Sistema de control de navegación autónoma subacua que emplea redes neuronales

Abstract

La elaboración de este artículo tuvo como incentivo buscar una manera de mostrar una solución al modelo de autonomía de movimiento y navegación de un dispositivo a través del empleo del aprendizaje automático por medio de una red neuronal. En este caso, se trata de un dispositivo subacuo. La ventaja del empleo de esta técnica radica en el cambio de paradigma de programación, ya que se deja de pensar de manera lógica y matemática. No se hacen ya afirmaciones para confirmar si las propiedades del programa cumplen o no con los requisitos. En las redes neuronales, se parte de observaciones sobre un entorno incierto, se realizan experimentos y se usan estadísticas. Esto abre un abanico de posibilidades en áreas aun no exploradas. Por ejemplo, el hecho de reconocer un rostro o el habla de una persona para otro ser humano es relativamente sencillo. Sin embrago, si quisiéramos escribir un código para resolver esto, sería muy complicado. El aprendizaje automático zanja este problema sin decirle a la aplicación qué hacer, solo con “mostrarle” ejemplos puede obtener resultados satisfactorios. Esto puede extender las posibilidades de crear sistemas aún más complejos. La aplicación de las redes neuronales en la navegación autónoma ha sido empleada con asiduidad por la empresa Tesla en sus modelos de automóviles autónomos que ya han salido al mercado “para aprender de su experiencia” en las rutas y caminos. El alcance de este artículo es a los efectos de mostrar el algoritmo de una red neuronal sencilla ciñéndose a un tipo de vehículo subacuo disponible. Este modelo se puede ampliar en complejidad para abarcar otros sistemas, como el del móvil de referencia.