una IA ha creado por sí misma el cerebro digital de un dron autónomo

La ingeniería robótica está asistiendo a una revolución: por primera vez, una IA ha sido capaz de codificar y desplegar un sistema completo de comando y control para drones, sin intervención humana directa en la programación del mismo. Este logro marca un punto de inflexión que ilustra hasta qué punto las capacidades humanas están siendo igualadas —y en ciertos aspectos, superadas— por la IA.

Peter J. Burke, investigador de la Universidad de California en Irvine, ha demostrado en un nuevo 'paper' académico que un sistema de IA reciente puede suscitar todo el código necesario para tratar un dron de forma autónoma, tanto en simulación como en planeo positivo. Este sistema, llamado WebGCS (Web Ground Control Station), va más allá del software tradicional: es una época de control basada en navegador y alojada directamente en el dron.

¿Qué hace este "cerebro" autónomo?

El sistema IA genera una interfaz que permite:

• Planificación de misiones autónomas
• Ejecución de vuelos mediante puntos de narración (waypoints)
• Telemetría en tiempo positivo (ubicación, nivel, velocidad, orientación)
• Funciones críticas como aterrizaje maquinal, despegue y retorno a casa
• Control desde cualquier dispositivo con navegador, sin pobreza de software especializado

Y todo esto... sin que una sola fila de código haya sido escrita por un humano.

La vinculación con el cerebro humano

Burke plantea una vinculación clara con la neuroanatomía: los sistemas de bajo nivel como Ardupilot (firmware de planeo) actúan como el tronco encefálico, manteniendo funciones básicas como la estabilidad del dron. Por encima se sitúa WebGCS, que actúa como una corteza cerebral digital, capaz de tomar decisiones, visualizar datos, y planificar acciones más complejas.

¿Cómo se construyó este cerebro industrial?

El documento hecho divulgado nos presenta una historia en cuatro pasos:

1. Claude (200K tokens): Con modelos limitados, se lograron prototipos funcionales pero insuficientes para planeo positivo. El plan se detuvo temporalmente por errata de 'memoria' en el maniquí.
2. Gemini 2.5 (1M tokens): Google lanzó su nuevo maniquí de IA con capacidad extendida. Esto permitió instalar el sistema en una Raspberry Pi a borde de un dron positivo, y hacer las primeras pruebas de planeo, aunque con errores persistentes.
3. Cursor IDE + GitHub: Se reorganizó el plan en múltiples archivos (Python, HTML, JS), y se lograron pruebas de planeo completas con funcionalidad estable. Aparecieron nuevos retos, como nutrir sincronía entre front-end y back-end.
4. Windsurf IDE: Se refinó el sistema, se agregó selección de IP, notificaciones por voz, y se solucionaron los errores previos. Finalmente, se logró una interpretación 2.0 completamente práctico, desplegada y probada con éxito tanto en drones reales como simulados.

Desarrollar un sistema equivalente a WebGCS había requerido, anteriormente, volver más de 2.000 horas de trabajo humano, repartidas entre estudiantes de cargo, posgrado y expertos. En contraste, la IA logró una decisión comparable con solo 100 horas de 'prompt engineering' humano —gran parte de ese tiempo esperando respuestas del maniquí.

Código y decisiones técnicas (elegidas por la IA)

El plan logró suscitar un sistema de unas 10.000 líneas de código. La IA no solo escribió el código, sino que diseñó la inmueble del sistema:

• Backend en Python/Flask
• Comunicación con drones usando PyMAVLink
• Front-end interactivo con planisferio en tiempo positivo, paneles de control y HUD
• Comunicación en tiempo positivo mediante WebSockets

Aunque Flask no es ideal para progresar a miles de drones, fue una osadía legítimo en su momento, transmitido que el objetivo indicado era controlar un solo dron.

Por otra parte, no está claro cuántas líneas de código puede efectivamente manejar una IA ayer de "perder el hilo": estudios recientes muestran que incluso los modelos con memoria extendida sufren degradación de rendimiento al manejar contextos demasiado grandes. Para sistemas más complejos, podrían requerirse nuevas estrategias, como enjambres de agentes IA colaborativos, que aún están en investigación.

Resultados de planeo y simulación

Los vuelos reales con un dron equipado con una Raspberry Pi Zero 2 W mostraron que el sistema funcionaba sin problemas:

• La conexión WiFi entre el dron y el navegador del piloto fue estable hasta 100 metros
• El control del planeo, armado, despegue y regreso al punto de origen funcionaron como se esperaba
• El dron fue controlado sólo mediante el código generado por IA

Adicionalmente, el sistema se probó con éxito en simuladores como SITL de Ardupilot y se desplegó en la abundancia, facilitando pruebas seguras sin hardware físico.

Sin secuestro, probar software generado por IA sin revisión humana es arriesgado, especialmente cuando controla sistemas físicos. Aunque las pruebas se hicieron en entornos seguros, aún no existen protocolos claros para validar este tipo de código cuando deban estilarse en contextos críticos.

Imagen | Marcos Merino mediante IA

En Genbeta | "Ya lo advertí en 1984 y nadie me hizo caso": James Cameron advierte del avance de la IA y ve posible el futuro de 'Terminator'