Los ámbitos de la inteligencia artificial (IA) y la realidad extendida (RX o tecnologías inmersivas) están generando multitud de aplicaciones espaciales innovadoras. Ejemplo de ello son los motores de juegos –game engine–, en el campo de los videojuegos, y su novedoso uso en la creación de simulaciones realistas para la captura de datos; o las redes neuronales convolucionales (CNN) de última generación para la visión por ordenador de imágenes de Marte. Sin embargo, estas tecnologías se ven gravemente limitadas en cuanto a la disponibilidad de datos para su entrenamiento o ensayo. Es el caso, por ejemplo, de la Misión de Retorno de Muestras a Marte, que se plantea fusionar IA y RX para simular conjuntos de datos que faciliten la estimación de la pose de los objetos en el planeta rojo.
En este sentido, la Agencia Espacial Europea (ESA) está dedicando esfuerzos y financiación a la resolución de este problema mediante la IA y la RX, por el enorme potencial de estas herramientas para cambiar la forma en que la comunidad internacional interactúa con el espacio.
En este marco acaba de concluir el proyecto ‘AI-Aided-XR: AI Aided eXtended Reality applications’, desarrollado en consorcio internacional con la participación del grupo ARTEC del Instituto de Robótica y de Tecnologías de la Información y la Comunicación de la UV. AI-Aided-XR aborda la carencia de datos en las aplicaciones de IA espacial, a través de un entorno simulado que se genera mediante algoritmos fractales. Recrear terrenos de la superficie lunar, como modelo de estudio extrapolable a los cuerpos celestes en general, ha sido la función del equipo de la Universitat de València en esta iniciativa.
“Simular suelos sintéticos de cuerpos celestes nos permite entrenar los algoritmos de navegación utilizados en los Rover que exploran las superficies de otros planetas”, explica Marcos Fernández, investigador del IRTIC, responsable del grupo ARTEC y de la colaboración de la UV en el proyecto. “Los entornos sintéticos que desarrollamos han de basarse en datos reales. Para ello y mediante inteligencia artificial, aprendemos los valores fractales y las características reales de las zonas lunares de interés que nos permitirán, después, generar variantes con los mismos patrones aleatorios”, añade el investigador. “La primera fase de exploración de esta tecnología híbrida ha sido un éxito y esperamos que la ESA extienda los trabajos para su uso en misiones reales y en otros cuerpos celestes”, concluye.
Financiado por la ESA, el proyecto se ha desarrollado en consorcio internacional coordinado por el grupo empresarial GMV –NSL Ltd, del Reino Unido, GMV Soluciones Globales Internet SAU, de España, GMV Innovating Solutions Sp, de Polonia–, el Centro Europeo de Operaciones Espaciales de la ESA, en Alemania, y la Universitat de València.