El proyecto ha sido impulsado por investigadores de la Escuela Técnica Superior de Ingeniería Aeronáutica y del Espacio (ETSIAE) en colaboración con el Center for Computational Simulation (CCS). La tecnología utiliza aprendizaje por refuerzo, una rama de la inteligencia artificial que permite a los sistemas aprender mediante prueba y error, para entrenar drones capaces de perseguir y neutralizar dispositivos que operan sin autorización.
El objetivo de este sistema es mejorar la gestión del espacio aéreo ante el crecimiento del uso de drones. La detección e interceptación de aeronaves no cooperativas se ha convertido en una prioridad para evitar accidentes, interrupciones del tráfico aéreo o posibles amenazas de seguridad.
IA para perseguir drones que intentan escapar
El estudio, desarrollado por miembros del grupo de investigación ModelFlows, se centró en entrenar un dron autónomo de ala fija para perseguir e interceptar a otro dron que intenta evadirlo mediante maniobras de escape. A diferencia de los sistemas tradicionales de control, que suelen fallar cuando el objetivo realiza movimientos imprevisibles, el enfoque basado en inteligencia artificial permite que el dron interceptor aprenda a adaptarse a situaciones nuevas.
Para ello, los investigadores compararon distintos algoritmos de aprendizaje por refuerzo, incluyendo métodos clásicos y un modelo más avanzado que utiliza predicciones del entorno para mejorar la toma de decisiones durante el vuelo.
Las pruebas se llevaron a cabo mediante simulaciones de alta fidelidad, capaces de reproducir con gran realismo la dinámica de vuelo de los drones. En estos entornos también se introdujeron perturbaciones como rachas de viento o errores en los sensores, con el objetivo de comprobar la robustez del sistema en condiciones adversas.
Los resultados de la investigación, publicados en la revista científica Aerospace Science and Technology, muestran que el sistema es capaz de interceptar drones no autorizados de forma rápida y fiable incluso cuando el objetivo realiza maniobras evasivas complejas.
Según explica Francisco Giral, investigador del grupo ModelFlows y primer autor del estudio, el sistema demostró una gran capacidad de adaptación. “Los resultados muestran que el dron interceptor no solo logra alcanzar al objetivo con rapidez, sino que también mantiene un alto nivel de robustez frente a condiciones adversas y movimientos inesperados”, señala.
Además, el enfoque basado en modelos predictivos del entorno mostró mayor estabilidad y capacidad de generalización, lo que lo convierte en una opción especialmente prometedora para su aplicación en escenarios reales.
Aplicaciones en aeropuertos e infraestructuras críticas
Los investigadores destacan que este tipo de tecnología podría desempeñar un papel clave en la seguridad del espacio aéreo en los próximos años. Entre sus posibles aplicaciones se encuentran la protección de infraestructuras críticas, la seguridad en aeropuertos y la gestión del tráfico de drones en entornos urbanos.
En este sentido, Soledad Le Clainche, investigadora de la UPM que ha participado en el proyecto, subraya que sistemas como este serán especialmente relevantes en el futuro. “En los próximos años convivirán aeronaves tripuladas y no tripuladas en el mismo espacio aéreo, especialmente en ciudades con movilidad aérea avanzada. Por eso, contar con sistemas autónomos capaces de gestionar estas situaciones será fundamental”, explica.
Con este avance, la investigación española da un paso más hacia el desarrollo de sistemas autónomos inteligentes capaces de garantizar un uso más seguro del espacio aéreo, en un contexto en el que el número de drones y su presencia en entornos urbanos continúa creciendo.
Si (
No(
