NAITEST

Artículos científicos

• UAVradio: Radio link path loss estimation for UAVs. Aláez Gómez, Daniel; Celaya Echarri, Mikel; Azpilicueta Fernández de las Heras, Leyre; Villadangos Alonso, Jesús. SoftwareX, 25 (2024)
• HIL flight simulator for VTOL-UAV pilot training using X-plane. Aláez Gómez, Daniel, Olaz Moratinos, Xabier, Prieto Míguez, Manuel, Porcellinis Pascau, Pablo de, Villadangos Alonso, Jesús. Information, 2022, 13(12), 1-17 (Q2)
• Digital twin modeling of open category UAV radio communications: A case study. D. Aláez, P. Lopez-Iturri, M. Celaya-Echarri, L. Azpilicueta, F. Falcone, J. Villadangos, J.J. Astrain. Computer Networks (Q1). Volume 242, 2024.
• Regulatory Compliant UAS Navigation Based on a Bitmap Grid Local Path Planning Algorithm. Pablo De Porcellinis Pascau, J. Villadangos, D. Aláez, M. Prieto. 15th annual International Micro Air Vehicle Conference and Competition. 2024, 16-20 Sept. Bristol, United Kingdom
• D. Aláez, M. Prieto, J. Villadangos and J. J. Astrain. On Constructing Efficient UAV Aerodynamic Surrogate Models for Digital Twins. IEEE Transactions on Industrial Informatics, vol. 20, no. 11, pp. 13181-13189, Nov. 2024,

Comunicaciones en congresos

• Integración de IA en la Validación Virtual de ADAS en Entornos Dinámicos. A. Iriondo, O. Del Barrio, J. Sota, N. Garmendia. 25º Congreso Español sobre Sistemas Inteligentes de Transporte (ITS), 2025, 18-20 Feb. Madrid, España.

Problema por resolver

La movilidad autónoma y conectada representa uno de los mayores retos tecnológicos de la actualidad, tanto en el ámbito terrestre como aéreo. Vehículos autónomos y drones requieren sistemas inteligentes capaces de percibir su entorno, tomar decisiones en tiempo real y actuar de forma segura. Sin embargo, validar y certificar estos sistemas es una tarea compleja, costosa y que requiere entornos de prueba controlados, realistas y repetibles.

En este contexto, surge la necesidad de contar con metodologías y herramientas que permitan validar estos sistemas de forma eficiente, segura y conforme a las normativas vigentes. Además, es fundamental que estas herramientas sean capaces de simular situaciones reales de tráfico o vuelo, permitiendo detectar errores y mejorar los algoritmos antes de su implementación en entornos reales.

Objetivo del proyecto

El proyecto NAITEST se plantea como una iniciativa estratégica para desarrollar un centro de validación y ensayo de sistemas asociados a la movilidad autónoma y conectada. Su objetivo principal es el diseño y la implementación de metodologías de validación virtual y física para sistemas embarcados en vehículos y drones, con especial atención a:

• Sistemas ADAS (Advanced Driver Assistance Systems) en vehículos autónomos.
• Sistemas DAA (Detect and Avoid) en drones.

Para ello, se propuso el desarrollo de plataformas de simulación Software-in-the-Loop (SIL) y Hardware-in-the-Loop (HIL), así como la realización de pruebas en campo que permitieran validar el comportamiento de los algoritmos en condiciones reales.

Resultados obtenidos

El proyecto ha alcanzado con éxito sus objetivos, generando avances significativos en varios frentes:

• Validación de sistemas ADAS

Se ha desarrollado un algoritmo de frenado automático basado en una cámara frontal, capaz de detectar objetos peligrosos y activar el freno del vehículo. Las pruebas han demostrado que el sistema es capaz de identificar peatones y vehículos, y reaccionar de manera adecuada.

• Desarrollo de sistemas DAA para drones

Se han explorado distintas tecnologías para la detección de obstáculos en vuelo. Por una parte, la tecnología radar ha ofrecido buenos resultados para medir la distancia de la aeronave al suelo. Por otra parte, el uso de soluciones basadas en visión por cámara y redes neuronales han permitido detectar obstáculos y estimar su posición GPS, abriendo la puerta a aplicaciones de alta complejidad tecnológica.

• Plataformas de simulación avanzadas

Las plataformas SIL y HIL desarrolladas han demostrado ser herramientas versátiles y eficaces para validar algoritmos en entornos controlados. Estas plataformas permiten realizar pruebas repetibles, seguras y económicas, y son aplicables tanto a desarrollos propios como a servicios para terceros.

• Transferencia de conocimiento

El proyecto ha generado un conocimiento valioso que ya está siendo aplicado en otros proyectos y servicios tecnológicos. Además, se han publicado varios artículos científicos y se ha difundido el proyecto en medios de comunicación y congresos.

Impacto y proyección

El proyecto NAITEST ha contribuido significativamente al avance de la movilidad autónoma y conectada, permitiendo:

• Desarrollar capacidades tecnológicas avanzadas en validación de sistemas inteligentes.
• Generar conocimiento transferible a empresas del sector de automoción y aeronáutica.
• Fomentar la investigación aplicada y la formación de personal altamente cualificado.
• Establecer una base sólida para futuros desarrollos en vehículos autónomos y drones.

Además, las herramientas y metodologías desarrolladas están siendo ofrecidas a empresas que integran sistemas ADAS y DAA para vehículos terrestres y aéreos, lo que refuerza el papel de UPNA y NAITEC como centros de referencia en este ámbito.