Resumen Técnico: Flujo de Trabajo de Síntesis a Realidad para la Detección de Zonas de Aterrizaje Seguras

Declaración del Problema

A medida que los Vehículos Aéreos No Tripulados (UAV) avanzan hacia una autonomía de alto nivel, la capacidad de realizar recuperaciones no asistidas en entornos no cooperativos y no estructurados se ha convertido en un requisito crítico de seguridad. La fase terminal del vuelo presenta riesgos significativos, particularmente cuando no hay almohadillas de aterrizaje predefinidas o coordenadas estáticas disponibles. A diferencia de la evasión de obstáculos estándar, la identificación de una Zona de Aterrizaje Segura (SLZ) requiere una resolución semántica de alta fidelidad para distinguir entre terrenos navegables (p. ej., pavimento, césped) y obstáculos peligrosos (p. ej., vegetación, vehículos, terreno irregular).

Un cuello de botella principal en el desarrollo de sistemas de percepción Aire-a-Tierra (A2G) robustos basados en visión es la escasez de conjuntos de datos aéreos anotados. La adquisición de imágenes con etiquetas de píxel en el mundo real es logísticamente compleja, costosa y, a menudo, legalmente restringida. En consecuencia, las arquitecturas existentes suelen estar "bloqueadas por hardware" a entornos o equipos específicos, sufriendo una degradación del rendimiento en escenarios fuera de la distribución. Además, muchas soluciones actuales dependen de sensores activos como LiDAR, que imponen severas penalizaciones de Tamaño, Peso y Potencia (SWales), o están limitadas a entornos estructurados mediante marcadores fiduciarios. Existe una necesidad persistente de una percepción de alto rendimiento, desplegable en el borde (edge), que aproveche arquitecturas de vanguardia sin exceder los límites computacionales de las computadoras de vuelo integradas.

Metodología

La investigación propuesta introduce un flujo de trabajo integral de percepción y generación de datos diseñado para cerrar la brecha de simulación a realidad para el aterrizaje autónomo. El sistema opera a través de tres etapas integradas:

1. Generación de Datos Sintéticos Procedurales

Para mitigar la escasez de datos, los autores desarrollaron un motor de datos de alta fidelidad dentro del motor de renderizado Blender Cycles. Este sistema extiende un generador de ciudades procedural para convertirlo en un motor de datos estocástico capaz de producir entornos urbanos fotorrealistas con anotaciones semánticas automatizadas y de precisión de píxel.

• Síntesis Procedural: El entorno se construye mediante extrusión de mallas algorítmicas, gestionando siete clases semánticas primarias (Fondo, Árboles, Edificios, Vegetación Baja, Carreteras, Aceras, Vehículos y Objetos Obstructivos). Un sistema de gestión de activos utiliza el muestreo de disco de Poisson para aleatorizar la colocación de objetos, evitando el sobreajuste de la red a geometrías específicas.
• Aleatorización de Dominio: Para cerrar la brecha de dominio, el flujo de trabajo emplea dos capas de aleatorización:
  • Dinámicas de Iluminación: Simula un ciclo diurno completo mediante el uso de fotogramas clave para el azimut y la elevación solar, generando una propagación de sombras y varianza de contraste realistas.
  • Emulación de Sensores: La cámara virtual se calibra para coincidir con los sensores físicos de los UAV, introduciendo ruido estocástico, desenfoque y longitudes focales oscilantes para simular la búsqueda de autoenfoque y el desenfoque inducido por vibraciones. Una trayectoria de B-spline no lineal asegura ángulos de visión y densidades de objetos diversos.
• Anotación Automatizada: Los mapas de verdad de campo (ground truth) se generan mediante un protocolo de "Anulación de Material" (Material Override), donde los objetos se asignan materiales emisivos y sin sombreado basados en el ID de clase. Esto asegura una alineación espacial de píxel perfecto entre los renders RGB y las máscaras semánticas sin intervención manual.
• Aumentación: Una etapa de post-procesamiento aplica cambios de color aleatorios (color jittering), barridos de rotación de 360 grados y factores de zoom estocásticos para robustecer aún más el flujo de entrenamiento.

2. Arquitectura de Percepción Basada en Transformers

El sistema utiliza la arquitectura OneFormer, un marco de segmentación de imágenes universal basado en un esqueleto (backbone) de transformadores (Swin-L).

• Estrategia de Entrenamiento: El modelo se ajusta exclusivamente con el conjunto de datos sintético generado. Utiliza pesos pre-entrenados en el conjunto de datos Cityscapes para establecer una base de inicialización robusta, adaptando las representaciones de características aprendidas a los desplazamientos de dominio específicos de la perspectiva aérea sintética.
• Optimización: La red se optimiza utilizando el algoritmo AdamW con entrenamiento de precisión mixta para gestionar la carga computacional. El conjunto de datos se divide en 70/20/10 para entrenamiento, validación y prueba.

3. Módulo de Aterrizaje Determinista

La etapa final traduce las predicciones semánticas de píxel en un mapa de transitabilidad binario para la toma de decisiones autónoma.

• Taxonomía de Riesgo Jerárquica: Las clases semánticas se categorizan en tres conjuntos:
  • Seguro ($S_{safe}$): Clases estáticas intrínsecamente adecuadas para el aterrizaje (p. ej., Aceras).
  • Inseguro ($S_{unsafe}$): Regiones prohibidas (p. ej., Vehículos, Peatones).
  • Potencial ($S_{pot}$): Regiones condicionalmente válidas (p. ej., Carreteras) que son seguras solo si no intersectan con objetos Inseguros.
• Amortiguación de Seguridad (Safety Buffering): Una lógica determinista aplica una dilatación de seguridad de 20 píxeles (buffer circular) alrededor de todos los objetos Inseguros. Si una región Potencial intersecta este buffer, se reclasifica como Fondo (inseguro) para evitar aterrizajes en tráfico activo o áreas peligrosas.
• Determinación Geométrica del Sitio de Aterrizaje: El sistema aplica una Transformada de Distancia Euclidiana (EDT) a la máscara binaria resultante para identificar el Círculo Inscrito Más Grande (LIC). El centro del LIC se selecciona como el sitio de aterrizaje objetivo si su radio cumple con la huella física del UAV más un margen de tolerancia de seguridad. Luego, se calcula un vector de desviación para guiar al controlador de vuelo.

Contribuciones Clave

1. Motor de Datos Sintéticos Procedurales: Un flujo de trabajo escalable y de alta fidelidad que genera entornos urbanos fotorrealistas con anotaciones semánticas automatizadas, mitigando eficazmente la escasez de imágenes aéreas etiquetadas mediante la parametrización estocástica de geometría, iluminación y ruido de sensor.
2. Percepción Basada en Transformers: Un marco de segmentación de alto rendimiento que utiliza OneFormer, ajustado exclusivamente con datos sintéticos, el cual logra una resolución semántica de vanguardia para distinguir características de terreno complejas y obstáculos dinámicos.
3. Validación de Simulación a Realidad: Una evaluación de transferencia de cero disparos (zero-shot) que demuestra la capacidad del sistema para identificar zonas de aterrizaje seguras en entornos del mundo real no vistos (benchmark UAVid y metraje de drones DJI) mientras cumple con los requisitos de latencia en tiempo real mediante la optimación acelerada por hardware.

Resultados

El flujo de trabajo propuesto fue evaluado mediante un benchmarking cuantitativo contra el conjunto de datos UAVid y una validación cualitativa en metraje real de drones DJI Mavic.

• Rendimiento Cuantitativo: En el benchmark UAVid, el modelo demostró una fuerte generalización. Logró una alta precisión para clases estructurales (97.99% para Edificios, 96.13% para Árboles). La clase de Carreteras mostró una alta recuperación (recall) de 0.872, asegurando la identificación máxima de superficies de aterrizaje potenciales. Aunque la clase "Objeto" mostró una baja precisión (0.025), el análisis cualitativo atribuyó esto a la tosquedad de la anotación en la verdad de campo, más que a un fallo del modelo; el modelo detectó con éxito pequeños obstáculos omitidos en las etiquetas manuales.
• Observaciones Cualitativas: La arquitectura Transformer exhibió una fidelidad geométrica superior en comparación con las anotaciones de verdad de campo manuales, adhiriéndose a menudo a los límites de alta frecuencia con mayor precisión que las aproximaciones poligonales toscas en los datos de referencia. Sin embargo, el modelo mostró sensibilidad a la iluminación de alto rango dinámico, confundiendo ocasionalmente edificios con aceras oscuras en sombras profundas.
• Viabilidad Operativa: En pruebas del mundo real, el sistema segmentó con éxito las escenas en zonas de riesgo jerárquicas. En el 94% de los fotogramas de prueba, el sistema convergió en un centro ubicado en medianas de césped abiertas, confirmando que la transferencia de síntesis a realidad es suficiente para identificar zonas de aterrizaje libres de colisiones. El módulo de interferencia determinista reclasificó efectivamente los segmentos de carretera como inseguros tras la detección de vehículos.

Significado

Este trabajo destaca el potencial de la simulación procedural de alta fidelidad para eliminar la necesidad de anotación manual, proporcionando al mismo tiempo una conciencia situacional robusta y desplegable en el borde para la recuperación autónoma de UAV. Al demostrar que un modelo entrenado exclusivamente con datos sintéticos puede lograr una transferencia de cero disparos robusta a escenarios del mundo real, la investigación aborda la "Brecha de Computación en el Borde" y los obstáculos logísticos del despliegue de infraestructura en el mundo real. La integración de un módulo de aterrizaje determinista asegura que las predicciones semánticas se traduzcan en comandos de navegación seguros y accionables, priorizando la evitación conservadora de riesgos. Este enfoque ofrece una vía viable para el despliegue de sistemas de recuperación precisos y no asistidos en entornos no cooperativos sin los costos prohibitivos de la recolección de datos a gran escala en el mundo real.