Investigadores del Instituto de Estudios Aeroespaciales de la Universidad de Toronto (UTIAS) han desarrollado algoritmos de autonomía que podrían facilitar en el futuro el transporte de carga en la Luna, mejorando la seguridad y la eficiencia de las misiones espaciales. Este avance es parte de un esfuerzo más amplio por parte de Canadá, que busca contribuir de manera significativa a las exploraciones lunares y a la iniciativa Artemis de la NASA.
El equipo, liderado por el profesor Tim Barfoot y el estudiante de doctorado Alec Krawciw, está trabajando en una tecnología destinada a un vehículo utilitario lunar propuesto por el gobierno canadiense. Este vehículo tendrá la capacidad de navegar entre puntos de entrega de carga durante futuras misiones lunares, abordando un desafío logístico crítico una vez que los astronautas aterricen en la superficie lunar.
Retos de la exploración lunar
Tim Barfoot, quien también es director del Instituto de Robótica de la U de T, explica que «la exploración lunar implica un sitio de aterrizaje y un sitio de hábitat separados por aproximadamente cinco kilómetros». Esta separación plantea dificultades, ya que el sitio de aterrizaje debe ser plano para garantizar un descenso seguro, mientras que el hábitat necesita estar protegido de la radiación, generalmente ubicado detrás de terrenos rocosos. Esto significa que los astronautas deben mover toda la carga desde la nave espacial hasta el hábitat, lo que puede ser un esfuerzo considerable.
A diferencia de misiones anteriores en las que los rovers exploraban múltiples direcciones para recopilar datos, el vehículo utilitario lunar realizará viajes regulares de ida y vuelta entre ubicaciones fijas para entregar suministros y equipos a los astronautas. Este enfoque marca la primera vez que un rover espacial tendrá que repetir la misma ruta, lo que hace que el marco de navegación de enseñanza y repetición de Barfoot sea especialmente adecuado para la misión.
Los algoritmos de «enseñanza y repetición» permiten que el rover sea pilotado a lo largo de una ruta predeterminada mediante conducción manual o física. Una vez que ha aprendido el camino, puede repetirlo automáticamente tantas veces como sea necesario. Barfoot señala que «al automatizar esta parte de la misión, se ahorra tiempo y energía a los astronautas, se limita su exposición a las condiciones lunares y se incrementa la productividad de la misión».
En el marco de su investigación doctoral, Krawciw está adaptando esta tecnología de conducción autónoma para su integración con el vehículo de prueba de la Agencia Espacial Canadiense, el Lunar Exploration Light Rover (LELR). En diciembre de 2024, Krawciw y Barfoot participaron en pruebas de campo del sistema autónomo en un centro de terrenos análogos de la Agencia Espacial en Montreal, que simula la superficie de Marte. Estas pruebas ofrecieron la oportunidad de identificar y abordar limitaciones tanto de hardware como de software al operar en condiciones similares a las lunares.
Krawciw destaca que «adaptar nuestro código al LELR trajo consigo desafíos inesperados». La simulación de condiciones lunares introdujo un retraso de cinco segundos en el mando y la retroalimentación, lo que hizo que no se pudiera confiar en el control manual habitual. Esto llevó al equipo a desarrollar un nuevo método de enseñanza semi-autónoma utilizando segmentos de ruta más cortos, algo que no habían hecho previamente.
Tras un exitoso trial de campo, el equipo fue seleccionado en julio de 2025 por la Agencia Espacial Canadiense para llevar a cabo un estudio inicial sobre el vehículo utilitario lunar como parte de la iniciativa de exploración de la superficie lunar de la agencia. Esta será la próxima contribución de Canadá al programa Artemis de la NASA, que tiene como objetivo establecer una presencia humana sostenible en la Luna.
A medida que el equipo se prepara para que el vehículo esté listo para la misión, Krawciw se centra en mejorar el rendimiento del sistema en condiciones del mundo real y en asegurarse de que esté listo para despliegues de larga duración. «Aprendimos mucho al ejecutar el sistema de forma continua en el campo», concluye Krawciw. «No solo se trataba de hacer que la autonomía funcionara, sino de hacerla fiable y fácil de usar para los operadores que podrían utilizarla todo el día, en condiciones difíciles».
