Los científicos están probando drones con capacidades de inteligencia artificial (IA), de modo que los dispositivos voladores puedan encontrar meteoritos caídos en la Tierra.
Aproximadamente 500 meteoritos caen a la Tierra cada año, según estiman los científicos planetarios, pero solo el 2% de ellos están localizados. Intentando mejorar las cifras, los investigadores de la Universidad de California en Davis, en Estados Unidos, están utilizando drones con inteligencia artificial (IA) para cazar estas rocas espaciales.
El sistema de búsqueda automatizado utiliza una cuadrícula virtual en cuadrícula para establecer el área de búsqueda, según el lugar donde caen los fragmentos. A partir de entonces, el equipo registra una serie de fotografías dentro de este campo, según el estudio publicado en junio en la revista Meteoritics & Planetary Science.
En el siguiente paso, el algoritmo analiza las imágenes tomadas por el dron autónomo, tratando de identificar posibles meteoritos. La IA ha sido entrenada con miles de fotos de piedras espaciales recuperadas, lo que ayuda a mejorar su capacidad de detección al diferenciar este material de las rocas de origen terrestre.
La recuperación de pequeños trozos de meteoritos suele ser complicada, ya que se extienden por grandes superficies al romperse, pudiendo caer sobre árboles, plantas y lugares de difícil acceso. Su estudio proporciona información importante sobre la formación del Sistema Solar.
En busca de la evolución
Los drones autónomos de caza de meteoritos se probaron por primera vez en 2019 en la región de Walker Lake en Nevada, Estados Unidos.
Según el científico planetario Robert Citron, coordinador del proyecto, el concepto reveló inicialmente una serie de falsos positivos, pero ha evolucionado.
En pruebas posteriores, Citron y su equipo lograron minimizar el número de rocas comunes marcadas como falsas detecciones, obteniendo mejores resultados que el vuelo inicial. Y con el uso de cámaras de mayor resolución, la tendencia es que el sistema sea aún más eficiente.
"Afortunadamente, con cada prueba de campo, obtenemos más datos que podemos incorporar al grupo y usar para entrenar la red de detección de objetos, mejorando la precisión", dijo Citron a Universe Today.