En el laboratorio de robótica del Worcester Polytechnic Institute (WPI) están probando pequeños drones basados en la ecolocalización de los murciélagos, pensados para operar donde la visión falla: oscuridad, humo denso o tormentas. Estas aeronaves, del tamaño de la palma de la mano, apuntan a misiones de búsqueda y rescate en escenarios que hoy resultan muy complicados para los modelos comerciales.
El equipo liderado por Nitin Sanket, profesor asistente de ingeniería robótica en WPI, parte de una realidad muy extendida en emergencias: los desastres cortan el suministro eléctrico y muchas operaciones ocurren de noche. Por eso se inspiraron en la naturaleza para crear plataformas que vuelen con «oídos» en lugar de depender de cámaras, reforzadas con algoritmos de navegación y control de bajo consumo.
Cómo funciona la ecolocalización en estos microdrones
El prototipo recurre a un sensor ultrasónico sencillo, similar al de los grifos automáticos, que emite pulsos y mide el eco para inferir distancias y evitar choques. Este principio, emparentado con el que usan los murciélagos, permite detectar obstáculos transparentes o con poco contraste, donde las cámaras quedarían cortas.
En demostraciones de laboratorio, el dron se lanzó primero con luz ambiental y después en penumbra con una luz roja tenue, además de niebla y nieve artificial. Al aproximarse a una pared de plexiglás, el sistema frenaba y retrocedía de forma repetida, evidenciando que el eco acústicco era suficiente para maniobrar con seguridad.
Uno de los escollos fue el ruido de las hélices, que contaminaba las lecturas ultrasónicas. Para mitigarlo, los investigadores diseñaron carcasas impresas en 3D que atenúan la interferencia y orientan el haz acústico, mejorando la relación señal-ruido en vuelo.
El equipo complementa la parte física con inteligencia artificial para filtrar y clasificar ecos en tiempo real. Estos modelos ayudan a distinguir reflexiones relevantes de ruido y falsas alarmas, una pieza clave si se quiere escalar a misiones más complejas sin aumentar el consumo energético.
De los prototipos a los enjambres autónomos
Más allá del vuelo básico, los investigadores buscan pasar del control manual a despliegues cooperativos. La idea es que varios drones se repartan el terreno, aprendan de lo que ven (u oyen) los demás y tomen decisiones locales sobre dónde seguir buscando, con el humano como supervisor estratégico.
En esa línea, Ryan Williams, profesor asociado en Virginia Tech, ha trabajado en programar drones que coordinan sus trayectorias con equipos de rescate. Su grupo ha usado datos históricos de miles de casos de personas desaparecidas para modelar cómo se mueve alguien que se pierde en un bosque y así priorizar las zonas de búsqueda más probables.
Con estos modelos, el sistema sitúa los drones en áreas de mayor probabilidad y ajusta el patrón de batida según nueva información. La combinación de planificación de trayectorias y sensores «acústicos» abre la puerta a soluciones que funcionen incluso sin GPS fiable ni visión clara.
El objetivo final, admiten los equipos, es que la autonomía deje de ser testimonial. Hoy el despliegue de drones verdaderamente autónomos en rescates es escaso; el reto consiste en acreditar seguridad, robustez y trazabilidad de decisiones para su uso operativo.
Aplicaciones y alcance operativo
Los últimos años han dejado ejemplos de drones en rescates: inundaciones en Pakistán, un caso en California tras dos días tras una cascada o la localización de una ruta segura para tres mineros atrapados en Canadá. Aquellos eran sistemas convencionales, pero el enfoque de WPI apunta a cubrir huecos donde la visión falla y el timing lo es todo.
Si estas tecnologías maduran, servicios de emergencia en Europa y España podrían encontrar utilidad en escenarios con humo, polvo, nieve o interiores complejos, como naves industriales, túneles o edificios derruidos. La clave, insisten los investigadores, es mantener el coste bajo y la eficiencia energética para desplegar muchas unidades a la vez.
Para facilitar la adopción, el prototipo de WPI apuesta por componentes de grado hobby y diseños compactos que abaraten el conjunto. Cuanto más accesible sea el hardware, más fácil resultará llevar estos «murciélagos» de silicio a los catálogos de protección civil.
Lo que falta por resolver
La naturaleza marca el listón alto. Un murciélago es capaz de discriminar ecos seleccionando lo que escucha y detectar objetos tan finos como un cabello a varios metros. Los drones aún están lejos de esa sensibilidad y selectividad, tanto por hardware como por procesamiento.
El proyecto de WPI, que cuenta con una subvención de la National Science Foundation, progresa paso a paso: mejorar carcasas, refinar filtros de señal, optimizar consumo y robustecer la navegación. Aun así, persisten retos como el ruido de propulsión, la energía disponible en formatos tan pequeños y la validación en entornos reales con condiciones cambiantes.
En paralelo, el ecosistema académico explora cómo integrar aprendizaje de datos de búsquedas reales y coordinar con equipos humanos sobre el terreno. La convergencia entre sensores acústicos, visión cuando sea posible y modelos de movimiento podría acelerar el salto de la prueba de concepto al despliegue.
La fotografía que dibujan estos avances es clara: microdrones con «oídos», baratos y eficientes, podrían cubrir el turno nocturno de la búsqueda y rescate y trabajar en enjambre donde la visión se queda corta. Queda trabajo técnico y regulatorio, pero el camino apuntado por WPI y Virginia Tech abre una vía realista para operar con seguridad en la oscuridad, el humo o la tormenta.
