacta, el planificador toma la velocidad máxima de cada obstáculo, calcula hasta dónde podría llegar en un tiempo dado y lo envuelve en una esfera que abarca todos los puntos que podría alcanzar; a continuación, el corredor se adapta en torno a esas esferas. Un planificador basado en mapas de calor marca las zonas concurridas, «calientes», para que el dron se aleje de ellas. Dentro del corredor, SANDO busca la ruta más rápida hacia el objetivo y revisa continuamente tanto el corredor como la trayectoria durante el vuelo. El equipo simplificó la optimización subyacente para que el ordenador de a bordo pueda replanificar con rapidez.

En simulaciones, según informan los investigadores, SANDO llegó a su objetivo más rápido que varios sistemas de última generación y no tuvo ninguna colisión en ninguno de los entornos probados. En 12 vuelos de prueba con un UAV real, funcionando con el propio ordenador y los sensores de la aeronave, esquivó todos los obstáculos en movimiento. «La parte más difícil de desarrollar SANDO fueron las matemáticas», dice Kondo. Kondo, que completó recientemente su doctorado en aeronáutica y astronáutica en el MIT, escribió el artículo con Jesús Tordesillas, ahora profesor adjunto en la Universidad Pontificia Comillas de Madrid, y tres estudiantes de posgrado del MIT, Juan Rached, Lili Sun y Yixuan Jia. Jonathan P. How, que trabaja en el Laboratory for Information and Decision Systems (LIDS) del MIT y en su Aerospace Controls Laboratory, es el autor sénior. La Defense Science and Technology Agency de Singapur financió parcialmente el trabajo.

Fei Gao, de la Universidad de Zhejiang (China), profesor asociado que no ha participado en el proyecto, resumió el problema al que apunta el planificador: «una ruta que es segura cuando se planifica puede volverse insegura a medida que cambia el entorno». Gao reconoce a los corredores de vuelo variables en el tiempo de SANDO, a su optimización de trayectorias con restricciones estrictas y a sus pruebas en hardware el mérito de ofrecer un enfoque práctico para entornos dinámicos complejos. Como próximos pasos, los investigadores dicen que podrían hacer que SANDO sea menos exigente desde el punto de vista computacional y combinarlo con modelos de aprendizaje automático para que los usuarios puedan dar instrucciones a un robot en lenguaje sencillo. MIT News también incluye un enlace al código de SANDO junto al artículo.