Enviar a equipos de primera intervención puede ser extremadamente peligroso durante huracanes, inundaciones repentinas y otros desastres.
Un equipo de investigación ha estudiado cómo los drones autónomos podrían ayudar a identificar a personas que necesitan ayuda y a avisar a los equipos de rescate.
Muchos rescatistas ya utilizan drones, pero la mayoría requiere pilotos individuales que manejan la aeronave no tripulada mediante control remoto, lo que ralentiza el proceso.
Los drones autónomos pueden escanear el terreno, investigar la zona seleccionada, detectar personas y recopilar datos GPS en aproximadamente una quinta parte de segundo.
Durante huracanes, inundaciones repentinas y otros desastres, puede resultar extremadamente peligroso enviar a equipos de primera intervención, aunque las personas pueden necesitar ayuda con urgencia.
Los rescatistas ya utilizan drones en algunos casos, pero la mayoría requiere pilotos individuales que manejan la aeronave no tripulada mediante control remoto. Esto limita la rapidez con la que los rescatistas pueden observar toda una zona afectada y puede retrasar la llegada de ayuda a las víctimas.
Los drones autónomos podrían cubrir más terreno con mayor rapidez, especialmente si pudieran identificar a personas que necesitan ayuda y avisar a los equipos de rescate.
Mi equipo y yo en el University of Dayton Vision Lab hemos estado diseñando estos sistemas autónomos del futuro para ayudar a localizar, con el tiempo, a personas que podrían quedar atrapadas bajo escombros. Nuestra tecnología multisensor imita el comportamiento de los rescatistas humanos para examinar en profundidad amplias áreas y elegir rápidamente zonas concretas en las que centrarse, examinarlas más de cerca y determinar si alguien necesita ayuda.
La tecnología de aprendizaje profundo que utilizamos imita la estructura y el comportamiento de un cerebro humano al procesar las imágenes captadas por los sensores bidimensionales y tridimensionales integrados en los drones. Es capaz de procesar grandes cantidades de datos simultáneamente para tomar decisiones en tiempo real.
Buscar un objeto en una escena caótica
Las zonas de desastre suelen estar llenas de árboles caídos, edificios derrumbados, carreteras destrozadas y otros elementos desordenados que pueden dificultar enormemente la localización de víctimas que necesitan rescate. La tecnología de sensores lidar 3D, que utiliza pulsos de luz, puede detectar objetos ocultos por ramas colgantes.
Mi equipo de investigación desarrolló un sistema de red neuronal artificial que podría ejecutarse en un ordenador a bordo de un dron. Este sistema emula algunas de las formas en que funciona la visión humana. Analiza las imágenes captadas por los sensores del dron y comunica los hallazgos relevantes a los supervisores humanos.
En primer lugar, el sistema procesa las imágenes para mejorar su nitidez. Al igual que las personas entornan los ojos para ajustar el enfoque, esta tecnología realiza estimaciones detalladas de las regiones más oscuras de una escena y aclara computacionalmente las imágenes.
En un entorno lluvioso, el cerebro humano utiliza una estrategia brillante para ver con claridad: al fijarse en las partes de una escena que no cambian mientras caen las gotas de lluvia, las personas pueden ver razonablemente bien a pesar de la lluvia. Nuestra tecnología utiliza la misma estrategia, investigando continuamente el contenido de cada ubicación en una secuencia de imágenes para obtener información clara sobre los objetos de esa ubicación.
Confirmar objetos de interés
Cuando los rescatistas buscan a seres humanos atrapados en zonas de desastre, la mente de los observadores imagina vistas en 3D de cómo podría aparecer una persona en la escena. Deberían poder detectar la presencia de una persona atrapada aunque nunca hayan visto a alguien en esa posición.
Empleamos esta estrategia calculando modelos 3D de personas y rotando las formas en todas las direcciones. Entrenamos a la máquina autónoma para que actúe exactamente como lo haría un rescatista humano. Esto permite que el sistema identifique a personas en diversas posiciones, como tumbadas boca abajo o hechas un ovillo en posición fetal, incluso desde distintos ángulos de visión y con condiciones variables de iluminación y clima.
El sistema también puede entrenarse para detectar y localizar una pierna que sobresale de entre los escombros, una mano que agita los brazos a lo lejos o una cabeza que asoma sobre una pila de bloques de madera. Puede distinguir a una persona o un animal de un árbol, un arbusto o un vehículo.
Juntando las piezas
Durante el escaneo inicial del terreno, el sistema imita el enfoque de un observador aéreo: examina el suelo para encontrar posibles objetos de interés o zonas que merezcan un análisis más detallado y, a continuación, observa con más atención. Por ejemplo, un piloto de avión que busca un camión en tierra normalmente prestaría menos atención a lagos, estanques, campos de cultivo y parques infantiles, porque es menos probable que los camiones se encuentren en esas zonas. La tecnología autónoma emplea la misma estrategia para centrar el área de búsqueda en las regiones más significativas de la escena.
Después, el sistema examina cada región seleccionada para obtener información sobre la forma, la estructura y la textura de los objetos que hay allí. Cuando detecta un conjunto de características que coincide con un ser humano o con una parte de una persona, marca esa ubicación, recopila datos GPS y mide la distancia a la que se encuentra la persona de otros objetos para proporcionar una ubicación exacta.
Todo el proceso dura aproximadamente una quinta parte de segundo.
Así podrían ser en el futuro las operaciones de búsqueda y rescate más rápidas. El siguiente paso será convertir esta tecnología en un sistema integrado que pueda desplegarse para la respuesta a emergencias.
Anteriormente trabajamos con el U.S. Army Medical Research and Materiel Command en tecnología para localizar a personas heridas en un campo de batalla que necesitan rescate. También hemos adaptado la tecnología para ayudar a las empresas de servicios públicos a supervisar maquinaria pesada que podría dañar las tuberías. Estos son solo algunos de los modos en que los equipos de respuesta ante desastres, las empresas o incluso los agricultores podrían beneficiarse de una tecnología que puede ver como lo hacen los seres humanos, especialmente en lugares a los que las personas no pueden acceder con facilidad.
