Un equipo de investigadores de la Universidad Tecnológica de Delft y la Universidad de Wageningen ha demostrado que un concepto tomado de la ecología, la desaceleración crítica, puede predecir cuándo un drone está a punto de perder el control debido a daños incrementales, mucho antes de cualquier signo visible de inestabilidad.
El estudio, publicado en PNAS, representa la primera aplicación de indicadores de desaceleración crítica (CSD) a sistemas de ingeniería controlados activamente con controladores de retroalimentación en tiempo real. La CSD es un fenómeno dinámico genérico: a medida que un sistema se aproxima a una transición crítica, su tasa de recuperación ante pequeñas perturbaciones se ralentiza progresivamente, manifestándose como un aumento en la autocorrelación de rezago 1 (AC1) y un aumento en la varianza de las señales de salida del sistema. Anteriormente se ha documentado en la eutrofización de lagos, el colapso de pesquerías y los cambios climáticos abruptos, pero nunca antes en un sistema de ingeniería con un controlador de retroalimentación.
Los experimentos
El equipo realizó 367 vuelos en dos plataformas de cuadricópteros, el DragonFly autónomo (con controlador INDIFlight) y el HoverFly pilotado por humanos (con Betaflight). Aplicaron daño asimétrico incremental en las puntas de las palas de las hélices desde 0% (sano) hasta 55%, probando las cuatro posiciones de los rotores en múltiples condiciones de vuelo, incluyendo vuelo estacionario, seguimiento de trayectoria y condiciones de viento.
La clave: incluso cuando un controlador de retroalimentación estabiliza continuamente el sistema, la dinámica combinada de bucle cerrado exhibe CSD a medida que los márgenes de estabilidad se reducen debido al daño. El indicador monitorea señales observables, velocidades de rotor, acelerómetro, giroscopio, sin requerir un modelo preciso del sistema dañado.
Resultados
Los indicadores CSD (autocorrelación de rezago 1 de las señales de velocidad del rotor) aumentaron monótonamente con el nivel de daño en todos los rotores, incluidos los no dañados, mucho antes de que ocurriera inestabilidad visible. Con solo un 10% de daño, la probabilidad de que la AC1 estuviera elevada sobre la línea base era de 0.59 (p<0.001). Con un 15% de daño, aumentó a 0.76 (p<0.001), con un tamaño del efecto de 1.14 veces el rango intercuartílico.
El indicador también reveló vulnerabilidades estructurales asimétricas que no habrían sido aparentes mediante inspección visual: los rotores traseros mostraron aumentos de AC1 significativamente mayores que los rotores delanteros (p<0.001), atribuido al peso de la batería que aumenta la demanda en los motores traseros. Los aumentos de AC1 del rotor izquierdo fueron mayores que los del derecho (p=0.044 con 15% de daño), atribuidos a una inconsistencia de fabricación donde el motor trasero izquierdo funcionaba 5°C más caliente.
El DragonFly (INDIFlight) perdió el control aproximadamente con un 30% de daño en las palas, con una elevación clara de la AC1 visible al 15%, mucho antes de la falla. El HoverFly (Betaflight) permaneció estable hasta aproximadamente un 55% de daño. En condiciones exigentes, viento combinado con trayectorias rápidas, la pérdida de control ocurrió tan temprano como con un 15% de daño.
Implicaciones más amplias
Debido a que el enfoque no requiere modelo y se basa únicamente en señales observables, los investigadores sostienen que puede aplicarse a diversos sistemas controlados: aeronaves (el artículo cita el accidente del vuelo Sriwijaya Air SJ-182 como ejemplo motivador), reactores industriales, automóviles autónomos, redes eléctricas y robots autónomos.
Se proponen dos modos operativos: alerta temprana en tiempo real durante el vuelo y un modo exploratorio de “ajuste” donde se aplican deliberadamente pequeñas perturbaciones para optimizar empíricamente la robustez del sistema durante el diseño.
Fuentes:
1. van Beers JJ, Scheffer M, Solanki P, van de Leemput IA, van Nes EH, de Visser CC. “Early warning signals for loss of control in complex systems.” PNAS. 2026;123(27):e2608847123. DOI: 10.1073/pnas.2608847123
Traducido por Alessandra