Un solo código. Un solo dron. Un paso hacia la guerra autónoma

Por primera vez se ha logrado demostrar que un robot no solo puede ejecutar instrucciones, sino también programar por sí mismo su “sistema cerebral”, desde el inicio hasta su implementación final. Este avance fue presentado por Peter Burke, profesor de ingeniería eléctrica e informática de la Universidad de California en Irvine. En su prepublicación, describe cómo, con la ayuda de modelos de IA generativa, es posible construir una estación completa de comando y control para un dron —y no ubicada en tierra, como es habitual, sino instalada directamente a bordo del vehículo aéreo.

En el proyecto, el término “robot” se aplica a dos entidades distintas: el primero es la IA que genera el código, y el segundo es un dron basado en Raspberry Pi Zero 2 W, que ejecuta dicho código. Normalmente, el control del vuelo se realiza desde una estación en tierra, mediante software como Mission Planner o QGroundControl, que se comunican con el dron a través de un canal de telemetría. Esa estación actúa como un “cerebro” intermedio, encargándose de la planificación de misiones y del monitoreo en tiempo real. A bordo, el dron utiliza un firmware de bajo nivel como Ardupilot, mientras que las tareas más complejas las gestiona un sistema de navegación autónoma como ROS.

Burke demostró que, con una adecuada formulación de tareas, los modelos de IA generativa pueden encargarse de escribir todo el sistema de software —desde la interacción vía MAVLink hasta el desarrollo de una interfaz web. El resultado fue WebGCS: un servidor web alojado en la misma placa del dron que permite gestionar todo el vuelo desde el aire. El usuario puede conectarse a esta estación a través de la red y enviar instrucciones mediante el navegador, mientras el dron está en operación.

El desarrollo se realizó en fases, mediante una serie de sprints con distintos asistentes de IA: Claude, Gemini, ChatGPT, así como entornos de desarrollo como Cursor y Windsurf. En la etapa inicial, las sesiones con Claude incluyeron peticiones para generar código en Python que hiciera despegar el dron 15 metros, crear una página web con un botón de despegue, mostrar un mapa con la ubicación GPS y permitir seleccionar un destino con un clic. Luego, la IA debía generar también el script de instalación y la estructura de archivos. Sin embargo, Claude no logró completar la cadena de tareas debido a las limitaciones del contexto.

La sesión con Gemini 2.5 falló por errores en los scripts de bash, mientras que Cursor produjo un prototipo funcional pero requirió refactorización, ya que el volumen de código excedía los límites del modelo. El sprint más exitoso fue el cuarto, realizado con Windsurf: implicó 100 horas de trabajo humano durante dos semanas y media, y finalizó con 10 000 líneas de código escritas. A modo de comparación, un proyecto de funcionalidad similar, llamado Cloudstation, tomó cuatro años y varios estudiantes para completarse.

El resultado pone de relieve una limitación importante en los modelos actuales de IA: su dificultad para manejar eficazmente volúmenes de código superiores a 10 000 líneas. Según Burke, esto concuerda con un estudio previo que muestra cómo la precisión de Claude 3.5 Sonnet en la evaluación LongSWEBench cae del 29 % al 3 % al ampliar el contexto de 32K a 256K tokens.

A pesar del enfoque futurista del proyecto, los desarrolladores incorporaron mecanismos de seguridad: en todo momento se mantuvo la opción de intervención manual mediante un transmisor de respaldo. Esto resulta clave dado el potencial que ya despiertan estas plataformas autónomas en sectores como la defensa y el campo emergente de la inteligencia espacial.

La empresa Geolava calificó el experimento de Burke como un hito, afirmando que el ensamblaje autónomo de un centro de mando aéreo marca el inicio de una nueva era en la inteligencia espacial, donde sensores, planificación y decisiones se integran en tiempo real. Incluso plataformas parcialmente automatizadas como Skydio ya están transformando el análisis del entorno.

Los expertos también resaltaron que el principal reto para este tipo de sistemas inteligentes es su capacidad de adaptación ante cambios de contexto —ya sea en el terreno, en el objetivo o en la estructura del sistema. La creación de plataformas aéreas auto-programables capaces de adaptarse durante la misión representa un paso hacia la autonomía general, más allá de la robótica especializada.

Los autores del proyecto mantienen un optimismo cauteloso. Según palabras del propio Burke, espera que el escenario tipo “Terminator” siga siendo ciencia ficción. Pero en un mundo donde la IA ya aprende a escribir su propio código y desplegarlo en la nube —o en las alas de un dron— esa certeza empieza a desvanecerse.