VAIPOSA impulsa una IA verificable para un sistema PNT resiliente

Recientemente ha finalizado con éxito el proyecto VAIPOSA (Verifiable AI Positioning Applications), completándose así un paso importante en la exploración del uso de técnicas de inteligencia artificial para mejorar la robustez y la fiabilidad de las soluciones de posicionamiento, navegación y sincronización (PNT). Financiado por la Agencia Espacial Europea (ESA) a través de su programa NAVISP, el proyecto VAIPOSA ha sido dirigido por la FBK (Fondazione Bruno Kessler), con la participación de GMV.

El proyecto ha investigado cómo aplicar métodos de navegación basados en IA manteniendo la fiabilidad, la trazabilidad y los niveles de seguridad necesarios para aplicaciones críticas para la seguridad. VAIPOSA demostró que una combinación de GNSS (Sistema Global de Navegación por Satélite) y SLAM (localización y cartografía simultáneas) en un entorno con supervisión de la seguridad puede mejorar la robustez frente a las soluciones de navegación independientes, especialmente en entornos difíciles. GMV contribuyó a la arquitectura de navegación mediante la integración de un receptor GNSS PPP virtual de alta precisión en el simulador de conducción autónoma de código abierto CARLA, lo que permitió combinar el posicionamiento basado en GNSS con las técnicas SLAM basadas en inteligencia artificial.

La campaña de experimentación llevada a cabo en el marco del proyecto incluyó simulaciones de conducción autónoma en diferentes tipos de entornos urbanos, así como en diversas condiciones meteorológicas y de visibilidad. Uno de los resultados principales fue el desarrollo y la evaluación del concepto denominado Safety Cage, que supervisa el comportamiento de los componentes de navegación, asigna ponderaciones de fiabilidad y permite aplicar medidas de mitigación cuando se detecta un comportamiento anómalo.

Aún quedan por resolver importantes retos, entre ellos la integración de sensores adicionales, como las IMU (unidades de medición inercial) y la integridad de los sistemas de navegación multisensor. Cuando se fusionan datos de GNSS, SLAM y otras fuentes de información de posicionamiento, no basta con evaluar cada componente de forma independiente: es necesario comprender cómo debe combinarse y propagarse a nivel de sistema la información relativa a la incertidumbre, la confianza y la integridad de cada uno de ellos. La definición de un marco unificado de incertidumbre e integridad multisensor sigue siendo un aspecto pendiente de investigar en el futuro.