RTC2019-007318-8
Financiado
Realidad Virtual, Reinforcement Learning y Registro Distribuido para la formació...
Realidad Virtual, Reinforcement Learning y Registro Distribuido para la formación en Sistemas de Aeronaves Pilotadas por Control Remoto (RPAS)
En los últimos años se ha creado un nuevo campo de actuación para los drones tanto para uso militar, donde surgen sus inicios, como para uso civil, como, por ejemplo, vigilar amplias zonas de bosque de cara a la detección de incen...
En los últimos años se ha creado un nuevo campo de actuación para los drones tanto para uso militar, donde surgen sus inicios, como para uso civil, como, por ejemplo, vigilar amplias zonas de bosque de cara a la detección de incendios o revisar posibles problemas en las torres de alta tensión, evitando así costes en vidas humanas o daños en el medio ambiente, En este punto, se acuña el término RPAS (Remotely Piloted Aircraft Systems), que se refiere a los vehículos aéreos controlados a distancia, es decir, el propio dron, los mandos que lo controlan y la persona que lleva los mando, Se crea entonces la necesidad de personal altamente cualificada que pueda pilotar estos drones para las distintas actividades para las que se quieran utilizar,A partir de esta necesidad, surgen las escuelas de pilotos de drones (militares y civiles) por todo el mundo para cubrir la necesidad de este personal altamente cualificado, En España, la sede de formación de los pilotos de drones del Ministerio de Defensa está en Matacán, una base aérea en la provincia de Salamanca, Estas escuelas de formación, como la de Matacán, están utilizando simuladores para formar a sus futuros pilotos, El proyecto VRPAS pone de manifiesto la necesidad de evolucionar los sistemas de simulación actuales, construyendo una plataforma modular y escalable que permita controlar a los drones de forma distribuida, investigando para ello en mecanismos para la conmutación del control de las aeronaves entre subestaciones, así como en técnicas de Realidad Virtual, Asimismo, la plataforma permitirá generar modelos de misiones basados en técnicas de Aprendizaje por Refuerzo (Reinforcement Learning) que faciliten a los futuros pilotos mejorar su aprendizaje de forma progresiva, para lo que se investigará y diseñarán nuevos modelos para la detección y predicción de amenazas físicas y lógicas basados en Deep Learning y Tecnologías de Registro Distribuido como blockchain que permita a los pilotos saber cómo reaccionar antes esas nuevas casuísticas y a los propios RPAS actuar de forma predictiva ante dichas amenazas,El proyecto VRPAS se validará mediante pruebas de laboratorio y un caso de estudio, Estas pruebas consistirán en el diseño de misiones en las que los RPAS estén expuestos a amenazas tanto físicas como virtuales y lógicas, En estas misiones se validará cómo responden los RPAS en conjunto (dron, herramienta de control y pilotos) ante las diferentes amenazas a las que el simulador los someta, Por otra parte, se diseñarán misiones en las que se pongan a prueba el sistema inteligente de aprendizaje basado en Reinforcement Learning para validar los resultados y habilidades adquiridas a partir del aprendizaje asistido y progresivo, Por último, se probará el sistema del cambio de herramientas de control y pilotos de forma distribuida para que el dron pueda ser manejado desde diferentes subestaciones sin complicaciones, Junto con esta prueba, se validarán los nuevos sistemas de posicionamiento y autenticación basados en blockchain que, entre otros aspectos que se evolucionarán respecto a los simuladores actuales, se probará que los nuevos mecanismos para evitar las pérdidas de conexión y cobertura funcionan como se espera,
ver más
Línea de financiación: concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto el día 2019-01-01
Presupuesto
El presupuesto total del proyecto asciende a
253K€
Líder del proyecto
INSTER TECNOLOGIA Y COMUNICACIONES
Fabricacion y comercializacion de equipos y sistemas electricos y electronicos tanto en el ambito civil como militar
Perfil tecnológico
TRL
4-5
2M
Perfil tecnológico
TRL
4-5
2M