Air-Guardian: el revolucionario sistema del MIT que combina habilidades humanas y robóticas en la aviación

Los investigadores del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (Instituto Tecnológico de Massachusetts) han presentado el innovador sistema conocido como Air-Guardian. Esta tecnología está diseñada para brindar apoyo a los pilotos durante momentos críticos, cuando deben procesar una gran cantidad de información de múltiples monitores. Air-Guardian actúa como un copiloto proactivo al combinar el trabajo humano y robótico a través de la comprensión basada en la atención.

La atención humana se rige por el seguimiento ocular y el sistema neuronal, que crean “mapas de prominencia” indicando la dirección del enfoque de la atención. Estos mapas sirven como guías visuales para resaltar áreas clave dentro de una imagen, lo que facilita la comprensión y el análisis de algoritmos complejos utilizados por las máquinas.

Lo que hace único a Air-Guardian es su capacidad para detectar señales prematuras de posibles riesgos mediante estas señales de atención, en cualquier momento, no solo en situaciones de infracción de seguridad, como lo hacen los sistemas de piloto automático convencionales.

Leer también: Interrupción en servicios Móviles del AMBA: Un comunicado conjunto de las principales operadoras

Lianhao Yin, postdoctor del MIT CSAIL y autor principal de un artículo sobre Air-Guardian, destaca su diferenciabilidad y adaptabilidad. El sistema se puede entrenar y ajustar según las demandas de la situación, asegurando una asociación equilibrada entre humanos y máquinas.

La tecnología central de Air-Guardian se basa en una capa cooperativa basada en optimización que aprovecha la atención visual tanto de humanos como de máquinas. Utiliza redes neuronales líquidas de tiempo continuo (CfC), conocidas por su capacidad para analizar relaciones de causa y efecto, para examinar imágenes entrantes en busca de información crucial. Implementa el algoritmo VisualBackProp, que identifica los puntos de enfoque del sistema en una imagen, lo que garantiza una comprensión clara de sus mapas de atención.

En las pruebas de campo, tanto el piloto como el sistema tomaron decisiones utilizando las mismas imágenes sin modificar mientras se dirigían hacia el punto de ruta designado. Air-Guardian demostró su éxito al reducir el riesgo de los vuelos y aumentar la tasa de éxito en la navegación hacia los puntos objetivo.

Para una futura adopción masiva, es importante perfeccionar la interfaz hombre-máquina. Los investigadores sugieren que un indicador, como una barra, podría ser más intuitivo para indicar cuándo el sistema Air-Guardian toma el control.

Daniela Rus, directora de CSAIL y autora principal del artículo, resalta la sinergia entre la experiencia humana y el aprendizaje automático que promueve Air-Guardian, con el objetivo de utilizar el aprendizaje automático para ayudar a los pilotos en situaciones desafiantes y reducir los errores operativos.

Stephanie Gil, profesora asistente de ciencias de la computación en la Universidad de Harvard, comenta que una de las características más interesantes de utilizar una métrica de atención visual en este trabajo es la posibilidad de permitir intervenciones más tempranas y una mayor interpretabilidad por parte de los pilotos humanos.

Esta investigación ha sido financiada parcialmente por el Laboratorio de Investigación de la Fuerza Aérea de Estados Unidos (USAF), el Acelerador de Inteligencia Artificial de la USAF, Boeing Co. y la Oficina de Investigación Naval de los Estados Unidos.