¿Qué ocurre cuando un patrullero con IA sale a las carreteras? Las aves dejan de morir

Un equipo respaldado por el iMOVE Cooperative Research Centre probó en las carreteras del norte de Australia el primer sistema del mundo diseñado para prevenir colisiones de vehículos con fauna silvestre. El trabajo se llevó a cabo junto con la Universidad de Sídney, la Universidad Tecnológica de Queensland y el departamento de transporte estatal; el resultado es un sistema funcional que vigila los arcenes, reconoce siluetas y advierte de inmediato a los conductores cuando un animal se aproxima a la calzada. Los investigadores decidieron publicar el código fuente de inmediato, con la expectativa de que su enfoque sea adoptado por proyectos de conservación en otros países y así ayudar a especies en riesgo de desaparecer por atropellos.

Los desarrolladores publicarán la parte de software en GitHub para que cualquier ingeniero pueda construir un sistema similar, adaptarlo a sus condiciones y reentrenarlo con datos locales. Este formato es especialmente relevante en regiones donde especies poco comunes se ven obligadas a cruzar carreteras: en Nepal, el panda rojo; en la selva brasileña, el oso hormiguero gigante; en las montañas de Asia Central, el leopardo de las nieves. Un repositorio abierto simplifica la transferencia de la metodología y acelera la implantación, ya que los ecosistemas varían mucho y los patrones de comportamiento locales influyen en la configuración de las alertas y su pertinencia.

La prueba de campo se llevó a cabo en la zona de Kuranda, donde los casuarios australianos cruzan la carretera con frecuencia. La plataforma de hardware combina en un mástil tres tipos de sensores: cámaras RGB clásicas que captan la escena en el espectro visible, cámaras térmicas que registran la distribución de calor y destacan seres vivos incluso con poca luz, y un lidar que genera una nube de puntos a partir de impulsos láser reflejados y mide con precisión las distancias a cada contorno. El algoritmo en el nodo integra estas capas, eliminando falsas alarmas causadas por sombras, reflejos o vegetación, y envía el evento a un panel de carretera con advertencias intermitentes para llamar la atención de los conductores.

La detección funciona en tiempo real: la transmisión de las cámaras se normaliza, el mapa térmico se correlaciona con la profundidad del lidar, y un modelo convolucional selecciona candidatos y los clasifica por nivel de confianza. El seguimiento fotograma a fotograma mantiene el objeto durante varios segundos para descartar artefactos puntuales como un ave en vuelo o una hoja movida por el viento. El umbral de decisión es dinámico: cambia según la luz, la intensidad del tráfico y el clima, evitando inundar la vía con alertas constantes y activando el panel solo cuando el riesgo es realmente alto.

La clave de la robustez es el autoaprendizaje sin anotación manual. El sistema utiliza un enfoque autocontrolado: los fragmentos acumulados en los que el objetivo detectado se confirma por la coincidencia de varios sensores y un seguimiento estable se convierten en ejemplos pseudomarcados para reentrenar el modelo local. Este ciclo permite adaptarse, sin intervención constante de un operador, al “retrato” de una especie concreta en un área, incluidas sus características de movimiento, altura del paso y forma del cuello y la cabeza, que diferencian a un adulto de un ejemplar joven. Tras varias iteraciones, la tasa de detección pasó del 4,2% inicial al 78,5%, y la precisión final en una muestra de observaciones prolongadas fue del 97%. La diferencia se explica porque la cifra global refleja el equilibrio entre exhaustividad y precisión en el conjunto acumulado, mientras que la métrica inicial solo medía la capacidad de “ver” el objetivo en el primer despliegue.

En cinco meses en Kuranda se registraron más de 287 cruces de aves por las zonas controladas, y cada episodio activó una alerta visual en los paneles variables. El comportamiento de los conductores cambió de forma medible: la velocidad se redujo en 6,3 km/h en el tramo con señales, disminuyendo la energía cinética de un posible impacto y acortando la distancia de frenado. Incluso unos pocos segundos extra aumentan la probabilidad de que el conductor frene o esquive sin invadir el carril contrario, donde la maniobra a menudo provoca un accidente secundario.

El texto de los paneles electrónicos fue diseñado por especialistas en ciencias del comportamiento de Brisbane junto con ingenieros de transporte. Primero realizaron grupos focales con residentes locales para identificar mensajes que se comprendieran al instante al volante y no sobrecargaran la atención, luego llevaron a cabo encuestas y simulaciones de conducción para observar reacciones en condiciones cercanas a la realidad. El formato del mensaje, la frecuencia de parpadeo y la duración de la señal se ajustaron para evitar la “ceguera a las alertas” y lograr una desaceleración constante en la mayoría de los conductores, incluso en aquellos habituados a la ruta y al paisaje.

El contexto regional sigue siendo crítico: desde 1996, 174 casuarios han muerto en las carreteras, y los observadores creen que la cifra real es mayor debido a la falta de registros completos. La especie desempeña un papel de “ingeniero” del bosque tropical al dispersar semillas e influir en la estructura del sotobosque, y su desaparición rompe vínculos esenciales del bioma. Las autoridades viales subrayan que el objetivo es doble: reducir los atropellos directos y minimizar los accidentes en los que un conductor esquiva bruscamente a un ave y pierde el control del vehículo.

La arquitectura australiana es fácilmente transferible a otros ecosistemas, ya que los sensores clave son comunes y asequibles, y el bucle de entrenamiento no requiere grandes equipos de anotadores. Para la adaptación basta con recopilar escenas locales con la especie objetivo, ejecutar el ciclo de autoaprendizaje y calibrar las alertas según las normas de tráfico locales. Un repositorio público con el código y los esquemas permitirá a municipios y organizaciones de conservación instalar unidades en los arcenes rápidamente, conectando los paneles y el suministro eléctrico según la infraestructura de cada país.