StratoPilot

StratoPilot quería un dron capaz de hacer por sí solo tres tipos de misión, de la más simple a la más difícil: vigilar y mapear el entorno, transportar fármacos o mercancías, ayudar en tareas de rescate. El software está dividido en tres niveles, cada uno seguido por al menos un estudiante de máster.

Para la visión elegimos YOLOv8, un modelo de Ultralytics que encuentra y recuadra los objetos en una imagen, ya entrenado con 80 categorías de objetos comunes. Lo entrenamos de nuevo con imágenes satelitales de incendios, a color y en infrarrojo.

El entrenamiento corrió en un ordenador personal: 5 épocas en una noche. La confianza de las respuestas estaba entre el 30 y el 40%. La confianza, sin embargo, no es una medida de exactitud: dice cuán seguro está el modelo, no cuántas veces acierta, y los números de exactitud no los medimos.

Para saber dónde está y cómo es el terreno, el dron usa un LiDAR y el algoritmo DFLIOM, que construye el mapa como nube de puntos. Una red neuronal elige solo los puntos útiles para alinear un escaneo con el siguiente, aproximadamente uno de cada cinco.

En el mapa la ruta se busca en dos tiempos. La Probabilistic Roadmap esparce puntos libres al azar y conecta cada uno con los vecinos alcanzables: nace un grafo de caminos posibles. Luego A* encuentra en el grafo la ruta más corta.

Al principio pensábamos escribir desde cero también el piloto automático. Después de hablar con algunos profesores cambiamos de idea: habría sido un trabajo enorme e inútil, porque existen pilotos automáticos open source maduros. Comparamos los dos más usados, PX4 y ArduPilot.

Para hacer que visión, mapa, planificación y piloto automático se comuniquen entre sí, elegimos ROS 2, el sistema más usado para conectar los módulos de un robot.

En el verano de 2025 estaban listos los módulos del esquema básico: visión, mapa y localización, planificación de la ruta. Quedaban fuera la máquina de estados de las decisiones y la coordinación con otros drones.

El siguiente paso era conectar todo con ROS 2 y empezar las pruebas en simulación, que sin embargo pedían un ordenador mucho más potente que los que teníamos. Evaluamos alquilar potencia de cálculo en la nube. El proyecto se cerró ahí.