Un equipo ha acoplado un sistema de percepción aérea basado en la red neuronal YOLOv8 con un planificador de rutas de drones basado en aprendizaje por refuerzo, con el objetivo de coordinar la entrega de suministros en escenarios de emergencia. La propuesta se presenta como una prueba de concepto de bucle cerrado: la detección visual alimenta en tiempo real las decisiones de asignación y replanificación de los vehículos aéreos no tripulados.

El trabajo aborda un problema abierto en la logística humanitaria: cómo mantener coherentes las percepciones del terreno y las decisiones de reparto cuando las condiciones cambian durante la operación. Los sistemas convencionales suelen separar la visión por computador de la planificación de rutas, lo que obliga a recurrir a mapas precalculados y dificulta la adaptación a obstáculos o demandas imprevistas.

En la arquitectura propuesta, YOLOv8 se encarga de identificar y clasificar elementos relevantes en las imágenes capturadas por los drones, mientras que un agente de aprendizaje por refuerzo ajusta las rutas y la asignación de recursos en función de esa información. El bucle cerrado permite que las actualizaciones visuales modifiquen directamente la política de planificación sin intervención humana.

La pieza se describe como prueba de concepto, por lo que sus resultados se centran en la viabilidad del acoplamiento más que en una validación a gran escala. Los autores señalan que la integración de percepción calibrada y planificación adaptativa podría reducir los tiempos de respuesta en operaciones de socorro, aunque serán necesarios ensayos en condiciones reales para cuantificar su ventaja frente a los métodos existentes.