Multi-UAV Tracking Evaluation Using 5G Uplink Signals on an O-RAN ISAC Simulation Testbed

Imagina que estás intentando detectar un dron diminuto y de movimiento rápido en una ciudad concurrida usando solo las señales Wi-Fi que ya rebotan por el vecindario. No tienes un radar especial; tienes que escuchar los "ecos" de las señales de datos regulares que los teléfonos y los drones usan para hablar con las torres de telefonía celular. Este es el mundo de la Detección y Comunicación Integradas (ISAC, por sus siglas en inglés). Piensa en esto como un murciélago que no solo usa el sonido para navegar, sino que también usa ese mismo sonido para charlar con otros murciélagos. En el futuro, nuestras redes 5G podrían hacer exactamente esto: usar sus ondas de radio existentes para detectar objetos como drones sin necesidad de hardware adicional y costoso. Pero hay un inconveniente. Si tienes un dron, es fácil escucharlo. Si tienes tres drones volando cerca uno del otro, sus ecos podrían mezclarse, haciendo imposible distinguir quién es quién. Este es el rompecabezas que los científicos están tratando de resolver: ¿cómo convertimos una red de comunicación en un sistema confiable de "policía de drones" que pueda rastrear múltiples objetivos a la vez sin confundirse?

Este artículo da un paso gigante hacia la respuesta a esa pregunta al construir un "arenero" digital para probar una nueva forma de rastrear múltiples drones. Los investigadores crearon una ciudad virtual utilizando un banco de pruebas de simulación llamado O-RAN, que es como una versión modular y de código abierto de una red celular. En lugar de usar radios reales, usaron una computadora para simular las señales, los drones y el entorno. Establecieron un escenario con tres drones diferentes volando a diferentes alturas y velocidades, todos intentando ser detectados por una sola torre celular equipada con un arreglo especial de 8 antenas. El objetivo no era solo ver si la torre podía escuchar a los drones (detección), sino ver si podía seguirlos individualmente a lo largo del tiempo (rastreo) y entregar esa información a un centro de mando, tal como un sistema de seguridad real necesitaría hacerlo.

Esto es lo que encontraron, y es un poco inesperado. Primero, el sistema fue realmente bueno escuchando a los drones. Los tres fueron detectados la mayor parte del tiempo. Sin embargo, al sistema le costó mantener sus identidades separadas. Imagina intentar seguir a tres amigos en un centro comercial concurrido. Puedes ver a los tres, pero cada vez que caminan cerca unos de otros, pierdes el rastro de quién es quién, y podrías accidentalmente etiquetar a dos amigos con la misma identificación o darle a un amigo dos nombres diferentes. En esta simulación, el 73.7% de las veces, dos drones estaban tan cerca en su "huella digital" de señal que el sistema no pudo distinguirlos de inmediato. El mayor problema no era que el sistema fuera demasiado débil para escuchar a los drones (sensibilidad); el problema era que las señales estaban peleando por la atención (contención).

Los investigadores también descubrieron un truco ingenioso con la configuración de las antenas. Al usar un arreglo de antenas plano y en forma de cuadrícula (un "arreglo planar") en lugar de solo una línea, el sistema podía medir la altura de los drones. Esto no ayudó al sistema a ver los drones más lejos, pero fue un salvavidas para distinguirlos. Cuando dos drones estaban a la misma distancia y velocidad, pero a diferentes alturas, la medición de la altura ayudó al sistema a decidir a qué rastro pertenecía cada dron aproximadamente el 58% de las veces. Era como tener un mapa 3D en lugar de uno plano; no hacía el mapa más grande, pero ayudaba a organizar el desorden.

Sin embargo, el artículo también nos advierte sobre un "fantasma" en la máquina. La simulación se ejecutó en una computadora que era demasiado lenta para seguir la velocidad en tiempo real. Era como ver un video de una carrera en cámara lenta. Debido a que la computadora era lenta, el sistema pensó que los drones habían desaparecido durante períodos más largos de lo que realmente habían estado ausentes, lo que causó que el rastreo fallara. Cuando los investigadores corrigieron el tiempo y analizaron los datos como si estuvieran ocurriendo en tiempo real, el rendimiento del rastreo mejoró significamente, pero aún no era perfecto. El sistema podía detectar los drones, pero todavía luchaba por mantener una identificación única e ininterrumpida en cada uno, especialmente para el dron que volaba más bajo y más cerca del suelo.

Finalmente, el equipo mostró cómo empaquetar esta información para enviarla a un centro de mando de seguridad del mundo real. Construyeron un traductor que toma los datos de rastreo brutos y los formatea en un lenguaje estándar (llamado SAPIENT) que otros sistemas pueden entender. Incluso añadieron una "puntuación de confianza" a cada informe, diciéndole al centro de mando qué tan seguro está el sistema de lo que está viendo. Pero también descubrieron una verdad difícil: para hacer que el sistema fuera más preciso al rastrear múltiples drones, tuvieron que sacrificar algo más. Si intentaban forzar al sistema para rastrear más drones aflojando las reglas, este comenzaba a confundir sus identidades, dándole al mismo dron múltiples nombres. Los investigadores decidieron que mantener la identidad correcta era más importante que capturar cada momento, por lo que optaron por ser más estrictos.

En resumen, este artículo muestra que usar señales 5G para rastrear múltiples drones es posible y prometedor, pero no es una solución mágica todavía. El sistema puede escuchar a los drones, pero se confunde cuando estos se acercan demasiado. La solución no es solo una mejor audición; es una clasificación más inteligente. Los investigadores demostraron que, si bien la tecnología funciona en una simulación, el verdadero desafío es gestionar el "atasco de tráfico" de señales y mantener las identidades de los drones claras, todo esto mientras se asegura que la computadora que procesa los datos sea lo suficientemente rápida para seguir el ritmo del mundo real. Es un paso sólido hacia adelante, pero el viaje desde una simulación digital hasta un sistema de defensa de drones en la vida real todavía tiene varios obstáculos por superar.