Mejorar la seguridad de las personas en trabajos peligrosos, particularmente como el de los socorristas, es el objetivo de los sistemas autónomos.
A pesar de esto, se cree que su implementación es una tarea difícil que requiere una investigación y pruebas exhaustivas.
Precisamente, tecnologías como AirSim (Plataforma de Informática Aérea y Robótica) proporcionan una forma pragmática de resolver estas tareas y, por eso, se han explorado las complejidades y desafíos presentes en el desarrollo de sistemas autónomos.
En Microsoft creen que la clave para construir sistemas autónomos robustos y seguros es proporcionar un sistema con una amplia gama de experiencias de capacitación para exponerlo adecuadamente a muchos escenarios antes de que pueda implementarse en el mundo real.
Esto garantizaría que la capacitación se realice de manera significativa y similar a la forma en que un estudiante podría ser entrenado para abordar tareas complejas a través de un plan de estudios curado por un maestro.
Una manera en que Microsoft entrena sistemas autónomos es participando en oportunidades de investigación únicas enfocadas en resolver desafíos del mundo real, como ayudar a los socorristas en escenarios peligrosos.
Sus colaboradores de la Universidad Carnegie Mellon y de la Universidad Estatal de Oregon, colectivamente nombrados como Team Explorer, han demostrado avances tecnológicos en esta área durante su victoria en el primer lugar de la primera ronda del DARPA Subterranean (SubT) Challenge.
“El DARPA SubT Challenge aspira promover las tecnologías que aumentarían las operaciones difíciles bajo tierra. Específicamente, el desafío se centra en los métodos para mapear, navegar y buscar entornos subterráneos complejos».
Esos entornos subterráneos incluirían sistemas de túneles artificiales, subterráneos urbanos y redes de cuevas naturales.
El Team Explorer se ha dedicado a la búsqueda y detección autónoma de varios artefactos dentro de un sistema artificial de túneles.
La solución de extremo a extremo, que ha creado el equipo, requería muchos componentes complejos diferentes para trabajar en el circuito desafiante, incluyendo la movilidad, mapeo, navegación y detección.
Entonces, el equipo de Sistemas Autónomos de Microsoft ha trabajado en estrecha colaboración con el Team Explorer para proporcionar un entorno de simulación de alta definición para ayudar con el desafío.
“El equipo utilizó AirSim para crear un intrincado laberinto de túneles artificiales en un mundo virtual que era representativo de tales túneles del mundo real, tanto en complejidad como en tamaño”.
La simulación también ha incluido vehículos robóticos, robots con ruedas y vehículos aéreos no tripulados (UAV), así como un conjunto de sensores que adornaban a los agentes autónomos.
AirSim ha proporcionado una plataforma rica que Team Explorer podría usar para probar sus métodos y generar experiencias de capacitación, con la finalidad de crear varios componentes de toma de decisiones para los agentes autónomos.
Desafíos de capacitación
En el centro del desafío ha estado la capacidad de los robots para percibir el terreno subterráneo y descubrir cosas (sobrevivientes humanos, mochilas, teléfonos celulares, extintores de incendios y simulacros de energía) mientras se ajustaban a diferentes condiciones climáticas y de iluminación.
“La percepción multimodal es importante en entornos desafiantes, así como la capacidad de AirSim de simular una amplia variedad de sensores, y su fusión puede proporcionar una ventaja competitiva”.
Uno de los sensores más importantes es un LIDAR, dispositivo que se usa para determinar la distancia desde un emisor láser a un objeto o superficie utilizando un haz láser pulsado.
En AirSim, el proceso físico de generar las nubes de puntos se reconstruye cuidadosamente en el software, por lo que el sensor utilizado en el robot en la simulación utiliza los mismos parámetros de configuración que aquellos que se encuentran en el vehículo real.
“Crear un conjunto de datos real para entornos subterráneos es costoso porque se necesita un equipo dedicado para implementar primero el robot, recopilar los datos y luego etiquetar los datos capturados».
Entonces, la capacidad de Microsoft para crear tuberías de autonomía casi realistas en AirSim significaría que se puede generar rápidamente datos de entrenamiento etiquetados para un entorno subterráneo.
Detectando cazadores furtivos de animales
Los problemas con la recopilación de datos, con los sistemas autónomos, se exacerban aún más para las aplicaciones que involucran a quienes responden en primera línea, ya que el proceso de recopilación es peligroso.
Estos desafíos han estado presentes en la colaboración de la compañía con Air Shepherd y USC para ayudar a contrarrestar la caza furtiva de vida silvestre.
La tarea central de esta colaboración ha sido el desarrollo de vehículos aéreos no tripulados, equipados con cámaras infrarrojas térmicas, que pueden volar a través de parques nacionales por la noche en busca de cazadores furtivos y animales.
