En este contexto, la Agencia Europea de Defensa (EDA) ha adjudicado a la empresa dos proyectos: SAFETERM y AI-GNCAir, dos de las iniciativas más avanzadas desarrolladas por GMV en este campo.
SAFETERM tiene por objeto mejorar los sistemas y procedimientos actuales de terminación de vuelo de RPAS media altitud y larga duración (MALE).
El principal requisito del sistema SAFETERM es incrementar el nivel general de seguridad en la gestión de situaciones de emergencia, en las que se produzca la pérdida o degradación del enlace de mando y control, así como otros fallos. Permite por tanto una terminación segura del vuelo, en caso de fallo tanto de la autonomía como de la capacidad de control del piloto a distancia, estableciendo áreas alternativas y seguras de aterrizaje por medio de técnicas de visión artificial. Se trata de una tarea extremadamente compleja que supone un avance notable respecto a las tecnologías tradicionales de procesamiento de imágenes.
Entre todas las posibles aplicaciones de la visión artificial, SAFETERM se basa en el reconocimiento de zona: qué áreas aparecen en la imagen y dónde se encuentran. En este aspecto, otro objetivo de la EDA es ponderar los retos de la utilización de tecnología de IA en la aviación. Y en este sentido sí pueden desarrollarse equipos y software de aviónica reales siguiendo estándares de aviación que evalúen los elementos y fases de certificación para estos sistemas embarcados basados en IA, lo que nos lleva a otro aspecto relevante del proyecto relacionado con las actividades de apoyo a la certificación y normalización. Actualmente, GMV es miembro del Comité Internacional Conjunto de Inteligencia Artificial en la Aviación SAE G34 / EUROCAE WG 114, que promueve el cumplimiento de la certificación de la IA dentro de los sistemas aeronáuticos críticos para la seguridad.
El proyecto AI-GNCAir (Inteligencia artificial en guiado, navegación y control para aplicaciones aéreas) investiga sobre la tecnología más avanzada en el uso de la fusión inteligente de datos para la autolocalización de vehículos aéreos.
El proyecto, liderado por GMV y desarrollado en colaboración con el Centro de Investigación en Procesado de la Información y Telecomunicaciones de la Universidad Politécnica de Madrid (UPM-IPTC), tiene como objetivo recomendar una arquitectura GNC genérica para la utilización segura de algoritmos basados en IA en el ámbito aeronáutico. En una segunda fase, se simulará un caso práctico para comparar las prestaciones de los nuevos algoritmos frente a las técnicas tradicionales de fusión de datos.
Esta iniciativa forma parte de la agenda de investigación estratégica de la EDA dentro del CapTech GNC, que estudia la forma de integrar la tecnología de la inteligencia artificial en los sistemas GNC y las hojas de ruta necesarias para reducir las brechas tecnológicas asociadas en la UE.
En la gestión de datos y medidas de sensores para tareas de navegación, algunos de los aspectos más relevantes son: seguridad, que impide la alteración maliciosa de las medidas; integridad, para asegurar y monitorizar la precisión de los datos en su paso por los flujos de cálculo; y disponibilidad, porque no debe interrumpirse nunca el flujo de datos. Los algoritmos de IA deben poder reconocer las interferencias en las señales, las lecturas incorrectas de los sensores, e incluso predecir datos que podrían faltar debido a esas circunstancias.
Algunos de los campos en los que se centra el proyecto AI-GNCAir son los de adquisición robusta de datos, protocolos eficientes de fusión de los mismos, gestión de la complejidad computacional de la fusión de datos o selección dinámica de sensores para una disponibilidad continua.
La inteligencia artificial y el aprendizaje automático son términos genéricos que comprenden una enorme variedad de técnicas de procesamiento, control y optimización de datos, aplicables a prácticamente cada sector o sistema. Los vehículos aéreos pueden beneficiarse de estas tecnologías avanzadas, que garantizarán una mayor autonomía y seguridad y permitirán a los operadores humanos proporcionar información de un nivel más elevado y mayor control de supervisión.
