La operación de drones en entornos complejos y peligrosos, como inspecciones industriales en interiores, presenta un alto riesgo de colisiones y requiere una gran destreza por parte del piloto. ¿Y si pudiéramos darle al piloto un copiloto de inteligencia artificial que anticipe errores y garantice la seguridad?

En esta charla, exploraremos cómo desarrollar un sistema de teleoperación asistida para cuadricópteros utilizando Python, simulación y aprendizaje por refuerzo profundo (Deep RL). Partiremos desde cero, configurando un entorno de simulación fotorrealista con Webots para entrenar un agente de IA. Veremos cómo, usando librerías como stable-baselines3 e imitation, podemos enseñar a un dron a navegar de forma óptima y, lo más interesante, cómo usar ese conocimiento para asistir a un piloto humano.

Profundizaremos en el concepto de "autonomía compartida", donde el sistema de IA no reemplaza al humano, sino que colabora con él. Mostraremos cómo simulamos pilotos con comportamientos "humanos" (con retrasos o errores) para entrenar un copiloto que interviene solo cuando es necesario, corrigiendo trayectorias peligrosas y previniendo accidentes.

Al final de esta sesión, no solo entenderás los fundamentos para aplicar aprendizaje por refuerzo en robótica, sino que también verás un caso práctico de cómo Python se convierte en el puente entre una idea compleja de IA y una aplicación funcional con impacto en el mundo real. Descubrirás un flujo de trabajo completo para prototipar, entrenar y evaluar sistemas robóticos inteligentes de manera segura y eficiente, abriendo la puerta a innumerables aplicaciones industriales.