Los futuros aviones de pasajeros podrían utilizar la IA para eliminar las turbulencias y mantener una experiencia de vuelo fluida
Las turbulencias en los aviones podrían convertirse en cosa del pasado con FALCON, un nuevo sistema de inteligencia artificial que ayuda a los vehículos a aprender a adaptarse a las turbulencias en cuestión de minutos.
Cuando compra a través de enlaces en nuestro sitio, podemos ganar una comisión de afiliado. Así es como funciona.
Los científicos han desarrollado una técnica que podría mitigar los efectos de las turbulencias en estructuras y vehículos dinámicos, centrándose especialmente en los vehículos aéreos no tripulados (UAV).
Turbulencia es el nombre que damos a los cambios en la presión del aire que hacen que los aviones se sacudan. Esto es más evidente cuando un avión vibra al pasar por cambios en la presión del aire en pleno vuelo. Esto es diferente a los animales voladores, que han desarrollado una capacidad natural para sentir los cambios en su entorno que causan turbulencias y adaptarse rápidamente para mantener un vuelo suave.
La investigación, publicada el 24 de septiembre en la revista NPJ Robotics, describió cómo los científicos podrían desarrollar una técnica de control para aviones. La técnica requería el uso de un sistema de inteligencia artificial (IA) llamado FALCON para ajustar automáticamente el vuelo y compensar las turbulencias.
El aprendizaje por refuerzo, un método de entrenamiento de IA, se ha utilizado anteriormente para desarrollar sistemas de control aumentados por IA, pero solo para entornos o vehículos específicos. FALCON, por el contrario, ha sido entrenado para comprender los principios subyacentes que causan turbulencias para poder adaptarse a cualquier condición.
FALCON se basa en los métodos de Fourier, que utilizan ondas sinusoidales complejas para representar datos. Los investigadores descubrieron que representar digitalmente las condiciones del viento como ondas periódicas proporcionaba un medio eficaz para modelar la turbulencia, ya que el flujo y reflujo del viento y sus efectos siguen naturalmente un patrón de onda.
Relacionado: El nuevo combustible para aviones de 'aguas residuales' podría reducir las emisiones de los aviones en un 70%
"El uso del aprendizaje por refuerzo para adaptarse en tiempo real es notable, ya que aprende el modelo de turbulencia subyacente", Hever Moncayo, profesor de ingeniería aeroespacial en la Universidad Aeronáutica Embry-Riddle dijo a WordsSideKick.com. "Creo que esta tecnología es muy factible, especialmente con capacidades computacionales actuales como Jetson, que respaldan la integración en tiempo real del aprendizaje adaptativo, el análisis de Fourier y la computación".
Los científicos probaron la IA en un túnel de viento en Caltech, utilizando un ala aerodinámica para representar un UAV y dotándola de sensores de presión y superficies de control. Los usó para detectar cambios de presión y ajustar su cabeceo y guiñada según fuera necesario para mantener la estabilidad. También se colocó un cilindro móvil aguas arriba del ala en el túnel de viento para generar fluctuaciones aleatorias en las turbulencias.
Se descubrió que después de nueve minutos de aprendizaje, en los que FALCON intentaba continuamente adaptarse a las turbulencias cambiantes y retroalimentar los resultados, la IA podía mantener la estabilidad del perfil aerodinámico en el túnel de viento.
"Las pruebas en el túnel de viento de Caltech muestran que FALCON puede aprender en cuestión de minutos, lo que indica escalabilidad a aviones más grandes", dijo Moncayo. "Sin embargo, aún quedan desafíos en el mundo real, particularmente en la rápida adaptación a condiciones diversas e impredecibles y en la validación del rendimiento en diversas configuraciones de vehículos aéreos no tripulados y entornos eólicos".
Al permitir la adaptación automatizada a las turbulencias, esta investigación tiene el potencial de conducir a vuelos más fluidos para vehículos aéreos no tripulados y aviones comerciales. Los investigadores también han sugerido la posibilidad de compartir datos ambientales entre aviones para advertir de perturbaciones. Sin embargo, dadas las preocupaciones de ciberseguridad que rodean a los sistemas de control de aeronaves, esto requeriría un protocolo de seguridad sólido que debería revisarse y probarse minuciosamente con antelación.
"El desarrollo continuo probablemente se centrará en refinar la precisión de la predicción y reducir el tiempo de entrenamiento, lo cual es factible, pero complejo", dijo Moncayo. "Además, el intercambio de información entre aeronaves mejorará el poder predictivo del sistema, pero probablemente requerirá estándares de comunicación y protocolos de manejo de datos sólidos para una adopción más amplia".
La siguiente etapa de la investigación tiene como objetivo reducir el tiempo de aprendizaje de la IA. Es probable que este se convierta en el principal desafío de los investigadores, ya que poder adaptarse rápidamente a las condiciones ambientales es esencial para encontrar una solución práctica a las turbulencias.