Un espectáculo de luces terminó en una cascada de fallos cuando cincuenta drones colisionaron en pleno vuelo. Las autoridades y los técnicos sospechan que el humo generado por un efecto pirotécnico saturó los sensores de proximidad. Para confirmarlo, se ha iniciado una reconstrucción forense que combina fotogrametría aérea y simulación en tiempo real, buscando replicar el error de oclusión dentro de un gemelo digital del evento.
Reconstrucción de trayectorias con RealityCapture y Pix4D 🚁
El primer paso fue capturar el espacio del show mediante múltiples tomas aéreas y terrestres. RealityCapture procesó las imágenes para generar una nube de puntos densa del entorno, incluyendo la posición exacta de cada dron en el instante previo al impacto. Paralelamente, Pix4D se utilizó para calcular los vectores de vuelo individuales a partir de los datos de telemetría, corrigiendo derivas y alineando las rutas con el modelo 3D. Este proceso permitió identificar las zonas de mayor densidad de partículas de humo, donde los sensores de oclusión fallaron al no detectar la proximidad de las aeronaves vecinas. La fusión de ambos programas produjo un mapa de calor de colisiones potenciales, señalando los puntos exactos donde la cadena de errores se propagó.
Simulación en Unreal Engine 5: el humo como variable crítica 🎮
Con el gemelo digital listo, se importaron las trayectorias reconstruidas a Unreal Engine 5. Allí se ejecutó una simulación que replicaba las condiciones lumínicas y de partículas del show original. Al activar el efecto de humo volumétrico, los sensores virtuales de los drones mostraron una pérdida de precisión en la detección de objetos cercanos, validando la hipótesis del error de oclusión. La visualización de los vectores de vuelo y los puntos de impacto en tiempo real confirmó que la saturación del sensor LiDAR por las partículas en suspensión fue la causa raíz de la reacción en cadena, ofreciendo una lección técnica para futuros diseños de enjambres en entornos con interferencias físicas.
Cómo modelar correctamente en un gemelo digital 3D la propagación de humo y la oclusión de sensores para predecir colisiones en cadena durante un espectáculo de drones en condiciones de visibilidad reducida?
(PD: Simular trayectorias es como jugar al billar, pero sin tener que limpiar la mesa después.)