Desde los albores de la humanidad, exploración de ciertos lugares, que van desde las profundidades de los océanos hasta los bordes del universo, ha llevado a numerosos descubrimientos. Sin embargo, También hay varios entornos que deben examinarse pero no pueden observarse directamente. como reactores químicos o nucleares, Tuberías de distribución de agua o aceite subterráneas, espacio y interior del cuerpo. El proyecto Phoenix, financiado con fondos europeos, ha abordado este desafío desarrollando una nueva línea de tecnología que ofrecerá la oportunidad de llegar a lugares inalcanzables.

Imagine una escena en la que pequeños sensores pueden moverse con el flujo de líquido para explorar el tracto digestivo de una persona o examinar la calidad de las tuberías de agua para predecir y prevenir fugas y pérdidas. Puede parecer una fantasía de ciencia ficción pero esta es la visión de Phoenix, que está un paso más cerca de crear agentes físicos versátiles que explorarán de manera óptima entornos desconocidos. Gracias a su capacidad de evolucionar con autoorganización, características autoadaptables, Estos pequeños nodos de sensores inalámbricos optimizarán la cantidad y la calidad de la información sobre ubicaciones a las que nadie puede llegar.

Enjambre de motas

Los socios del proyecto realizaron una prueba inicial el año pasado utilizando motas de plástico del tamaño de una pelota de ping-pong llenas de microsensores. Cada una de estas bolas puede recopilar información específica y dar una imagen general comunicándose entre sí y formando redes. Por ejemplo, los socios esperan que en el futuro un enjambre de estas motas sea capaz de detectar problemas como obstrucciones o fallas en tuberías subterráneas.

Las motas, como agentes físicos, exploran el entorno desconocido para recopilar información. Esta información se utiliza para construir un modelo virtual del entorno en cuestión. Una noticia en la plataforma periodística Orígenes de la innovación explica el proceso:"Los datos combinados se introducen en un segundo, sistema de mainframe centralizado y menos restringido que aplica enfoques sofisticados de inteligencia artificial en agentes virtuales en un mundo virtual. Sus aprendizajes y 'sabiduría' se pueden utilizar para reprogramar los reflejos e instintos de los sensores, mejorando así su precisión o relevancia de una manera evolutiva ".

Estos instintos evolucionados se traducen en hardware y los sensores vuelven a pasar por el sistema para mejorar las observaciones y los modelos para el mainframe. El proceso se repite varias veces para analizar mejor el entorno desconocido que se investiga. Un artículo de opinión en el sitio web de la Comisión Europea se refiere al concepto de "coevolución" donde "los enjambres de sensores y el modelo del lugar inaccesible se optimizan simultáneamente a través de procesos evolutivos que finalmente dan como resultado enjambres de sensores altamente optimizados y modelos de alta precisión".

Ahora en su último año, El proyecto Phoenix (Explorando lo desconocido a través de la reencarnación y la coevolución) se lanzó en 2015 para explorar entornos inalcanzables con agentes físicos que son muy restringidos en tamaño y recursos. y que puede funcionar sin control directo sobre el software y el hardware.