Investigadores del Instituto de Estudios Aeroespaciales de la Universidad de Toronto (UTIAS) están logrando avances significativos en el desarrollo de algoritmos de autonomía que podrían mejorar la eficiencia del transporte de carga lunar, una parte crucial de futuras misiones lunares. Dirigido por el profesor Tim Barfoot y Ph.D. El estudiante Alec Krawciw, en colaboración con MDA Space, el equipo tiene como objetivo garantizar que el vehículo utilitario lunar propuesto por Canadá pueda navegar sin problemas entre los puntos de entrega de carga.
El profesor Barfoot, que también es director del Instituto de Robótica de la U of T, destacó los desafíos logísticos asociados con la exploración lunar. Explicó que el lugar de aterrizaje del transbordador probablemente será plano para permitir aterrizajes seguros, mientras que los hábitats deberán protegerse de la radiación, lo que normalmente requiere una ubicación a unas tres millas de distancia en medio de un terreno rocoso. Esta separación complica el transporte de suministros desde el transbordador hasta el hábitat, lo que hace que sea fundamental para los astronautas mover la carga de manera eficiente en estos entornos.
A diferencia de los rovers anteriores que atraviesan terrenos variados para recopilar datos, el vehículo lunar está diseñado para viajar regularmente de un lado a otro entre ubicaciones fijas y entregar equipos esenciales a los astronautas. Esta será la primera vez que un vehículo espacial tendrá que seguir repetidamente el mismo camino, lo que hace que el marco de navegación visual de enseñanza y repetición de Barfoot sea particularmente efectivo para tales requisitos.
«Los algoritmos de enseñanza y repetición nos permiten controlar el rover a lo largo de una ruta predeterminada navegando físicamente a través de ella. Una vez que se establece la ruta, el rover puede replicar la ruta de forma autónoma varias veces», explica Barfoot. Esta automatización ahorra tiempo y energía valiosos a los astronautas, reduce su exposición a las duras condiciones lunares y, en última instancia, mejora la eficiencia de la misión.
Como parte de su investigación doctoral, Krawciw está trabajando en la integración de esta tecnología de conducción autónoma con el Lunar Exploration Light Rover (LELR) de la Agencia Espacial Canadiense. En diciembre de 2024, él y Barfoot participaron en pruebas de campo en una instalación de Montreal que imita el terreno de Marte, junto con equipos de MDA Space y el Centre de Technologies Avancées BRP de la Université de Sherbrooke. Esta prueba tenía como objetivo resolver las limitaciones de hardware y software en condiciones similares a las de la luna.
Al describir el proceso de personalización del LELR, Krawciw señaló: «La simulación de las condiciones lunares creaba un retraso de cinco segundos en los comandos y la retroalimentación, por lo que no podíamos confiar en los controles del joystick. Este desafío nos llevó a desarrollar un método de enseñanza semiautónomo utilizando segmentos de ruta más cortos, lo cual fue un nuevo enfoque para nosotros».
Tras esta exitosa prueba, el equipo fue seleccionado por la Agencia Espacial Canadiense en julio de 2025 para realizar un estudio de fase inicial sobre el vehículo utilitario lunar como parte de la iniciativa de exploración de la superficie lunar, que contribuiría al programa Artemis más amplio de la NASA destinado a establecer una presencia sostenible en la Luna.
Mientras el equipo se prepara para garantizar que el vehículo esté listo para su uso, Krawciw se centra en ajustar su rendimiento para aplicaciones del mundo real. Destacando la curva de aprendizaje del uso continuo del sistema en el campo, señaló: «No se trataba sólo de hacer que la autonomía funcionara; queríamos asegurarnos de que fuera confiable y fácil de usar para los operadores que trabajan en condiciones difíciles». Esta perspectiva influye en la siguiente fase de desarrollo mientras se preparan para misiones de larga duración en la superficie lunar.
 are making significant strides in developing autonomy algorithms that could){kind=link}