El programa comenzó con fotogrametría y luego se amplió al LiDAR, las imágenes térmicas y la detección multiespectral, con énfasis en las habilidades relevantes para las futuras operaciones más allá de la línea de visión directa (BVLOS).
Datos clave
- Premio: Reconocimiento especial del jurado, Global Drone Operations Awards 2026, categoría Academia e investigación
- Ganadora del premio: Embry-Riddle Aeronautical University Worldwide & Online Campus
- Ubicación: Estados Unidos, con estudiantes y equipos de campo en distintos estados
- Aplicación: Capacitación a distancia en sistemas aéreos no tripulados (UAS) y análisis geoespacial aplicado
- Modelo operativo: Participación a distancia de los estudiantes en operaciones de campo supervisadas por docentes
- Tecnología: UgCS, UgCS Companion, UgCS for DJI y DroneGIS de SPH Engineering; software de fotogrametría y de sistemas de información geográfica (SIG)
- Aeronaves y sensores: Plataformas de ala fija y multirrotor; sensores RGB, térmicos, multiespectrales y LiDAR en el plan de estudios ampliado
- Resultado clave: Aproximadamente un 97 % de concordancia con los datos de verdad de campo en la tarea inicial del detector de lápidas con inteligencia artificial (IA)
Capacitación práctica en drones para estudiantes a distancia
Embry-Riddle desarrolló el concepto Remote Split Operations en 2020, ante el acceso limitado de los estudiantes durante la pandemia de COVID-19. Las restricciones del espacio aéreo, el clima, el costo de los equipos y el acceso a lugares de vuelo adecuados también podían impedir que los estudiantes en línea realizaran trabajo práctico donde vivían.
La universidad utilizó sus recursos y la supervisión de sus docentes para que los estudiantes accedieran a misiones operativas sin tener que contar con aeronaves, sensores ni software especializados propios. Los docentes apoyaban las operaciones de las aeronaves en los lugares de campo, mientras los estudiantes participaban desde otros puntos de Estados Unidos.
El programa amplió la capacitación más allá del certificado de piloto remoto de la Parte 107 de la FAA, hacia la planificación de misiones, los sensores especializados, la gestión de riesgos y el análisis de datos. Las tareas abarcaban toda la secuencia, desde la definición de la misión hasta el informe técnico, para que los estudiantes pudieran evaluar cómo las decisiones operativas afectaban los resultados finales.
Planificación de misiones y vuelos a distancia con UgCS
Los estudiantes planificaron misiones para lugares que no habían visitado físicamente. Investigaron las clases de espacio aéreo, los NOTAM, las restricciones temporales de vuelo (TFR), el clima, el terreno y los obstáculos. También evaluaron los sitios de despegue y recuperación, las comunicaciones, el rendimiento de la aeronave, los requisitos de carga útil y los riesgos operativos.
Los estudiantes elaboraron sus planes de vuelo en UgCS de SPH Engineering y ensayaron las misiones con su emulador integrado antes de las operaciones reales. Luego, la participación a distancia se realizaba mediante UgCS Companion o UgCS for DJI, bajo la supervisión de los docentes.
Durante una misión de mapeo de un cementerio en Idaho, estudiantes en Florida controlaron a distancia un DJI Mavic 2 Enterprise Dual. Esta modalidad requirió coordinación entre los participantes remotos y el equipo de campo, con atención a las responsabilidades de la tripulación, las comunicaciones y la planificación de contingencias.
Procesamiento y validación de datos de drones
Tras la adquisición, los estudiantes procesaron las imágenes con software de fotogrametría como Pix4D e importaron los productos geoespaciales a herramientas de SIG y de IA. Según la tarea, los resultados incluían ortomosaicos, modelos digitales de superficie, modelos digitales del terreno y nubes de puntos.
Los estudiantes analizaron cómo las trayectorias de vuelo, los requisitos de captura de imágenes, las condiciones ambientales y la variabilidad estacional afectaban la calidad de los datos. Luego evaluaron si los productos obtenidos eran adecuados para el análisis previsto.
El flujo de trabajo continuaba con la anotación, el entrenamiento del detector de IA, la comparación con la verdad de campo y el informe técnico. Los estudiantes evaluaron los falsos positivos y los falsos negativos, y explicaron las limitaciones de sus resultados.
Detección de lápidas con IA con cerca de un 97 % de concordancia con la verdad de campo
En el proyecto inicial del cementerio, los estudiantes procesaron las imágenes del levantamiento para obtener ortomosaicos y entrenaron detectores de lápidas personalizados en ATLAS de SPH Engineering, ahora DroneGIS.
Compararon los resultados del detector con datos de verdad de campo establecidos de forma independiente. En mayo de 2021, la tarea alcanzó aproximadamente un 97 % de concordancia con los datos de referencia.
El ejercicio exigió que los estudiantes evaluaran todo el proceso analítico. La calidad de las imágenes, la anotación y el entrenamiento del detector influyeron en el resultado, mientras que la evaluación con la verdad de campo les dio una forma de medir el rendimiento e identificar errores.
Capacitación en LiDAR, imágenes térmicas y sensores multiespectrales
El programa se amplió de la tarea inicial de IA a levantamientos LiDAR, inspección térmica, mapeo de llanuras de inundación, monitoreo de fauna silvestre y aplicaciones de seguridad pública. Los estudiantes de pregrado y posgrado conocieron distintas tecnologías de aeronaves y sensores mediante cursos, simulación y operaciones supervisadas por docentes.
Las aeronaves de ala fija introdujeron aspectos como la autonomía, la cobertura de área y los requisitos de despegue y recuperación. Las plataformas multirrotor ofrecieron un contexto para el posicionamiento de precisión, las áreas de operación restringidas y las tareas de inspección.
El plan de estudios ampliado vinculó la selección de sensores con aplicaciones específicas:
- LiDAR: Invasión de vegetación en líneas de transmisión, modelos del terreno, nubes de puntos y medición de estructuras.
- Imágenes térmicas: Tareas de inspección, incluidos trabajos relacionados con la disponibilidad de agua, junto con aplicaciones de seguridad pública y ambientales.
- Detección multiespectral: Análisis de vegetación, monitoreo ambiental e índices espectrales.
En una misión en una línea de transmisión, estudiantes en Texas participaron a distancia mientras la aeronave operaba en Arizona. La configuración utilizó un DJI Matrice 400 con un sensor LiDAR DJI Zenmuse L3, y UgCS y UgCS Companion de SPH Engineering para investigar la invasión de vegetación.
Preparación de profesionales de UAS para las futuras operaciones BVLOS
El modelo preparó a los estudiantes para puestos en sistemas aéreos no tripulados (UAS), como planificador de misiones, coordinador de vuelo, especialista en carga útil, analista de datos y supervisor de operaciones. Los estudiantes practicaron la coordinación distribuida y analizaron cómo las decisiones operativas afectaban tanto la ejecución del vuelo como la utilidad de los datos recolectados.
La preparación para el futuro trabajo BVLOS incluyó la evaluación del espacio aéreo, la supervisión operativa, las comunicaciones, la previsión de contingencias y la validación de datos. Los estudiantes también aprendieron cómo los equipos organizaban las responsabilidades y gestionaban misiones en distintos lugares.
El enfoque también vinculó los cursos con la investigación aplicada. Los estudiantes definieron problemas operativos, seleccionaron sensores, desarrollaron misiones, evaluaron los resultados analíticos y presentaron sus conclusiones en informes técnicos.
Premio
Embry-Riddle Aeronautical University Worldwide & Online Campus fue premiada en la categoría Academia e investigación de los Global Drone Operations Awards 2026 por su modelo educativo Remote Split Operations.