Resultados

A continuación se presenta un resumen estructurado de los principales resultados obtenidos en el proyecto, acompañados de referencias a algunos de los artículos publicados en revistas científicas que contienen desarrollos y validaciones directamente relacionados con cada una de las líneas de trabajo.

El proyecto ha avanzado de forma significativa en la definición y validación de nuevos conceptos operativos para la gestión integrada del tráfico aéreo urbano, abarcando desde la planificación estratégica hasta la separación táctica y el control autónomo. El simulador desarrollado permite reproducir escenarios complejos de movilidad aérea urbana, gestionar flotas, evaluar procesos de autorización avanzada y modelar mecanismos de vigilancia cooperativa, cubriendo un espectro operativo considerablemente más amplio que el habitual en la literatura. Algunos de los resultados asociados a esta línea, particularmente aquellos centrados en la supervisión cooperativa de aeronaves y en la integración de sensores para la gestión segura del tráfico, pueden verse en los artículos Review and Simulation of Counter-UAS Sensors for Unmanned Traffic Management y Modelling and Simulation of Collaborative Surveillance for Unmanned Traffic Management, que analizan de forma exhaustiva la integración de sensores y estrategias de vigilancia para entornos UTM avanzados.

En paralelo, el proyecto ha desarrollado tecnologías avanzadas para la adquisición, interpretación, fusión y visualización de información procedente de drones y otras fuentes de la ciudad inteligente. Estas capacidades incluyen mecanismos de fusión basados en contexto, técnicas de aprendizaje profundo, nuevas metodologías para la interacción humano-máquina y soluciones inmersivas para centros de control urbanos. Asimismo, se han estudiado formas innovadoras de interacción natural mediante gestos, algoritmos multimodales para la interpretación visual basada en modelos de última generación y técnicas de procesado eficiente en el borde para habilitar capacidades embarcadas en vehículos aéreos. Algunos de los resultados de esta línea, específicamente los relacionados con la interacción basada en gestos y la aceptación de nuevas sintaxis de control, se presentan en Assessing the Acceptance of a Mid-Air Gesture Syntax for Smart Space Interaction: An Empirical Study. De forma complementaria, los avances en visión por computador y modelos multimodales pueden verse en Exploring the Use of Contrastive Language-Image Pre-Training for Human Posture Classification: Insights from Yoga Pose Analysis, mientras que el análisis del despliegue de modelos de inteligencia artificial en hardware embebido para drones se detalla en A Performance Analysis of You Only Look Once Models for Deployment on Constrained Computational Edge Devices in Drone Applications.

Finalmente, el proyecto ha validado sus desarrollos mediante demostradores que combinan vuelos reales y simulación de alta fidelidad, aplicando las tecnologías desarrolladas a escenarios de transporte multimodal, urbanismo y seguridad. Estos demostradores permiten evaluar la operación autónoma de flotas, la integración con sistemas urbanos y la respuesta ante escenarios complejos. Dentro de esta línea, algunos resultados orientados a operaciones cooperativas avanzadas y a la toma de decisiones basada en algoritmos de aprendizaje profundo pueden encontrarse en Application of Deep Reinforcement Learning to UAV Swarming for Ground Surveillance, que explora estrategias de coordinación distribuida aplicables a misiones de vigilancia y supervisión urbana.