Los drones pueden navegar mejor en entornos desconocidos con la ayuda de redes neuronales líquidas

Tiene una amplia gama de aplicaciones, pero enviarlo a entornos desconocidos puede ser un desafío. Ya sea observando la vida silvestre o realizando misiones de búsqueda y rescate, saber cómo navegar en entornos nunca antes vistos (o en aquellos que han cambiado drásticamente) es fundamental para que un dron complete las misiones de manera efectiva. Investigadores del Instituto Tecnológico de Massachusetts (MIT) creen haber encontrado una forma más eficiente de ayudar a los drones a volar a través de espacios desconocidos, gracias a las redes neuronales líquidas.

MIT, inspirado en la adaptabilidad de las mentes orgánicas, en 2021. La inteligencia artificial y los algoritmos de aprendizaje automático pueden aprender y adaptarse a nuevos datos en el mundo real, no solo mientras se entrenan. En otras palabras, pueden pensar rápidamente.

Los investigadores señalan que son capaces de comprender información que es crítica para la misión del dron mientras ignoran los rasgos ambientalmente irrelevantes. Las redes neuronales líquidas también pueden «capturar dinámicamente la causa y el efecto real de su tarea específica», según un artículo publicado en Ciencia de la robótica. Esta es «la clave para el desempeño robusto de las redes líquidas bajo turnos de distribución».

En el artículo, los investigadores notaron que las redes neuronales líquidas superaron a otros métodos en tareas de navegación. La universidad dijo en un comunicado de prensa que los algoritmos «demostraron ingenio para tomar decisiones confiables en dominios desconocidos como bosques, paisajes urbanos y entornos con ruido, rotación y oclusión».

El MIT señala que los sistemas de aprendizaje profundo pueden tropezar cuando se trata de comprender la causalidad y no siempre pueden adaptarse a diferentes entornos o circunstancias. Esto presenta un problema para los drones, que deben poder responder rápidamente a los obstáculos.

“Nuestros experimentos muestran que podemos enseñar efectivamente a un dron a ubicar un objeto en un bosque durante el verano y luego desplegar el modelo en el invierno, con un entorno completamente diferente, o incluso en entornos urbanos con diversas tareas como búsqueda y seguimiento, «Dijo Daniela Ross, directora del Computer Lab. Science and Artificial Intelligence (CSAIL), profesora del MIT y coautora de investigación en un comunicado: «Esta adaptabilidad es posible gracias a los fundamentos causales de nuestras soluciones. Y estos algoritmos flexibles podrían uno toma de decisiones de ayuda diaria basada en flujos de datos que cambian con el tiempo, como el diagnóstico médico y las aplicaciones de conducción autónoma”.

Los investigadores entrenaron su sistema con datos capturados por un piloto humano. Esto les permitió calcular la capacidad del piloto para usar sus habilidades de navegación en nuevos entornos que habían sufrido cambios significativos en las condiciones y paisajes. Al probar las redes neuronales líquidas, los investigadores descubrieron que los drones podían rastrear objetivos en movimiento, por ejemplo. Sugieren que la combinación de 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.

dice Alessio Lomuscio, PhD, Profesor de Seguridad de Inteligencia Artificial (en el Departamento de Informática) en el Imperial College de Londres. «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».