Murciélagos y aves inspiran un sistema de ecolocalización para drones diseñado por la Universidad de Worcester

El proyecto busca dotar a drones ultraligeros de una “visión acústica” similar a la de los murciélagos, capaces de orientarse y evitar obstáculos mediante emisiones y ecos ultrasónicos. La idea es que, cuando el humo, la niebla o la oscuridad inutilicen las cámaras, el sonido asuma el rol principal de percepción y mantenga la aeronave operativa en misiones críticas.

A diferencia de los sistemas ópticos, que dependen de iluminación y contraste, la ecolocalización puede reconstruir el entorno con señales activas de audio. En espacios estrechos o con partículas en suspensión, esta aproximación promete rutas más seguras, menos falsas detecciones y una mayor resiliencia frente a condiciones cambiantes y degradadas.

El equipo desarrolla micrófonos, emisores y metamateriales para minimizar el ruido de hélices que contamina las mediciones. Ese hardware se combina con modelos de aprendizaje profundo “físicamente informados” que interpretan ecos complejos y estiman distancias, ángulos y superficies en tiempo real sin depender de grandes consumos energéticos.

Además del audio, los drones incorporarán sensores inerciales para fusionar datos y estabilizar la navegación. Esa fusión permite suavizar errores, sostener trayectorias más limpias y recuperar el rumbo cuando los ecos son ambiguos o el entorno se vuelve demasiado absorbente, como ocurre en interiores con materiales blandos.

El objetivo operativo es claro, plataformas por debajo de 100 gramos y 100 milímetros que despeguen rápido, exploren huecos, pasillos y cavidades, y transmitan mapas básicos a los equipos de emergencia. En rescates, segundos ganados en orientación y búsqueda pueden marcar la diferencia para localizar víctimas y abrir rutas seguras.

La navegación sonora también tiene aplicaciones ambientales, monitoreo de cuevas, túneles de fauna, nidos en acantilados o arrecifes donde la luz es escasa. En industria, podría inspeccionar conductos y espacios confinados sin iluminación adicional ni GPS, reduciendo costes y riesgos para los operarios.

Para entrenar a los drones, el equipo usa escenarios con humo simulado y polvo fino, además de maquetas con geometrías irregulares que desafían a los algoritmos. El refuerzo con recompensas por trayectorias seguras y objetivos alcanzados acelera el aprendizaje y reduce la necesidad de datos etiquetados en campo.

Un eje del trabajo es la eficiencia. El procesamiento acústico debe ejecutarse en placas pequeñas, con latencias bajas y consumo limitado, para preservar autonomía de vuelo. Por eso, se priorizan redes compactas, cuantización y optimizaciones que mantengan la precisión sin penalizar la batería.

Si los prototipos cumplen lo esperado, la navegación sonora no reemplazará a la visión, la complementará. La combinación inteligente de cámaras, audio e inerciales permitiría drones más fiables y útiles, capaces de “ver” con la luz… y también con el oído, cuando la visibilidad desaparece.