T04-F01 · Motor de Inferencia Distribuida en el Borde para UAV

Código original: P-01

Decisión de la ficha

Avanzar con condiciones

Condiciones: Identificación y pre-acuerdo con un socio tecnológico experto en FPGA y acceso a datasets para validar la precisión del modelo cuantizado.

1. Identificación de la propuesta

Código: P-01
Nombre de la propuesta: Motor de Inferencia Distribuida en el Borde para UAV
Origen: Propuesta interna exploratoria de SIXTEMA
Línea estratégica: Arquitecturas Edge-to-Cloud y procesamiento distribuido
Dominio: Aéreo
Tipo de uso: Defensa
Fecha de análisis: 22/05/2024
Responsable de la ficha: Pipeline automático - pendiente de asignación
Estado: En análisis

2. Problema concreto

Descripción: Existe un retraso crítico entre la captación de datos sensoriales en UAVs (vehículos aéreos no tripulados) y su disponibilidad para el operador. Esto se debe a que el procesamiento es remoto, obligando a transmitir grandes volúmenes de datos hacia centros externos, lo que degrada la oportunidad de la decisión táctica [ev_0002, ev_0003].
Consecuencia principal: Pérdida de 'oportunidad' operativa: el tiempo transcurrido entre la detección y la decisión hace que la respuesta sea irrelevante o ineficaz [ev_0003].
Usuario afectado: Operador
Criticidad: Alta
Frecuencia estimada: Continua
Entorno de aparición: Degradado

3. Ejemplo operativo y evidencia

Escenario: Durante una misión de vigilancia persistente y explotación de ISR (Inteligencia, Vigilancia y Reconocimiento), un operador de UAV utiliza sensores EO/IR (electro-ópticos e infrarrojos) para monitorizar una zona de interés. En un entorno DDIL (comunicaciones denegadas, degradadas, intermitentes o limitadas), el sistema intenta enviar el flujo bruto de video a un centro de cómputo remoto para procesar la detección de objetivos [ev_0003]. Debido al ancho de banda limitado y la latencia del enlace, el operador recibe la alerta de un objetivo dinámico con un retraso significativo. Este cuello de botella en el transporte de datos impide que el operador tome una decisión táctica inmediata sobre la validación del blanco, ya que para cuando la información procesada llega al BMS (sistema de mando y control de combate), el objetivo puede haber cambiado de posición o desaparecido [ev_0002]. La misión falla no por falta de sensores, sino por la incapacidad de realizar cómputo en el borde (edge computing: capacidad de procesar los datos directamente en el dispositivo donde se generan) debido a restricciones de SWaP (limitaciones de tamaño, peso y consumo eléctrico) y gestión térmica del hardware onboard [ev_0002].
Activos implicados: UAVs, sensores EO/IR, BMS (sistema de mando y control de combate), centros de cómputo remotos.
Información disponible: Flujos de video brutos de sensores EO/IR, telemetría térmica del hardware.
Limitación actual: Dependencia del procesamiento remoto y restricciones físicas de SWaP que impiden integrar GPUs discretas (>150W) en plataformas pequeñas [ev_0002].
Consecuencia operacional: Aumento de la carga cognitiva del operador y degradación de la capacidad de respuesta ante amenazas dinámicas.
Fuente de evidencia: ev_0002, ev_0003
Tipo caso: Plausible pendiente de validar

4. Solución propuesta

Descripción de la solución

Implementar un motor de inferencia local en el UAV basado en aceleradores FPGA (chips configurables lógicamente) y modelos de IA cuantizados (reducción de la precisión numérica para optimizar recursos), transmitiendo únicamente alertas o metadatos procesados al operador.

Datos de entrada

Flujos de video brutos EO/IR, modelos de detección pre-entrenados y telemetría térmica del hardware.

Procesamiento principal

Ejecución de inferencia en tiempo real mediante FPGA con pipeline de cuantización (conversión FP32 a INT8/FP16) y gestión dinámica de carga según presupuesto térmico.

Resultado / salida

Alertas filtradas y metadatos procesados (evitando el streaming continuo de video bruto).

Sistema, arquitectura e integración

Integración entre la interfaz de sensores EO/IR del UAV y el BMS para la entrega de alertas.

Funcionamiento resumido

1. Entrada: Captura de video EO/IR -> 2. Procesamiento: Inferencia en FPGA con modelos cuantizados -> 3. Resultado: Generación de alerta selectiva -> 4. Integración: Envío de alerta al BMS del operador.

Componentes funcionales

Motor de inferencia optimizado para FPGA
Pipeline de cuantización de modelos
Módulo de gestión térmica y energética
Filtro inteligente de datos para transmisión selectiva

5. Aportaciones concretas de SIXTEMA

Qué asumiría SIXTEMA: Desarrollo del software de cuantización, lógica de filtrado inteligente de alertas e integración de los resultados en el BMS y la Plataforma de Datos Geoespaciales.
Qué entregaría: Módulo
Tipo de entregable: Módulo
Qué queda fuera de alcance: Diseño físico del hardware FPGA, certificaciones aéreas de vibración y suministro del silicio.
Qué aportarían los socios: Ingeniería electrónica especializada en firmware para FPGA y optimización a nivel de silicio; integración física en la plataforma UAV.
Modalidad de ejecución: Consorcio
Socios necesarios: Integrador de plataforma (ej. Airbus Defence and Space) y socio tecnológico experto en hardware/FPGA.

6. Capacidades reales que respaldan la propuesta

Capacidad real: IA y Soporte a la Decisión
Proyecto / experiencia: Sistemas de detección de anomalías e identificación de patrones
Qué demuestra: Capacidad para generar alertas y recomendaciones automatizadas, base necesaria para el filtrado inteligente de datos propuesto en la solución
Nivel evidencia: Alta

Capacidad real: Plataforma de Datos Geoespaciales (GeoINT)
Proyecto / experiencia: Sistemas de Inteligencia Geoespacial
Qué demuestra: Experiencia en la integración y análisis de información multi-sensor, fundamental para procesar flujos EO/IR (electro-ópticos e infrarrojos)
Nivel evidencia: Alta

Capacidad real: Arquitecturas Escalables Cloud-Native
Proyecto / experiencia: Habilitadores de Nube Táctica
Qué demuestra: Capacidad para desplegar servicios operativos en entornos distribuidos y procesar datos en tiempo real
Nivel evidencia: Alta

7. Capacidades futuras o en evolución

Capacidad futura: Arquitecturas Edge-Cloud Federadas en entornos denegados
Proyecto / iniciativa: Estrategia de Nube Táctica / Procesamiento en el extremo
Estado: En curso
Resultado esperado: Reducir la dependencia de centros remotos mediante procesamiento local (Edge), mitigando la latencia en entornos DDIL (comunicaciones denegadas, degradadas, intermitentes o limitadas)

8. Tecnología involucrada

Capa / función: Aceleración de Hardware
Tecnología / patrón: FPGA (Field Programmable Gate Arrays - chips configurables lógicamente)
Situación en SIXTEMA: Por incorporar
Responsable / socio: Socio tecnológico especializado en hardware electrónico/FPGA

Capa / función: Optimización de Modelos de IA
Tecnología / patrón: Cuantización (reducción de precisión numérica, ej. INT8/FP16)
Situación en SIXTEMA: Pendiente de validar
Responsable / socio: Equipo interno / Socio experto en IA

Capa / función: Frameworks de Compilación
Tecnología / patrón: Xilinx Vitis AI o similares
Situación en SIXTEMA: Por incorporar
Responsable / socio: Socio tecnológico especializado en hardware electrónico/FPGA

9. Encaje con programas y marcos europeos

Programa europeo: EDF
Convocatoria / topic: Pendiente de búsqueda
Marco / estándar prioritario: Nube táctica, inteligencia de datos y superioridad de la información
Valoración del encaje: Alto
Justificación: La propuesta se alinea directamente con las prioridades del EDF en cuanto a procesamiento de datos en el borde y resiliencia de la información en entornos operativos.
Fuente de referencia: financiacion.md (Propuesta)

10. Diferenciación aportada

Diferenciador: Integración vertical Edge-to-BMS
Por qué es relevante: Permite que la alerta procesada en el hardware FPGA llegue directamente al BMS (sistema de mando y control de combate) del operador, cerrando el ciclo de decisión
Evidencia: Capacidades actuales en Sistemas C2 e Inteligencia de Datos

Diferenciador: Enfoque en SWaP y Gestión Térmica
Por qué es relevante: A diferencia de soluciones genéricas de IA, esta se diseña específicamente para las restricciones físicas (tamaño, peso y potencia) de UAVs pequeños
Evidencia: Análisis de viabilidad técnica basado en comparativa FPGA vs GPU

11. Actores objetivo y vías de entrada

Actor identificado: Airbus Defence and Space
Necesidad / interés: Optimización de sus plataformas ISR y reducción de latencia en el procesamiento onboard
Vía de entrada: Consorcio
Relación actual: Existente

Actor identificado: Ministerio de Defensa / DGAM
Necesidad / interés: Autonomía tecnológica en capacidades de procesamiento en el borde para UAVs
Vía de entrada: Convocatoria
Relación actual: Incipiente

Actor identificado: Socio tecnológico especializado en FPGA
Necesidad / interés: Necesidad de un integrador de software y C2 para desplegar sus capacidades de hardware en casos de uso reales
Vía de entrada: Socio intermediario
Relación actual: Sin relación

12. Brechas y dependencias

Brecha / dependencia: Desarrollo de firmware específico para FPGA y optimización a nivel de silicio
Impacto: La empresa no posee esta capacidad explícitamente, lo que impide la implementación autónoma del motor de inferencia.
Cómo cubrirla: Colaboración con un socio tecnológico especializado en hardware electrónico/FPGA o inversión en formación técnica especializada.
Responsable potencial: Socio tecnológico externo / Equipo de I+D interno

Brecha / dependencia: Certificación aérea y resistencia a vibraciones del hardware FPGA
Impacto: Riesgo de que el hardware seleccionado no sea viable para su integración física en la plataforma UAV.
Cómo cubrirla: Validación técnica con el integrador de la plataforma (ej. Airbus Defence and Space) y pruebas de estrés mecánico/térmico.
Responsable potencial: Airbus Defence and Space / Integrador de plataforma

Brecha / dependencia: Conjunto de datos etiquetados para re-validación post-cuantización
Impacto: Sin estos datos, no se puede medir el 'accuracy drop' (pérdida de precisión) derivado de la reducción de la precisión numérica del modelo.
Cómo cubrirla: Acuerdo de intercambio de datos con el usuario final o generación de datasets sintéticos validados.
Responsable potencial: Ministerio de Defensa / DGAM

13. Valoración final por criterios

Criterio	Valoración	Justificación
Relevancia del problema	Alta	La latencia en el ciclo de decisión táctica es crítica para la supervivencia y eficacia en misiones ISR.
Calidad de la evidencia	Media	Sólida en narrativa técnica, pero pendiente de validación de fuentes primarias (ev_0002, ev_0003).
Encaje con SIXTEMA	Alta	Alineado con la estrategia de Arquitecturas Edge-Cloud Federadas y reutilizable en sistemas C2.
Capacidades reales disponibles	Media	Sólido en software de C2 e inteligencia, pero débil en optimización a nivel de silicio/FPGA.
Diferenciación	Alta	Enfoque agresivo en SWaP (tamaño, peso y potencia) mediante cuantización y FPGA frente a soluciones GPU estándar.
Encaje europeo	Alta	Alineado con prioridades del EDF en nube táctica e inteligencia de datos.
Actor o vía de entrada identificada	Media	Identificados actores clave (Airbus, MDN), pero sin relación formal establecida para este proyecto.
Potencial dual	Alta	Aplicable a cualquier vehículo autónomo con restricciones energéticas y necesidad de procesamiento local.
Madurez preliminar	Baja	Nivel TRL 4-5; requiere prototipado y validación de la pérdida de precisión por cuantización.
Cobertura brecha tecnológica	Alta	Resuelve el cuello de botella del transporte de datos en entornos DDIL (comunicaciones degradadas).
Autonomía respecto a socios	Baja	Dependencia crítica de un socio de hardware para el desarrollo del firmware FPGA.
Viabilidad preliminar	Media	Técnicamente plausible, pero con riesgos operativos en tiempos de desarrollo y validación.

14. Decisión y conclusión final

Resultado: Avanzar con condiciones
Condiciones para avanzar: Identificación y pre-acuerdo con un socio tecnológico experto en FPGA y acceso a datasets para validar la precisión del modelo cuantizado.
Validaciones pendientes: Compatibilidad del hardware con certificaciones aéreas, impacto real del 'accuracy drop' y disponibilidad de fondos en convocatorias EDF/NIF.
Próximo hito: Definición de la arquitectura técnica detallada y búsqueda de socio para el desarrollo del firmware FPGA.
Síntesis: Solución de alta relevancia que reduce la latencia de decisión en UAVs mediante cómputo en el borde (FPGA + cuantización). Encaja estratégicamente con SIXTEMA, aunque presenta una brecha crítica en capacidades de hardware/silicio. Se recomienda avanzar condicionada a la búsqueda de un socio tecnológico.

15. Fuentes y trazabilidad

Sin referencias registradas.

Evidencias del clúster: ev_0002, ev_0003