Desde hace mucho tiempo, las aves han inspirado a los seres humanos a crear sus propias formas de volar. Sabemos que las especies de aves planeadoras que migran largas distancias aprovechan las corrientes térmicas ascendentes para mantenerse en el aire sin gastar energía batiendo las alas. Del mismo modo, los pilotos de planeadores aprovechan las corrientes térmicas y otras zonas de aire ascendente para permanecer más tiempo en el aire.
Sin embargo, aunque hemos aprendido a planear en estas corrientes ascendentes con ayuda de diversos instrumentos, aún se desconocen los mecanismos exactos que permiten a las aves remontarse. Pero un equipo de investigadores de California e Italia ha dado pasos importantes para responder a esta pregunta mediante inteligencia artificial (IA). Esto podría propiciar nuevos avances en los sistemas de navegación de las aeronaves, especialmente en la creación de drones capaces de permanecer en el aire durante periodos muy prolongados.
El objetivo del estudio, publicado en Nature, era entrenar un pequeño planeador autónomo, con una envergadura de dos metros, para que volara en corrientes térmicas, igual que lo haría un ave. El planeador se programó con un tipo de IA conocido como aprendizaje automático, que le permitió averiguar cómo aprovechar las corrientes de aire para permanecer más tiempo en el aire.
El aprendizaje automático es un método alternativo para programar un ordenador con el fin de que realice una tarea compleja. En lugar de proporcionarle al ordenador (o, en este caso, al planeador autónomo) una serie de instrucciones que le indiquen cómo hacer algo, se le dice cómo se quiere que responda y se le recompensa cuando hace lo correcto.
Con el tiempo, aprende qué acciones reciben una recompensa y tiende a repetirlas. Así es como programas informáticos como AlphaGo de Google pueden aprender a jugar al juego de mesa Go y luego vencer a jugadores profesionales, algo que sencillamente no es posible con las técnicas de programación convencionales.
Este tipo de aprendizaje automático se denomina aprendizaje por refuerzo y depende de que se proporcione al ordenador una gran cantidad de datos de entrada para que aprenda qué acciones le reportarán recompensas. En el caso de los investigadores que programaron el planeador autónomo, los datos de entrada procedían de instrumentos especializados capaces de medir los cambios en la intensidad del viento ascendente (vertical). Los instrumentos podían detectar esos cambios a lo largo del planeador (longitudinalmente) y de una punta del ala a la otra (lateralmente). Los sensores podían realizar estas mediciones diez veces por segundo.
Luego se utilizaron estos datos para ajustar el vuelo según lo que se conoce como ángulo de alabeo del planeador. Un avión bien equilibrado, con las alas niveladas, tiene un ángulo de alabeo de cero y vuela en línea recta. Inclinar las alas y aumentar el ángulo de alabeo hace que el avión gire. En el estudio, el planeador recibía una recompensa si aumentaba la variación de la velocidad del viento ascendente a lo largo de su trayectoria de vuelo; es decir, si volaba hacia una corriente ascendente.
Las corrientes ascendentes son fundamentales para aumentar el tiempo que un planeador puede permanecer en el aire. A diferencia de un avión con motor, un planeador que no encuentra corrientes ascendentes desciende gradualmente hacia el suelo. Que el planeador descienda o ascienda depende directamente de cuánto aire suba a su alrededor. En una corriente ascendente, el aumento del movimiento vertical del aire puede bastar para impedir que el planeador descienda y, si el viento vertical es lo suficientemente fuerte, permitirle ganar altura.
A lo largo de varios vuelos (unas 16 horas de vuelo en total), el planeador del estudio aprendió a volar entrenándose para decidir cuál debía ser el siguiente cambio en el ángulo de alabeo a partir de una combinación determinada de datos de entrada (ángulo de alabeo y cambios longitudinales y laterales de la velocidad vertical del viento). Al final de todos esos vuelos, el avión había aprendido por sí mismo a volar hacia las corrientes ascendentes, lo que le permitía permanecer más tiempo en el aire.
Además, los investigadores utilizaron un modelo numérico para demostrar que este método beneficiaría aún más a los planeadores más grandes, ya que su mayor envergadura permitiría medir con más precisión los cambios en la velocidad del viento ascendente de una punta del ala a la otra.
Aeronaves más inteligentes
Los resultados plantean la pregunta de qué planeadores autónomos futuristas podríamos ver surcando el cielo y para qué se utilizarían. Hace poco, ingenieros del MIT se inspiraronen la aerodinámica del albatros, que aprovecha las olas para diseñar un planeador autónomo.
Airbus ha desarrollado un planeador propulsado por energía solar capaz de permanecer en el aire durante periodos muy prolongados, como alternativa a los satélites de vigilancia o comunicaciones, por ejemplo, que podrían transmitir señales de internet a lugares remotos en tierra. Según se informa, Microsoft está trabajando en aviones autónomos con sistemas de navegación de inteligencia artificial de última generación.
Pero quizá las técnicas desarrolladas en este estudio algún día den lugar a una nueva generación de sistemas «inteligentes» de navegación y piloto automático para aeronaves convencionales. Estos podrían utilizar datos recopilados durante miles de horas de vuelo para decidir cuál es la forma más eficiente de desplazarse. Esto dependería de sensores precisos y de nuevos avances que permitieran a un avión identificar una corriente térmica ascendente y pasar luego a otra. Por el momento, el método solo permite planear dentro de una única corriente térmica.
Los métodos y las técnicas de programación desarrollados por los investigadores sin duda nos acercarán un paso más al objetivo de contar con un vehículo volador autónomo capaz de realizar estas tareas durante días, semanas o meses. Pero es el uso del aprendizaje por refuerzo lo que vuelve a demostrar la flexibilidad de estos algoritmos para adaptarse a una amplia gama de tareas complejas, desde controlar un planeador hasta vencer a una persona en el Go.
