ESA

Ahora que nuestra sociedad produce más datos que nunca, la Inteligencia Artificial (IA) nos permite recopilarlos, analizarlos y utilizarlos de formas novedosas, incluso en programas espaciales. Actualmente, los equipos de ingeniería del programa NAVISP de la ESA también están aplicando la IA a la navegación por satélite, en colaboración con la industria y el mundo académico europeos para inventar el futuro de la navegación. El resultado es una cartera cada vez mayor de servicios prototipo, empleados de diversas formas para mejorar la previsión meteorológica espacial y terrestre, mejorar el rendimiento de coches y barcos autónomos y ayudar a identificar drones no autorizados en espacios aéreos sensibles.

La navegación por satélite es una presencia omnipresente en todas nuestras vidas y se emplea para mucho más que el simple transporte, desde la agricultura de precisión hasta la gestión de redes eléctricas, pasando por el comercio financiero y los enlaces de comunicación. Las señales procedentes del espacio se procesan mediante complejos modelos matemáticos utilizando algoritmos de alta precisión para obtener una precisión de nivel centimétrico, en condiciones óptimas de señal.

El Programa de Innovación y Apoyo a la Navegación de la ESA, NAVISP, busca mejorar la competitividad europea en todo el dominio de Posicionamiento, Navegación y Cronometraje, PNT, mediante el desarrollo de productos, sistemas y servicios novedosos. Una forma de hacer esto y mejorar aún más el rendimiento de la navegación por satélite es combinar los sistemas globales de navegación por satélite, GNSS, con otras tecnologías, desde sensores inerciales y visión artificial hasta 5G y 6G y, ahora, cada vez más, inteligencia artificial (IA).

"La IA comprende todas las técnicas que permiten a las computadoras imitar la inteligencia, ya sean sistemas de análisis de datos o la inteligencia integrada que supervisa un vehículo autónomo", explica Rafael Lucas Rodríguez, jefe de la Oficina del Programa Técnico de NAVISP. “En lo que la IA es muy buena, a través del llamado aprendizaje automático, es en extraer información significativa para identificar patrones útiles que de otro modo no se habrían visto. La navegación por satélite es uno de los campos que produce grandes cantidades de datos, por lo que dentro de nuestro sector la IA también podría servir como base para enfoques y servicios novedosos”.

Examinando datos sobre el clima espacial

El primer paso es acceder a datos útiles, y cuantos más datos, mejor, para poder entrenar mejor los modelos de ML. El proyecto CAMALIOT de NAVISP se basa en una aplicación de Android que recopila datos GNSS sin procesar de los teléfonos inteligentes participantes. Se animó a las personas a convertirse en "científicos ciudadanos" simplemente dejando sus teléfonos encendidos o junto a una ventana durante la noche, para que la aplicación pueda adquirir datos GNSS sin procesar a través del receptor de navegación por satélite incorporado en sus teléfonos. Hasta la fecha han participado más de 12.000 voluntarios, que han realizado más de 131.000 millones de mediciones que cubren Europa y el mundo.

El siguiente paso ha sido aplicar ML para buscar patrones en los datos relacionados con variaciones en la ionosfera (un segmento eléctricamente activo de la atmósfera terrestre, que puede afectar la propagación de señales GNSS) debido al clima espacial, así como a los efectos del clima en la troposfera más cercana a la superficie de la Tierra, como "la lluvia se desvanece". Los resultados tienen el potencial de mejorar la precisión de la previsión meteorológica tanto terrestre como espacial.

La IA agudiza el posicionamiento automotriz

El proyecto AIGNSS de NAVISP ha aplicado algoritmos habilitados por IA a uno de los aspectos más críticos para la seguridad de la investigación PNT: impulsar el rendimiento del posicionamiento GNSS al servicio de la conducción autónoma. Satnav es una tecnología básica para la conducción asistida y autónoma, que permite a los vehículos estimar dónde están y a qué velocidad van, normalmente empleada en combinación con otros métodos de posicionamiento, como sensores inerciales, cámaras y radares, y otras señales de oportunidad.

El problema es que el rendimiento del GNSS puede variar ampliamente según el entorno. Las caras lisas de los edificios y otras estructuras artificiales pueden causar una reflectancia de señal engañosa, conocida como "trayectoria múltiple", mientras que los cañones urbanos del centro de la ciudad o la espesa cubierta de árboles pueden reducir la cantidad de satélites visibles en el cielo local.

El proyecto AIGNSS recopiló datos de conducción en el mundo real utilizando múltiples constelaciones de navegación por satélite, incluido el Galileo de Europa, y frecuencias de una variedad de entornos de carreteras en el Reino Unido, y luego aplicó un sofisticado análisis de señales para identificar interferencias de trayectorias múltiples y estimar el error de alcance. La adición de IA a los diversos algoritmos utilizados generó mejoras en el rendimiento, aunque no de carácter sustancial.

Rafael Lucas explica: "Estos resultados aportan conocimientos valiosos para el desarrollo exitoso de algoritmos y el establecimiento de un banco de pruebas multipropósito y multidispositivo para la adquisición y el procesamiento de datos".

Navegando hacia aguas del futuro

La IA y el ML también se están aplicando al estudio del transporte marítimo autónomo en la primera área de prueba dedicada del mundo, creada con el apoyo de NAVISP. El área de prueba de embarcaciones autónomas de Trondheimsfjorden, con sede en un fiordo noruego, ha sido equipada con tecnologías avanzadas que incluyen infraestructura de comunicación, sensores y tecnologías de posicionamiento y conectividad de Internet de las cosas para capturar todo lo que ocurre dentro de la vía fluvial.

El ML se utiliza para analizar los resultados de las pruebas, para comprender cualquier desviación del rendimiento planificado, y al mismo tiempo se aplica a la inteligencia integrada que dirige los propios buques.

La IA observa los cielos

Mientras tanto, el proyecto MEDuSA de NAVISP mira hacia el cielo para intentar contrarrestar el creciente problema de los drones intrusivos. La incidencia de intrusiones accidentales o intencionales de drones en eventos deportivos, puertos u otras infraestructuras críticas está aumentando. El aeropuerto de Gatwick en el Reino Unido estuvo cerrado durante tres días en diciembre de 2018 y cientos de vuelos fueron cancelados tras el avistamiento repetido de drones alrededor de las pistas del aeropuerto.

MEDuSA ofrece un medio para detectar drones en todas las condiciones de visibilidad, así como estimar sus trayectorias a través de un enfoque innovador basado en radar donde las señales GNSS se emplean como fuente de señal de radar de oportunidad para que los sensores detecten alrededor del área de interés, favoreciendo las señales de Galileo. en particular debido a sus señales altamente estables más su servicio de valor agregado Open Service Navigation Message Authentication en preparación, que ofrece robustez y protección contra ataques de suplantación de identidad. Los algoritmos de MEDuSA detectan drones mediante la "detección de dispersión directa" provocada por su paso, lo que implica la detección de ligeras anomalías en la fase de la señal.

ML, combinado con 'filtros de Kalman' predictivos, toma estos datos para derivar la trayectoria de avance del dron, lo que permite generar una alarma y implementar contramedidas.

Acerca de NAVISP

Los especialistas en navegación de la ESA están apoyando a empresas europeas de vanguardia en el desarrollo de nuevas tecnologías y servicios de navegación, en apoyo de la competitividad industrial, la autonomía y el liderazgo de Europa. El resultado es el Programa de Apoyo e Innovación a la Navegación de la ESA, NAVISP.

NAVISP está estudiando todo tipo de ideas inteligentes sobre el futuro de la navegación: formas de mejorar la navegación por satélite, sistemas de posicionamiento alternativos y nuevos servicios y aplicaciones de navegación.

Para obtener más información, visite la página web de NAVISP.

gracias por gustar

Ya te ha gustado esta página, ¡solo puedes darle me gusta una vez!