Inteligencia Artificial aplicada al análisis de entrenamiento en operaciones con UAVs

Abstract

El creciente uso de sistemas aéreos no tripulados (UASs) no se ha visto acompañado de una integración apropiada de los métodos y técnicas del entrenamiento de operadores para estos sistemas. A pesar de que varios investigadores están contribuyendo a definir un marco formal de conocimientos, habilidades y actitudes para mejorar la efectividad de los métodos de entrenamiento en UASs, las expectativas de crecimiento de estos sistemas han originado cierta alarma y preocupación entre los in-structores debido a la falta de herramientas capaces de evaluar y analizar el desempeño de los operadores a gran escala. Este trabajo se centra en resolver este problema proporcionando a los instructores de UAS nuevos métodos y herramientas para controlar, eval-uar y analizar operaciones de entrenamiento a gran escala, conénfasisconénfasis en el seguimiento de procedimientos de operación. En este trabajo se hace referencia a la evaluación de la precisión y eficacia con que los operadores responden a los incidentes de la misión mientras siguen un procedimiento o checklist determinado. La automatización de este proceso de evaluación apenas ha sido estudiada hoy en día, y puede proporcionar muchos benefi-cios directos no sólo al entrenamiento en UASs, sino también a la aviación tripulada clásica y a cualquier disciplina con acciones procedimentadas. 1 Introducción El estudio de los vehículos aéreos no tripulados, más conocidos como UAVs (Un-manned Aircraft Vehicles) está actualmente en auge. Estas nuevas tecnologías ofrecen muchas aplicaciones potenciales en campos muy variados como: la in-spección de infraestructuras, vigilancia de fronteras costeras, tráfico por car-retera, gestión de desastres, agricultura y silvicultura entre otros [3]. Lamentablemente, el uso creciente de sistemas aéreos no tripulados (UASs) no ha sido satisfecho con la integración adecuada de la ciencia de entrenamiento para la formación de los operadores que controlan los UAS [1]. A pesar de que numerosos investigadores están contribuyendo a definir un marco formal de conocimientos, habilidades y aptitudes (KSAs) para mejorar la efectividad de los 1

Publication
V Congreso Nacional de i+d en Defensa y Seguridad (DESEi+d 2017)
Antonio Gonzalez-Pardo
Antonio Gonzalez-Pardo
PhD Computer Science

Lecturer at the Computer Science Department. Main research interests are related to Computational Intelligence and Metaheuristics applied to Social Networks Analysis, and the optimization of graph-based problems.