Vision-Based UAV Interception Using Dynamic Image-Based Visual Servoing, Multi-Objective Predictive Guidance, and Robust Soft Control Barrier Functions

En el cielo, un dron equipado con una cámara se enfrenta a un desafío difícil: debe alcanzar a otro dron que se mueve de forma impredecible, todo ello mientras la visión de la cámara tiene un retraso debido al tiempo que tarda en procesar las imágenes y el propio dron tiene límites en cuanto a qué tan fuerte puede girar. Este es el ámbito del servovisual, un método donde una máquina utiliza lo que ve directamente para dirigirse a sí misma, en lugar de depender de un mapa perfecto y precalculado del mundo. Para un dron que intenta interceptar un objetivo, la tarea se complica por el hecho de que la cámara está rígidamente unida a la aeronave; si el dron gira bruscamente para alcanzar al objetivo, la cámara podría oscilar tan rápido que el objetivo desaparezca de la vista. Además, las imágenes que recibe el dron nunca son perfectamente frescas; siempre son ligeramente antiguas, y el objetivo podría estar cambiando su velocidad o dirección de formas que el dron no puede predecir. Resolver esto requiere un sistema que pueda ver el futuro, sopesar múltiples opciones simultáneamente y tomar decisiones en fracciones de segundo que equilibren velocidad, seguridad y suavidad.

Investigadores del Instituto de Automatización del Control en la Producción y la Mejora de la Tecnología han desarrollado un nuevo enfoque para este problema, creando un sistema que permite a un dron interceptar un objetivo maniobrable incluso cuando los datos visuales son ruidosos y tienen retraso. En lugar de intentar forzar al objetivo al centro de la visión de la cámara de inmediato, lo que a menudo conduce a movimientos erráticos o a que el objetivo se escape de la vista, su método utiliza un observador predictivo para adivinar dónde estará el objetivo un momento después. El sistema genera entonces un pequeño conjunto de posibles rutas de vuelo, o trayectorias candidatas, para que el dron las siga. Cada una de estas rutas se evalúa frente a varios objetivos a la vez: qué tan cerca llegará el dron al objetivo, cuánto tiempo tomará la interceptación, cuánta energía utilizará el dron y el riesgo de perder el objetivo dentro del encuadre de la cámara.

Para elegir la mejor ruta, los investigadores no simplemente eligieron la única opción que parecía mejor sobre el papel. En su lugar, utilizaron una técnica llamada fusión Soft-min, que combina las opciones en una decisión suave y continua. Esto evita que el dron dé sacudidas entre diferentes estrategias, un problema común cuando un sistema cambia abruptamente entre opciones. El resultado es un punto de referencia dinámico que se mueve a través de la visión de la cámara, guiando al dron hacia el punto de interceptación predicho en lugar de un punto fijo en la imagen. Esto permite que el dron ajuste su curso con gracia a medida que el objetivo se mueve, compensando el retraso en los datos de la imagen al anticipar el siguiente movimiento del objetivo.

Una parte crítica de este sistema es un filtro de seguridad basado en un concepto conocido como función de barrera de control. En términos sencillos, esto actúa como un guardián que evita que el dron realice un comando que cause que el objetivo desaparezca de la visión de la cámara. Sin embargo, debido a que las condiciones del mundo real son desordenadas y los motores del dron tienen límites físicos, una regla estricta que diga "nunca pierdas el objetivo" puede a veces hacer que las matemáticas sean imposibles de resolver. Para manejar esto, los investigadores introdujeron una versión "suave" de esta regla de seguridad. Esto permite que el sistema doble temporalmente la restricción de seguridad si es absolutamente necesario para mantener el movimiento del dron, aunque penalizando al sistema por hacerlo. Esto asegura que el dron siga intentando interceptar el objetivo incluso cuando la situación es extremadamente ajustada, en lugar de quedarse congelado porque no se puede encontrar una solución perfecta.

Los investigadores probaron su método en una serie de simulaciones por computadora que involucraron cien escenarios diferentes con diversos vientos, ruidos y movimientos de los objetivos. Compararon su nuevo sistema con varios métodos existentes, incluyendo el seguimiento visual estándar y otros enfoques predictivos. Los resultados mostraron que su método es altamente efectivo. En las simulaciones, el dron interceptó con éxito el objetivo en el noventa por ciento de las ejecuciones, una tasa muy cercana al método de referencia con mejor desempeño. Más importante aún, el nuevo sistema logró esto con un esfuerzo significativamente menor. El dron utilizó aproximadamente un quince por ciento menos de energía de control, lo que significa que no tuvo que trabajar tanto para lograr la misma captura. También redujo el error en el seguimiento de la imagen del objetivo en casi un cuarenta y seis por ciento, manteniendo el objetivo mucho más estable en la visión de la cámara. El tiempo que tomó completar la interceptación también se redujo en más de un veinte por ciento en comparación con el método de referencia, siempre que la interceptación fuera exitosa.

Sin embargo, el estudio también reveló un sutil compromiso. Mientras que el nuevo método fue más rápido y eficiente, su tasa de éxito fue ligeramente inferior a la del método de referencia, cayendo tres puntos porcentuales. Esto sugiere que, al priorizar la velocidad y la suavidad, el sistema ocasionalmente tomó riesgos que un enfoque más conservador habría evitado. Los investigadores encontraron que la distancia media entre el dron y el objetivo en el momento de la interceptación era casi idéntica para ambos métodos, midiendo poco más de dos metros en ambos casos. Esto indica que, si bien el nuevo sistema es más ágil y menos gravoso para los motores del dron, no garantiza necesariamente una captura perfecta en cada escenario donde el método anterior podría haber tenido éxito.

El estudio concluye que este enfoque ofrece una forma poderosa de gestionar el complejo equilibrio entre ver, pensar y actuar para drones autónomos. Al combinar un observador predictivo, un proceso de toma de decisiones multiobjetivo y un filtro de seguridad flexible, el sistema puede manejar los retrasos y las incertidumbres de la visión del mundo real. Los investigadores señalan que, aunque las simulaciones fueron exitosas, el sistema depende de aproximaciones para mantener los cálculos lo suficientemente rápidos para su uso en tiempo real. El trabajo futuro implicará probar estas ideas en hardware real y explorar cómo el sistema se comporta con modelos físicos más complejos del dron. Por ahora, los hallazgos demuestran que es posible guiar a un dron hacia un objetivo en movimiento con alta precisión y eficiencia, incluso cuando los ojos del dron son lentos y el objetivo es elusivo.