Sistemas robóticos
avanzados y sistemas
multi-robot
Drones autónomos para
emergencias
Índice
Presentación
1. Concepto y contexto: CONOPS de
las operaciones de emergencia
1.1. Concept of operation
(CONOPS) de los drones de
emergencia
1.2. Esquema de la operación
2. Dron para emergencias:
componentes clave
2.1. Subsistemas embarcados
2.2. Esquema visual
3. Autopiloto y control de misión
3.1. Componentes de un autopiloto
para misiones autónomas
© Copyright Universidad Europea. Todos los derechos reservados
3.2. Autonomía operativa gracias al
autopiloto
3.3. HUD y telemetría en tiempo real
3.4. Estación de control GCS
(ground control station)
4. Misiones autónomas basadas en
waypoints
4.1. Descripción general
4.2. Acciones y autonomía
4.3. Modo enjambre
4.4. Failsafes: medidas de seguridad
ante incertidumbre
5. Datos, conectividad y operación
en la nube
Índice
5.1. La importancia del acceso a la
información en tiempo real
5.2. Jamming, spoofing y EW
(electronic warfare)
6. Percepción y detección en tiempo
real mediante visión artificial
6.1. Computer vision: descargando
la necesidad de atención del
operador
6.2. Identificación y segmentación
6.3. Contextualización
Conclusiones
Referencias bibliográficas
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
Presentación
Este tema aborda la operación práctica de sistemas robóticos avanzados a través del caso de los drones en misiones de emergencia. Se analiza
cómo un dron se integra y se utiliza como parte de un sistema robótico completo, combinando autonomía, supervisión humana,
comunicaciones, servicios en la nube y percepción en tiempo real. El enfoque es claramente operativo, basado en herramientas y flujos de
trabajo reales utilizados en entornos críticos.
Objetivos de aprendizaje:
▪
Comprender cómo se opera un sistema robótico basado en drones en entornos de emergencia.
▪
Identificar los componentes clave del sistema y el concepto de operación de una misión (CONOPS).
▪
Entender la planificación y supervisión de misiones mediante autopilotos y estaciones de control.
▪
Analizar el uso de datos, nube y visión artificial en tiempo real como apoyo a la toma de decisiones humanas.
▪
Cómo se estructura una misión y qué herramientas se usan en la práctica.
4
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
1. Concepto y contexto: CONOPS de las operaciones de emergencia
1.1. Concept of operation (CONOPS) de los drones de emergencia
En una operación típica de búsqueda y rescate en zona forestal, los drones se despliegan como herramientas de vigilancia aérea preventiva y
de apoyo operativo para localizar a una persona desaparecida sin exponer al personal humano al riesgo. A partir de una planificación inicial, los
drones realizan un barrido sistemático del terreno, de día y de noche, cubriendo grandes áreas mediante vuelos autónomos supervisados.
Durante la misión, los sensores embarcados permiten identificar personas, rastros o indicios relevantes (movimientos, firmas térmicas, objetos),
transmitiendo la información en tiempo casi real a los operadores. El dron no es el objetivo final, sino una herramienta operativa integrada en un
sistema de emergencia que combina autonomía, supervisión humana y análisis de datos en tiempo casi real.
En este tema vamos a analizar en la práctica el funcionamiento de una operación tipo.
Qué se busca con el uso de drones en los operativos de emergencia:
▪
Reducir la exposición humana al riesgo.
▪
Aumentar la conciencia situacional.
▪
Cubrir grandes áreas de forma rápida y repetible.
▪
Detectar eventos de forma temprana.
▪
Apoyar la toma de decisiones humana.
5
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
1. Concepto y contexto: CONOPS de las operaciones de emergencia
1.2. Esquema de la operación
El item central es un dron con capacidad de vuelo autónomo
BVLOS (beyond visual line of sight).
Un piloto se encargará de supervisar la operación a distancia desde
el centro de mando, el GCS (ground control station). La misión ha
sido definida sectorizando el terreno y asignando un plan de misión
con waypoints predefinidos. El dron comunica telemetría y datos a
través de la red 4G.
El dron es capaz de geolocalizarse en el espacio usando la
tecnología GNSS (global navigation satellite system, en este caso la
red GPS). También cuenta con un sistema redundante de brújulas.
Gracias al edge computer embarcado, una Nvidia Jetson, el dron
es capaz de identificar automáticamente y alertar al equipo si
encuentra algo relevante.
Figura 1. Flujo de información de la operación de emergencias.
6
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
2. Dron para emergencias: componentes clave
2.1. Subsistemas embarcados
▪
▪
Subsistema de energía y distribución:
•
Baterías: normalmente LiPo y BMS (battery management system).
•
PDB (power distribution board).
•
ESC (electronic speed controller).
Subsistema propulsivo y superficies de control:
•
▪
▪
▪
Motores, hélices, servos y superficies de control.
Subsistema de vuelo y navegación (flight control):
•
Autopiloto (FC), IMU / barómetro, GPS, brújula.
•
Periféricos: airspeed / altímetro / LiDAR.
Subsistema de percepción / computer vision:
•
Cámaras (RGB / térmica), gimbal.
•
Edge computer (por ejemplo, Nvidia Jetson).
Subsistema comunicación / computer vision:
•
Telemetría + control, vídeo / datos, antenas, 4G / 5G / sat.
7
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
2. Dron para emergencias: componentes clave
2.2. Esquema visual
1.
El autopiloto (FC, flight controller) hace de director de orquesta recibiendo inputs
de vuelo y tomando acciones en consecuencia.
2.
El posicionamiento para los modos de vuelo autónomos los recibe del sistema de
GPS.
3.
La batería suministra la potencia eléctrica.
4.
El ESC (electronic speed controller) transforma esa energía eléctrica y la señal del
autopiloto en la corriente necesaria para que los motores roten acordemente.
5.
Los motores transforman el par eléctrico en par mecánico que hace que giren las
hélices.
6.
La brújula y el barómetro (integrados en el FC, (1)) sellan el AHRS (attitude and
heading refence system).
2
1
3
4
5
Figura 2. Ejemplo de dron de ala fija y despegue vertical.
Figura 3. Despiece de componentes de dron. Fuente:
Ardupilot.org
8
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
3. Autopiloto y control de misión
3.1. Componentes de un autopiloto para misiones autónomas
The Cube Black es un ejemplo de FC (autopiloto)
comercial modular basado en la evolución del
estándar Pixhawk, diseñado para aplicaciones
comerciales y profesionales en UAVs.
▪
Redundancia de sensores: incorpora tres
conjuntos de IMU (acelerómetros, giroscopios,
brújula).
▪
Conectividad versátil: múltiples puertos PWM,
seriales, I2C y CAN.
▪
Procesador 32-bit ARM Cortex M4.
▪
Salidas PWM para motores y servos.
▪
Entradas RC y RSSI.
▪
Buses I2C.
▪
Buses CAN.
▪
Puertos serie propósito general.
Figura 4. Autopiloto Cubepilot en base Pixhawk. Fuente: CubePilot.
9
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
3. Autopiloto y control de misión
3.2. Autonomía operativa gracias al autopiloto
3.3. HUD y telemetría en tiempo real
El autopiloto (piloto automático) proporciona la autonomía de
vuelo del dron, permitiendo ejecutar misiones de forma
automática y segura sin control humano continuo.
El HUD (head-up display) y la telemetría en tiempo real
proporcionan al operador una visión continua del estado del
dron y de la misión durante la operación. A través de la
estación de control, se visualizan en tiempo real parámetros
críticos como posición, altitud, velocidad, batería, calidad del
enlace y modo de vuelo, junto con información gráfica de
orientación y trayectoria. Esta información es clave para
mantener la conciencia situacional, detectar anomalías de
forma temprana y tomar decisiones informadas durante
misiones de emergencia.
A partir de los sensores de navegación y del plan de misión, el
sistema gestiona la estabilidad, la navegación, los modos de
vuelo y los failsafes, manteniendo el dron operativo incluso ante
pérdidas de señal o cambios en el entorno.
Esto permite que el operador humano se centre en la
supervisión de la misión y la toma de decisiones, en lugar de en
el pilotaje manual.
Los autopilotos ejecutan un software de autopiloto open-source
que permite controlar y operar drones y otros vehículos
autónomos. Dos ejemplos muy usados son: Ardupilot y PX4.
Figura 5. HUD del software Mission Planner de Michael Osborne. Fuente:
Seaquenz.
10
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
3. Autopiloto y control de misión
3.4. Estación de control GCS (ground control station)
La ground control station (GCS) es el centro de supervisión y control
operativo del sistema de drones. Desde la GCS, el operador
planifica la misión, monitoriza en tiempo real el estado del dron
mediante telemetría y HUD, y puede intervenir sobre la operación si
es necesario.
La GCS permite gestionar la autonomía del sistema de forma
segura, manteniendo al humano en el bucle de decisión durante
misiones críticas como las de emergencia.
Ejemplos de SW para GCS son:
▪
Mission Planner: GCS de referencia para ArduPilot, muy usada
en formación y operaciones reales.
▪
QGroundControl: GCS multiplataforma compatible con PX4 y
ArduPilot, interfaz moderna y modular.
La comunicación entre el dron y la ground control station (GCS) se
realiza habitualmente mediante MAVLink, un protocolo ligero y
estandarizado para vehículos autónomos.
Figura 6. Interfaz general del software Mission Planner de
Michael Osborne. Fuente: Seaquenz.
La GCS es donde el humano planifica, supervisa y decide; el dron
ejecuta.
11
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
4. Misiones autónomas basadas en waypoints
4.1. Descripción general
En este ejemplo, la aeronave va a salir a la búsqueda de una
persona desaparecida en el campo. La zona de búsqueda se
determina con el último punto conocido, conocimiento del terreno
y el expertise del equipo de rescate.
Se define que, tras despegar, la aeronave realizará un patrón de
búsqueda geolocalizado (GPS) entre puntos.
Al pasar a una distancia de cada uno de esos puntos (waypoints)
seleccionada previamente por el piloto, se validan y se acomete el
siguiente de la lista.
También se delimitan las zonas prohibidas y en las que no se debe
entrar bajo ningún concepto (delimitadas en rojo en la imagen). A
estas barreras artificiales de las denomina geo-fences, y pueden
estar ligadas a regulación, seguridad, no interferencia u otras
causas.
Figura 7. Ejemplo de plan de vuelo basado en waypoints en
Mission Planner. Fuente: Seaquenz.
12
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
4. Misiones autónomas basadas en waypoints
4.2. Acciones y autonomía
En el plan de vuelo, entre waypoints, se definen tanto acciones
deterministas como reacciones autónomas.
Las deterministas pueden ser desde grabar, sacar fotos, abrir
micrófono... acciones concretas que se han de ejecutar
secuencialmente.
Por otro lado, tenemos las reacciones autónomas, como qué hacer
en caso de que por algún motivo inesperado la misión no se pueda
llevar a cabo, o finalice antes de lo esperado.
En el ejemplo de antes, si el dron encuentra a la persona y el control
de misión valida la misión como cumplida, la aeronave debería
decidir abortar el resto del recorrido y volver a base.
Es siempre muy importante definir el punto "base" con sus
coordenadas GPS y el procedimiento en caso de necesidad de
abortar la misión y otros eventos inesperados mediante failsafes.
Figura 8. Ejemplo esquemático de misión de búsqueda de
personas.
13
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
4. Misiones autónomas basadas en waypoints
4.3. Modo enjambre
En operaciones de emergencia, el vuelo coordinado de múltiples
drones se basa en una orquestación planificada y supervisada, más
que en comportamientos emergentes complejos.
Habitualmente, el área de operación se sectoriza y cada dron
ejecuta misiones autónomas asignadas o roles específicos
(exploración, confirmación, apoyo a comunicaciones),
manteniendo separación espacial y temporal para garantizar la
seguridad.
La coordinación suele ser centralizada, desde una GCS, que
permite reasignar tareas dinámicamente ante fallos o cambios en
la misión.
Este enfoque prioriza cobertura eficiente, redundancia y resiliencia
operativa, manteniendo siempre al humano en el bucle de
decisión, lo que resulta especialmente adecuado para entornos
críticos y no estructurados.
Figura 9. Operación de vigilancia con varias aeronaves en
enjambre. Fuente: Seaquenz.
14
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
4. Misiones autónomas basadas en waypoints
4.4. Failsafes: medidas de seguridad ante incertidumbre
Las operaciones autónomas conllevan una incertidumbre añadida. Cuando el dron se encuentra lejos de la línea de visión, la capacidad de
reacción en tiempo real es limitada y por eso conviene preprogamar las acciones mitigadoras a las generalizaciones de los problemas tipo. A
esto se le denomina failsafe.
Los failsafes son mecanismos de seguridad que supervisan continuamente el estado y la conectividad del vehículo. Cuando se detecta una
condición de fallo específica —como la pérdida de la señal de radio o una batería baja— el piloto automático ejecuta automáticamente una
acción predefinida para evitar un accidente o una pérdida de control del vehículo. Los tipos principales de failsafe son:
▪
Failsafe de radio (RC): se activa cuando se pierde la conexión entre el transmisor y el receptor.
▪
Failsafe de batería: protege frente al agotamiento de la energía. Normalmente utiliza un sistema de dos niveles:
▪
•
Batería baja: activa una acción de primer nivel, como RTL (return to launch).
•
Batería crítica: activa una acción secundaria más urgente, como un aterrizaje inmediato.
Failsafe del EKF (filtro de Kalman extendido): supervisa la “salud” del sistema de estimación de posición y actitud del vehículo.
•
Disparador: cuando los sensores (GPS, brújula, acelerómetros) discrepan de forma significativa, indicando que el vehículo podría no
conocer su posición real.
▪
Failsafe de GPS: Se activa si se pierde el lock GPS 3D o se detectan errores (glitches) mientras el vehículo está en un modo que requiere GPS
(como auto o loiter).
▪
Failsafe de la GCS (estación de control en tierra): Supervisa el enlace con la estación de control (ordenador portátil o tableta).
15
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
5. Datos, conectividad y operación en la nube
5.1. La importancia del acceso a la información en tiempo real
En las operaciones con drones de emergencia, la gestión de datos y la conectividad son elementos clave para transformar el vuelo autónomo en
capacidad operativa real. Durante la misión, el dron genera telemetría, posicionamiento y datos de sensores que se transmiten en tiempo casi
real a la estación de control y, cuando es posible, a servicios en la nube.
Esta arquitectura permite supervisión remota, acceso multiusuario, registro de la operación y análisis posterior, así como la integración con
sistemas externos. La nube no sustituye al control local del dron, pero amplía la conciencia situacional y la coordinación del sistema en misiones
críticas.
Principales tecnologías de comunicación en drones:
▪
Radio de corto / medio alcance: enlaces dedicados para control y telemetría; baja latencia y alta fiabilidad en línea de visión.
▪
4G / LTE: uso de redes celulares para transmisión de telemetría, vídeo y datos a larga distancia; muy útil en áreas con cobertura, la mayoría.
▪
5G: mayor ancho de banda y menor latencia; permite operaciones más avanzadas y multiusuario donde la infraestructura lo soporta.
▪
Comunicaciones satelitales (SATCOM): conectividad global en zonas sin cobertura terrestre; mayor latencia y coste, pero alta disponibilidad.
▪
Enlaces punto a punto de alta velocidad: radios digitales o microondas para transmisión de vídeo y datos de alta calidad.
▪
Fibra óptica (enlace físico): comunicación inmune a interferencias electromagnéticas; usada en escenarios muy específicos (jamming,
etcétera).
16
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
5. Datos, conectividad y operación en la nube
5.2. Jamming, spoofing y EW (electronic warfare)
La guerra electrónica
consiste en interferir,
degradar o impedir las
comunicaciones y
sistemas electrónicos del
adversario
En las operaciones con drones, especialmente en entornos críticos o
sensibles, es importante considerar amenazas de guerra electrónica (EW,
electronic warfare) como el jamming y el spoofing.
El jamming consiste en interferir o bloquear las comunicaciones o las
señales de navegación (por ejemplo, GPS), mientras que el spoofing busca
engañar al sistema introduciendo señales falsas que aparentan ser
legítimas.
Estas amenazas pueden degradar la navegación, la telemetría o el control
del dron, por lo que los sistemas profesionales incorporan failsafes,
redundancia de sensores y supervisión humana para mantener una
operación segura incluso ante pérdida parcial de señales.
Para mitigar estos riesgos, los sistemas modernos combinan failsafes, fusión
y redundancia de sensores, supervisión humana y, en escenarios
específicos, enlaces físicos como fibra óptica, que permiten mantener
comunicaciones seguras e inmunes a interferencias electromagnéticas
durante misiones críticas.
Figura 10. Spool de fibra óptica en dron.
17
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
6. Percepción y detección en tiempo real mediante visión artificial
6.1. Computer vision: descargando la necesidad de atención del operador
La visión artificial (computer vision) permite
reducir la carga de atención del operador al
automatizar la detección de personas,
objetos o eventos relevantes durante la
misión. En lugar de analizar continuamente el
flujo de vídeo, el sistema destaca
únicamente la información significativa
mediante alertas y marcadores, permitiendo
al operador centrarse en la toma de
decisiones y la supervisión global de la
operación.
Esto es especialmente crítico en misiones
prolongadas o en entornos complejos, donde
la atención humana es un recurso limitado.
Las plataformas Nvidia Jetson y Qualcomm
Flight RB5 son las dominantes en enero de
2026.
Figura 11. Nvidia Jetson y ejemplo de uso en detección en tiempo
real desde un dron. Fuente: Seaquenz.
18
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
6. Percepción y detección en tiempo real mediante visión artificial
6.2. Identificación y segmentación
6.3. Contextualización
La identificación y segmentación permiten
detectar automáticamente personas,
objetos o regiones de interés en las
imágenes captadas por el dron.
La contextualización añade significado a las
detecciones al relacionarlas con el entorno,
la misión y la situación operativa.
El sistema combina la información visual con
datos de posición, altura, tiempo y patrones
de movimiento para discriminar entre
detecciones relevantes y falsas alarmas.
Mediante técnicas de visión artificial y
aprendizaje profundo, el sistema no solo
identifica la presencia de un elemento
relevante, sino que delimita su posición y
extensión en la escena.
De este modo, la visión artificial no solo “ve”,
sino que ayuda a interpretar la escena,
apoyando la toma de decisiones humanas
en entornos complejos y dinámicos.
Esto facilita la generación de alertas, la
geolocalización de objetivos y la priorización
de zonas, reduciendo la necesidad de
inspección visual continua por parte del
operador.
Figura 12. Detección de persona en la zona de búsqueda.
19
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
Conclusiones
1
Los drones autónomos en
emergencias deben entenderse
como sistemas robóticos
completos, integrados por
plataforma aérea, autopiloto,
comunicaciones, percepción y
supervisión humana.
La conectividad y el acceso a
datos en tiempo casi real,
apoyados por arquitecturas
híbridas (radio, 4G / 5G, satélite),
amplían la conciencia
situacional y la coordinación en
operaciones críticas.
4
2
La autonomía supervisada,
basada en autopilotos maduros
y misiones por waypoints,
permite operar en entornos no
estructurados manteniendo
seguridad, repetibilidad y
control.
La visión artificial embarcada,
combinada con
contextualización, reduce la
carga cognitiva del operador y
mejora la detección temprana
de personas y eventos
relevantes.
20
5
3
La ground control station (GCS)
es el núcleo operativo del
sistema, donde se concentran la
planificación, la supervisión y la
toma de decisiones humanas.
El uso coordinado de múltiples
drones permite aumentar
cobertura, redundancia y
resiliencia, siempre bajo un
enfoque planificado y
supervisado, no puramente
emergente.
6
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
Referencias bibliográficas
ArduPilot Dev Team (2024). ArduPilot Documentation. ArduPilot. <https://ardupilot.org/>.
Caballero-Martin, D., Lopez-Guede, J. M., Estevez, J., Graña, M. (2024). Artificial intelligence applied to drone control: A state of the
art. Drones, 8(7), 296. <https://doi.org/10.3390/drones8070296>.
Falanga, D., Kleber, K., Scaramuzza, D. (2020) Dynamic obstacle avoidance for quadrotors with event cameras. Science Robotics, 5(40). DOI:
10.1126/scirobotics.aaz9712.
Fan, J.; Yang, X.; Lu, R.; Xie, X.; Li, W. Design and implementation of intelligent inspection and alarm flight system for epidemic prevention. Drones, 5, 68.
Goodrich, M. A., & Schultz, A. C. (2008) Human–Robot Interaction: A Survey. Foundations and Trends in Human-Computer Interaction, 1(3), 203–275.
NVIDIA: Jetson Platform Documentation. <https://developer.nvidia.com/embedded/jetson-developer-kits>.
Rudol, P., & Doherty, P. (2008) Human Body Detection and Geolocalization for UAV Search and Rescue Missions. IEEE Aerospace Conference 2008.
Scaramuzza, D., Fraundorfer, F. (2011). Visual Odometry [Tutorial]. IEEE Robotics & Automation Magazine, 18(4), 80-92. DOI:
10.1109/MRA.2011.943233.
Szeliski, R. (2022). Computer Vision: Algorithms and Applications. Springer Nature.
Thrun, S., Burgard, W. & Fox, D. (2005). Probabilistic Robotics. The MIT Press.
Wang. B, Li Q. et al. (2024). A Survey on Vision-Based Anti Unmanned Aerial Vehicles Methods. Drones, 8(9), 518.
<https://doi.org/10.3390/drones8090518>.
21
© Copyright Universidad Europea. Todos los derechos reservados
Drones autónomos para emergencias
Referencias bibliográficas
Ochoa de Eribe, Xabier. (2026). Figura 1. Flujo de información de la operación de emergencias. Imagen generada con Grok a partir de material
propio.
Ochoa de Eribe, Xabier. (2026). Figura 2. Ejemplo dron de ala fija y despegue vertical. Imagen generada con Grok a partir de material propio.
Ochoa de Eribe, Xabier. (2026). Figura 8. Ejemplo esquemático de misión de búsqueda de personas. Imagen generada con Grok a partir de
material propio.
Ochoa de Eribe, Xabier. (2026). Figura 10. Spool de fibra óptica en dron. Imagen generada con Grok a partir de material público.
Ochoa de Eribe, Xabier. (2026). Figura 12. Detección de persona en la zona de búsqueda. Imagen generada con Grok a partir de material
propio.
22
© Copyright Universidad Europea. Todos los derechos reservados
Todos los derechos de propiedad intelectual
de esta obra pertenecen en exclusiva a la
© Universidad Europea. Queda
terminantemente prohibida la reproducción,
puesta a disposición del público y en general
cualquier otra forma de explotación de toda o
parte de la misma.
La utilización no autorizada de esta obra, así como los perjuicios
ocasionados en los derechos de propiedad intelectual e industrial
de la © Universidad Europea, darán lugar al ejercicio de las
acciones que legalmente le correspondan y, en su caso, a las
responsabilidades que de dicho ejercicio se deriven.