Las rutas de los capitanes superan a la IA convencional en la navegación marítima

Las vías navegables concurridas, como el Seto Inland Sea de Japón, son una prueba mucho más exigente para la autonomía que las carreteras. Los barcos deben manejar tráfico denso, canales estrechos, cientos de islas, condiciones cambiantes y normas marítimas al mismo tiempo. Un equipo dirigido por el profesor asistente Takefumi Higaki en Osaka Metropolitan University afirma haber encontrado una mejor manera de entrenar un sistema de navegación autónoma: aprender directamente de capitanes experimentados.

El estudio, publicado en Ocean Engineering, utilizó datos de maniobra del Fukae-Maru, un buque de entrenamiento de Kobe University. En lugar de construir el modelo en torno a objetivos y reglas explícitas, los investigadores emplearon IA de difusión. En vez de predecir una única mejor acción, el sistema genera una trayectoria completa basada en el abanico de acciones que podría tomar una persona experimentada.

Eso importa en aguas concurridas, donde las decisiones a menudo dependen de la ambigüedad y del juicio, aspectos difíciles de expresar matemáticamente. El equipo comparó su modelo con dos IA de navegación líderes construidas con métodos convencionales de aprendizaje automático basados en aprendizaje por imitación. En simulaciones realistas, el sistema basado en difusión manejó casos que confundieron a los otros modelos, a la vez que gestionaba números arbitrarios de barcos, líneas de costa, vías navegables estrechas y control de velocidad.

En pruebas de encuentro entre barcos, el modelo siguió consistentemente las normas internacionales para evitar colisiones y mantuvo una distancia segura respecto a otras embarcaciones. Durante el entrenamiento, también empezó a mostrar comportamientos que nunca se habían programado explícitamente. Un ejemplo fue la costumbre local en la Akashi Kaikyo Traffic Route de mantenerse a la derecha dentro de los carriles de tráfico designados; la IA se desplazó repetidamente al carril correcto por sí sola.

Recomendado

Google prepara el chip Frozen v2 para un salto de eficiencia de Gemini

«La característica más distintiva de este estudio es que no equilibramos explícitamente múltiples objetivos como la evitación de colisiones, las limitaciones geográficas, la eficiencia de la navegación y el cumplimiento de las normas de tráfico marítimo; sin embargo, la IA los logró.»

«Nuestro enfoque permite que la IA aprenda de forma autónoma habilidades sofisticadas de manejo de barcos directamente a partir de datos operativos reales, en lugar de que los investigadores definan manualmente qué constituye un comportamiento correcto.»

Los investigadores afirman que un acceso más amplio a datos reales de operación de buques podría hacer que la navegación autónoma sea más común, al igual que se han difundido los coches impulsados por IA. Esperan que el trabajo mejore la seguridad y ayude a abordar la escasez de mano de obra en la industria marítima, especialmente en Japón.

El artículo se titula «Planificador de rutas por difusión: modelado impulsado por datos de la navegación humana de buques que equilibra implícitamente seguridad, eficiencia y cumplimiento de normas bajo complejas restricciones geográficas», por Takefumi Higaki et al. Tiene el DOI 10.1016/j.oceaneng.2026.125656.