Esta nueva implementación podría ser clave para los autos autónomos, además de las búsquedas y rescates.
Para los drones convencionales es difícil navegar en espacios reducidos sin golpearse con los obstáculos. Sin embargo, los investigadores de Caltech pueden tener una forma de que esos drones vuelen ágilemente en interiores.
Han desarrollado un algoritmo de aprendizaje automático, Síntesis de Autonomía Segura Global a Local (GLAS), que permite a los enjambres navegar en entornos abarrotados y sin mapear. El sistema funciona dando a cada uno un grado de independencia que le permite adpatarse a su entorno cambiante.
En lugar de confiar en los mapas existentes, GLAS hace que cada máquina aprenda a navegar un espacio dado por sí mismo, incluso cuando se coordinan con los demás. Este modelo descentralizado ayuda a los drones a improvisar y facilita el escalado del enjambre, ya que la informática se extiende por muchos robots.
Esto podría ser útil para espectáculos de luces de drones, pero también podría ayudar con operaciones más vitales. Los drones de búsqueda y rescate podrían peinar con seguridad muchas áreas, mientras que los autos autónomos podrían reducir al mínimo atascos y las colisiones.
Te recomendamos METADATA, el podcast de tecnología de RPP. Noticias, análisis, reseñas, recomendaciones y todo lo que debes saber sobre el mundo tecnológico. Para escucharlo mejor, #QuedateEnCasa.
Comparte esta noticia