Organismos de investigación (AEI)

TEKNIKER

Los objetivos principales de las tareas desarrolladas por Tekniker en el proyecto GAIA, alineado con el objetivo principal Obj1, son:

• El desarrollo de un demostrador hardware embebido embarcable en Vehículos Autónomos, con visión multicámara (visible, IR y LIDAR) y altas capacidades de cómputo mediante coprocesadores matemáticos específicos para Deep Learning que permita implementar aplicaciones basadas en Inteligencia Artificial para dar soporte en las labores de prevención, extinción y reforestación de incendios. Así mismo Así mismo se marca como objetivo secundario el desarrollo de una metodología de despliegue de arquitecturas de redes neuronales orientadas a detección/segmentación de objetos y el test de rendimiento para la ejecución en tiempo real de procesamiento de imagen.
• La investigación en nuevas estrategias de navegación autónoma autoadaptativa, buscando aumentar la confiabilidad de estas estrategias mediante el análisis de la transitabilidad del terreno
• En el ámbito de los objetivos generales Obj2 y Obj3, Tekniker desarrollará algoritmos inteligentes de análisis de datos orientados a el cálculo del riesgo de incendios y al soporte en las operaciones de extinción y actuación.

Universidad Cantabria

El principal objetivo llevado a cabo por UC radica en la elaboración de un modelo completo de predicción de evolución de incendios forestales con un sistema de soporte a la decisión espacial destinado a los servicios de emergencia. De manera más detallada podría desglosarse en los siguientes objetivos específicos.

• Realizar clasificación y caracterización de los residuos forestales como modelos de combustible dentro del Inventario Forestal Nacional: Se realizará un estudio identificando los principales tipos de recursos forestales existentes, así como una selección y su clasificación en el Inventario Nacional Forestal. Posteriormente se llevará a cabo la caracterización térmica y energética de un determinado número de muestras de recursos forestales. Con ello se realizará un análisis científico y en su debido caso una actualización de la clasificación empleada en el Inventario Forestal Nacional.
• Desarrollo de modelo predictivo de propagación de incendios forestales: El modelo permitirá realizar el análisis de riesgo de incendio a través del modelado de la propagación de incendios forestales. Dispondrá de un gemelo digital de los territorios y será capaz de predecir la propagación de los incendios considerando los modelos de combustibles existentes en las zonas forestales, la caracterización realizada en los recursos forestales seleccionados, la afectación de las distintas condiciones climatológicas (tanto humedad, temperatura como fuerza y dirección del viento) y la topografía del terreno. Un análisis estocástico automatizado de la propagación del incendio permitirá definir las zonas de mayor riesgo, y, por lo tanto, las zonas de mayor interés de cara a la implementación de medidas preventivas frente a los incendios de sexta generación, aumentando así la resiliencia frente a estos eventos cada vez más frecuentes debido al cambio climático.
• Implementación de un sistema de soporte a la decisión frente a incendios forestales: Mediante este sistema y teniendo en cuenta los datos de los modelos predictivos de propagación, así como las condiciones del incendio en tiempo real, se podrán generar un conjunto de recomendaciones el cual permita intervenir de manera segura y eficiente a los servicios de emergencia y extinción. Este sistema proveerá recomendaciones de la gestión completa de la emergencia desde los aspectos de intervención y evacuación.

CATEC

La participación de CATEC en GAIA busca fortalecer dos de sus principales líneas estratégicas dentro del área de Aviónica y Sistemas: por un lado, el desarrollo de sistemas embarcados de aviónica y tecnologías aplicadas a RPAS/UAS, como es un sistema de comunicaciones robusto, y, por otro lado, el desarrollo de sistemas de Guiado, Navegación y Control (GNC) de vehículos aéreos y sistemas multivehículo autónomos para la realización de tareas cooperativas y/o coordinadas.

Con la idea de robustecer sus líneas estratégicas y avanzar en la creación de nuevas tecnologías, enriqueciendo su labor de transferencia de conocimiento y tecnología a la industria, los principales objetivos tecnológicos de CATEC en el desarrollo de GAIA son:

• Definición, estudio y diseño de un sistema de comunicaciones 5G basado en tecnología Multi-SIM que permita garantizar una comunicación estable y fiable con los vehículos no tripulados involucrados en las tareas de gestión de los incendios, tanto en vehículos terrestres como aéreos. Validación de este en entorno de laboratorio.
• Definición y diseño de algoritmos de navegación para un enjambre de drones en el apoyo a los operativos de extinción de incendios. Pruebas de concepto y validación de estos en entorno de laboratorio. Para ello, se definen una serie de objetivos secundarios:
• Diseño de algoritmos cooperativos de gestión de flotas de drones que permitan minimizar el tiempo de ejecución de un conjunto de tareas.
• Diseño de algoritmos de vuelo en formación que puedan adaptarse dinámicamente a situaciones cambiantes (ambientales u operativas).
• Diseño de algoritmos que puedan funcionar con comunicaciones limitadas entre
  aeronaves.
• Adaptación de algoritmos de gestión de tareas para manejar situaciones imprevistas (errores o fallos) y número dinámico de aeronaves

URJC

En el seno de la Universidad Rey Juan Carlos se realizarán tareas de investigación asociadas a tres temáticas:

• En algoritmos y técnicas software de densificación de la señal del sensor LIDAR, que es habitual en robots de exteriores. La densificación busca mejorar la información disponible a partir de la nube de puntos 3D que proporciona este sensor, típicamente dispersa, y facilitar con ello la detección de objetos y el exitoso movimiento del robot por el entorno.
• En algoritmos de navegación de robots de exteriores aplicables en entornos no estructurados como los que se encuentran en el ámbito forestal. Se evaluarán algoritmos de navegación autónoma punto a punto en robots físicos y/o en simuladores del estado del arte (Gazebo, CoppeliaSim...). Los robots empleados serán compatibles con el middleware ROS, estandard de facto internacional para robots móviles. Estos algoritmos de navegación se apoyarán en los sistemas de detección de objetos y percepción preparados en otros objetivos del proyecto
• La URJC investigará y explorará técnicas de detección de objetos y superficies en entornos no estructurados usando DeepLearning y sensores tanto LIDAR como visuales para su uso en navegación autónoma de robots. Se utilizarán los datasets de entrenamiento preparados por otros miembros del consorcio, entre otros. La URJC realizará el diseño de diferentes modelos neuronales y evaluará sus prestaciones. También investigará sobre técnicas de preparación de datos y su utilización en el entrenamiento de esas redes para una detección precisa y robusta. Se pondrá énfasis en la robustez en diferentes condiciones ambientales y en la respuesta en tiempo real, necesarias para funcionar a bordo del robot. Además, la URJC validará experimentalmente y comparará los diferentes diseños empleando métricas objetivas y cuantitativas de calidad (entre ellas precisión y recall).