AETHER
Turbulencia prevista. Impacto eliminado.
Un sistema edge mission-critical que detecta y predice la Clear Air Turbulence con unos 30 segundos de anticipación, dando al flight computer el margen para compensar antes de que los pasajeros perciban cualquier impacto.
Año
2025
Cliente
Consorcio europeo de aviación civil (confidencial)
Rol
Arquitectura de sistema, desarrollo de AI embebida, integración de hardware de aviónica
Duración
11 meses
Equipo
5 ingenieros, 1 especialista en safety de aviónica
Categoría
AI aeroespacial embebida
Anticipación de detección
~30 s
Latencia de inferencia
6.3 ms
Precisión en el test set
94.7%
Falsos positivos operativos
0
Aeronaves en flota piloto
12
Reducción de lesiones a bordo
-87%
La Clear Air Turbulence es invisible para los radares tradicionales y es responsable de cerca del 75% de las lesiones en vuelo no relacionadas con accidentes. Con la intensificación de los fenómenos atmosféricos extremos, las compañías europeas registraron un aumento del 40% de los eventos CAT entre 2022 y 2024. Las soluciones existentes operan a nivel de red, con latencias incompatibles con la respuesta en tiempo real de los sistemas de control de vuelo.
El verdadero obstáculo no era el modelo predictivo, sino hacerlo correr en menos de 8 ms sobre hardware certificable en entorno de aviónica, donde cada componente debe superar las normas DO-178C y DO-254. Hacía falta un LSTM capaz de distinguir microfluctuaciones de presión del ruido de sensor sobre una ventana de apenas 4 segundos, con una tasa de falsos positivos tan baja como para merecer la confianza de los pilotos.
Diseñamos una arquitectura de tres etapas: adquisición de datos a 4 kHz desde IMU y barómetros redundantes integrados con LiDAR Velodyne, preprocesamiento en CUDA directamente sobre el Orin para eliminar la latencia de transferencia, e inferencia con un LSTM cuantizado a INT8 compilado con TensorFlow Lite Micro. El modelo se entrenó sobre 1,2 millones de eventos atmosféricos anonimizados, con data augmentation para las condiciones raras. La integración se realiza sobre un bus ARINC 429 dedicado, con un watchdog hardware independiente que garantiza el comportamiento fail-safe.
Inferencia bajo 8 ms
El modelo LSTM cuantizado alcanza una latencia media de 6,3 ms sobre el Orin, ampliamente dentro de la ventana que exigen los loops de control de vuelo.
Cero falsas alertas en vuelo
Durante el primer año operativo en rutas comerciales, el sistema no produjo ningún falso positivo confirmado, manteniendo plena la confianza de la tripulación.
Certificación DO-178C
La codebase C++ completa y el pipeline CUDA se desarrollaron con trazabilidad completa de los requisitos y alcanzan el nivel de integridad DAL-B.
Fail-safe autónomo
Un watchdog hardware independiente monitorea el módulo de AI y restablece el estado seguro en menos de 2 ms ante cualquier anomalía, sin intervención de software.
Investigación y modelado
Análisis de 1,2 millones de eventos atmosféricos para construir el dataset de entrenamiento y definir las features críticas del LSTM.
Desarrollo embebido
Pipeline CUDA y cuantización INT8 para respetar las restricciones de latencia y consumo del hardware certificable.
Validación y certificación
Pruebas hardware-in-the-loop con escenarios simulados y reales, seguidas de una auditoría DO-178C con un organismo acreditado.
Despliegue operativo
Instalación en una flota piloto de 12 aeronaves con monitoreo remoto continuo en apoyo a la mejora del modelo.
Habíamos evaluado soluciones para la CAT durante tres años sin encontrar nada que sostuviera a la vez las exigencias de certificación y de latencia: Zeklar resolvió ambos problemas de una sola vez, con un rigor de ingeniería que rara vez vemos incluso en los grandes system integrator.
AETHER transformó la Clear Air Turbulence de un riesgo imprevisible en una variable gestionable, con una reducción del 87% de las lesiones a bordo en la flota piloto durante el primer año operativo. El consorcio ha iniciado los procedimientos para extender el sistema a más de 200 aeronaves para 2027.