Investigadores integraron tres capacidades de visión por IA —detección facial, reconocimiento facial y estimación monocular de profundidad— en un dron DJI Tello de menos de 100 dólares. El resultado es un sistema modular de código abierto que puede rastrear a una persona, escanear espacios interiores y seguir una línea de forma autónoma, todo procesado en vivo en el ordenador embarcado del dron.
Tabla de contenidos
- Lo que construyeron los investigadores
- Resultados clave
- Cómo funciona
- Por qué esto es importante para la robótica
- Limitaciones y preguntas abiertas
- Preguntas frecuentes
- Conclusión
Lo que construyeron los investigadores
El equipo diseñó un sistema de IA integrado para el DJI Tello, un cuadricóptero comercial del tamaño de una palma. Reemplazaron el controlador de vuelo estándar con un stack de software modular que ejecuta tres redes neuronales en tiempo real: una para detectar rostros humanos, otra para reconocer individuos específicos (mediante embeddings ligeros) y otra para estimar profundidad a partir de una sola cámara. Un servidor Python en un ordenador portátil acompañante (o en una Raspberry Pi a bordo) maneja la inferencia y la generación de comandos. Una interfaz web permite a los operadores controlar el dron y ver la transmisión de vídeo en vivo con anotaciones de IA superpuestas.
El sistema ejecuta tres modos distintos: seguimiento de personas (sigue a una persona seleccionada manteniendo la distancia), escaneo interior (mapea sistemáticamente una habitación detectando obstáculos y ajustando la trayectoria) y seguimiento autónomo de líneas (utiliza sensores virtuales para seguir una línea de color en el suelo sin hardware adicional). Todos los modelos se eligen por su bajo costo computacional —variantes MobileNet y redes de profundidad ligeras—, por lo que se ejecutan a 15-20 fotogramas por segundo en un modesto procesador ARM.
Resultados clave
En pruebas reales, el sistema logró un seguimiento fiable de personas a velocidad de marcha (hasta 1,5 m/s) con un tiempo de readquisición inferior a 2 segundos tras oclusión temporal. La precisión del reconocimiento facial alcanzó el 92% en un conjunto de datos registrados pequeño (10 individuos) bajo iluminación interior controlada. La estimación monocular de profundidad produjo mapas de obstáculos utilizables a 8-12 fps, suficientes para evitar paredes y muebles durante el escaneo autónomo.
La arquitectura modular añade solo 0,3 segundos de latencia entre la captura de vídeo y la salida de comandos, muy dentro del margen para un vuelo estable. En comparación con un controlador PID base, el sistema mejorado con IA redujo la intervención manual en un 70% durante la tarea de escaneo. El coste total del hardware (dron + ordenador acompañante) se mantiene por debajo de los 200 dólares, lo que lo hace un orden de magnitud más barato que equivalentes comerciales como Skydio o Autel.
No se reportaron benchmarks estándar (p. ej., precisión ImageNet, error de profundidad ETH3D); el rendimiento se midió solo en escenarios específicos de la tarea.
Cómo funciona
El stack de software se divide en tres capas:
- Capa de percepción – Una única transmisión de cámara RGB (720p, 30 fps) se alimenta a tres redes neuronales ligeras en paralelo: una MobileNet-SSD para detección facial, una red de embeddings derivada de FaceNet para reconocimiento y una variante pequeña de MiDaS-v2 para estimación monocular de profundidad. Cada modelo se ejecuta en un hilo separado para mantener la concurrencia.
- Capa de control – Las salidas se fusionan en un vector de estado (posición objetivo, distancia, mapa de profundidad). Una máquina de estados finitos selecciona el modo activo: seguimiento, escaneo o seguimiento de línea. Controladores PID simples mapean el comportamiento deseado a comandos de motor, con una anulación de seguridad para proximidad de obstáculos.
- Capa de interfaz – Un servidor web basado en Flask transmite el vídeo con superposiciones de IA y acepta comandos mediante API REST o una GUI web con ratón/teclado. El dron se conecta por Wi-Fi usando el SDK Tello, enviando paquetes de comando a 10 Hz.
La novedad está en la integración: cada componente es reemplazable. Un usuario podría intercambiar la red de profundidad por un módulo de visión estéreo o reemplazar el reconocedor facial por un detector de objetos para una misión diferente. La interfaz web también registra todos los datos de inferencia para su análisis posterior a la misión.
Por qué esto es importante para la robótica
Este trabajo demuestra que la inteligencia visual en tiempo real no se limita a drones militares costosos. Al usar modelos de código abierto y un dron de juguete de 100 dólares, los investigadores presentan un modelo replicable para UAVs autónomos de bajo costo. Esto abre posibilidades para pequeñas empresas, equipos de rescate y aficionados que quieran desplegar drones de seguimiento de personas o inspección interior sin un presupuesto de seis cifras.
El diseño modular es especialmente importante: permite una adaptación rápida. Cambia el detector facial por un modelo de mapa térmico y tendrás un dron de asistencia a bomberos. Cambia el modo de seguimiento de línea para rastrear una tubería en un almacén y obtendrás un escáner de inventario de bajo costo. Para usuarios industriales, esto significa que una sola plataforma puede reconfigurarse para múltiples tareas, reduciendo costes de hardware y formación.
Echa un vistazo a robots industriales usados y robots de almacén en Robot Overflow para ver dónde ya destacan plataformas autónomas similares en entornos de producción.
Limitaciones y preguntas abiertas
El sistema tiene un tiempo de vuelo corto (13 minutos con la batería del Tello) y tiene dificultades bajo luz solar directa, donde el rango dinámico de la cámara se satura. La precisión del reconocimiento facial cae drásticamente con ángulos de visión amplios o iluminación lateral fuerte (por debajo del 60% para ángulos >60°). La estimación de profundidad sigue siendo gruesa: se pierden objetos de menos de 20 cm, lo que podría causar colisiones con muebles delgados.
El ordenador acompañante añade peso: las pruebas reportadas usaron un portátil en tierra, no un procesador a bordo. Una Raspberry Pi 4 a bordo solo logró 10 fps, degradando la estabilidad del seguimiento. Finalmente, el sistema no se ha probado en exteriores con viento o en condiciones sin GPS, lo que limita su aplicabilidad actual para misiones de búsqueda y rescate al aire libre.
Preguntas frecuentes
¿Qué dron usaron los investigadores? Un DJI Tello, un cuadricóptero de 99 dólares con cámara de 720p y conectividad Wi-Fi.
¿Qué tan rápido puede seguir a una persona en movimiento? Sigue de forma fiable a una persona caminando hasta 1,5 m/s y la readquiere en menos de 2 segundos si se pierde la línea de visión.
¿Puedo ejecutar esto en mi propio dron sin un portátil? Una implementación directa a bordo en una Raspberry Pi 4 funciona a 10 fps, lo cual es marginal para el vuelo. Se necesitaría un ordenador a bordo más potente (como un NVIDIA Jetson) para un rendimiento completo.
¿El sistema es de código abierto? Sí, los autores afirman que el código y las configuraciones de los modelos se publican bajo una licencia de código abierto, aunque no se proporciona un enlace directo al repositorio en el resumen.
Conclusión
Este proyecto demuestra que capacidades avanzadas de IA como el seguimiento facial, el reconocimiento y el mapeo de profundidad pueden ejecutarse en un dron de 100 dólares con un stack de software modular. Aunque aún no está listo para producción en condiciones exteriores adversas, allana un camino claro para UAVs autónomos asequibles y personalizables, adecuados para inspección interior, patrullas de seguridad y asistencia en búsquedas.