Datos sintéticos y gemelos digitales: la nueva munición de la inteligencia artificial militar

Continuamos la serie mensual sobre el uso de la IA en el sector de la Defensa en la que exploramos áreas en las que la IA está redefiniendo el campo de batalla. En esta nueva entrega de nuestra serie sobre inteligencia artificial en defensa, abordamos una de las tecnologías más prometedoras y menos comprendidas: el uso de datos sintéticos y gemelos digitales para entrenar algoritmos de IA y visión por computador.

En un entorno donde la recopilación de datos reales es costosa, limitada o incluso peligrosa, la capacidad de generar entornos virtuales realistas y datasets sintéticos se ha convertido en un multiplicador de capacidades para sistemas autónomos, drones, municiones merodeadoras y plataformas ISR. Vamos a presentar la generación de datos sintéticos y el uso de gemelos digitales en Defensa.

¿Qué son los datos sintéticos?

Los datos sintéticos son imágenes, señales o datos generados artificialmente mediante simulación por ordenador. A diferencia de los datos reales, estos pueden ser creados en masa, con control total sobre variables como iluminación, clima, ángulos de visión, sensores (visual, IR, térmico, radar), y escenarios operativos. Esto permite entrenar algoritmos de IA en condiciones extremas o poco frecuentes, sin necesidad de exponer sensores o tropas al riesgo.

Para muchos (por ejemplo para AI Verse y para Kallisto AI), muchos de los mitos sobre esta tecnología ya no se sostienen. Las imágenes generadas hoy en día son fotorrealistas, controlables y éticas, y pueden ser utilizadas para entrenar modelos desde cero, sin necesidad de datos reales. Además, permiten preservar la privacidad y reducir los sesgos, al eliminar la dependencia de datos sensibles o limitados.

Gemelos digitales: el campo de batalla virtual

Un gemelo digital es una réplica virtual de un sistema físico, un vehículo, un edificio, un entorno urbano, que permite simular su comportamiento ante diferentes sensores y amenazas. En defensa, esto significa poder modelar cómo un carro de combate, un vehículo militar o un puesto de mando es detectado por satélites ópticos, radares SAR o sensores térmicos, y cómo puede ocultarse o engañar a los algoritmos de identificación automática.

Empresas como la estadounidenses MVRsimulation han sido pioneras en la creación de entornos virtuales ultra realistas para entrenamiento militar y simulación táctica. También destaca la ucraniana QuData, especializada en simulación del campo de batalla y generación de escenarios virtuales para entrenamiento y análisis táctico.

Imagen sintética (Kallisto AI)

En el ámbito español, Navantia ha desarrollado capacidades avanzadas de gemelos digitales en colaboración con Indra, aplicadas a sistemas navales y terrestres. Por su parte, Grupo Oesía trabaja en simulación, sistemas de mando y control, y soluciones digitales para defensa.

Compañías como Istari Digital y Ansys complementan este panorama con plataformas de simulación física y modelado de sensores (visual, térmico, radar, multiespectral), permitiendo crear gemelos digitales de alta fidelidad para evaluar el comportamiento de activos militares en escenarios complejos.

Entrenamiento y reentrenamiento de IA con datos sintéticos

Gracias a estos entornos virtuales, los algoritmos de detección, clasificación y guiado terminal pueden entrenarse con millones de imágenes generadas artificialmente. Empresas como Kallisto AI, con sede en Tres Cantos (Madrid), ofrecen un enfoque extremo a extremo en soluciones de inteligencia artificial para defensa y seguridad. Sus servicios incluyen:

• Modelado 3D y simulación de escenarios operativos con múltiples sensores, condiciones ambientales y trayectorias.
• Generación y etiquetado automático de datasets sintéticos en distintas resoluciones y modalidades espectrales.
• Diseño, entrenamiento, prueba y optimización de algoritmos de IA, ML y visión por computador.
• Servicios de análisis de imágenes y DevOps.
• Consultoría integral, desde la definición de requisitos hasta la entrega de resultados optimizados.

Estos servicios permiten integrar en una única pipeline todas las tareas necesarias para el Reconocimiento Automático de Objetivos (ATR), así como para algoritmos de detección e identificación utilizados en vehículos terrestres no tripulados (UGV) y drones (UAV) gestionando (si el cliente así lo requiere) toda la arquitectura del sistema necesaria para entrenar, evaluar y producir modelos optimizados según métricas y requisitos definidos por el cliente, lo que permite una implementación eficiente y personalizada de soluciones de IA en entornos operativos reales.

Además, los datos sintéticos permiten reentrenar rápidamente modelos de IA en función de nuevas amenazas o condiciones operativas. Como explicó el teniente coronel Eric Duchene del Cuerpo de Marines de EE. UU., los operadores de drones MQ-9 Reaper podrán pronto ajustar y re-subir algoritmos en tiempo real durante una misión, mejorando su capacidad de detección, seguimiento y ataque sobre la marcha. Este ajuste se podrá realizar mediante el uso de nuevos datos reales, o nuevos datos generados sintéticamente para situaciones reales no vistas con anterioridad.

Caso de uso real: colaboración entre Kallisto AI y Copernilabs

Un ejemplo reciente del impacto de los datos sintéticos en defensa es la colaboración entre Kallisto AI y Copernilabs. Esta última está utilizando datasets sintéticos generados por Kallisto AI para entrenar y afinar sus algoritmos de visión por computador, centrados en la detección e identificación de vehículos militares.

Las imágenes sintéticas, generadas desde múltiples ángulos y puntos de vista, permiten a Copernilabs ajustar sus modelos pre-entrenados de forma rápida y rentable. El enfoque se basa en minimizar los falsos positivos, es decir, evitar que un sistema identifique erróneamente un vehículo aliado como enemigo, lo cual es crítico en entornos operativos reales. Aunque reducir los falsos positivos puede aumentar los falsos negativos (no detectar un enemigo), el equilibrio entre ambos es clave para la eficacia táctica.

Este tipo de colaboración demuestra cómo los datos sintéticos no solo sirven para entrenar modelos desde cero, sino también para evaluar y mejorar su rendimiento en escenarios específicos, utilizando métricas como tasas de error, precisión y sensibilidad frente a diferentes configuraciones de camuflaje y firma espectral.

Imagen sintética de blancos (Kallisto AI)

Plataformas integradas y generación en tiempo real

Rendered.ai se ha consolidado como uno de los líderes del sector al ofrecer una plataforma que integra en un solo entorno la generación de datos sintéticos en múltiples bandas del espectro (visual, IR, térmica, radar) y el entrenamiento de modelos de IA. Esta capacidad de integración acelera el desarrollo de soluciones de visión por computador para defensa, seguridad, inteligencia y sistemas autónomos.

Por su parte, Teledyne FLIR ha lanzado el sistema Prism SKR, una solución de reconocimiento automático de objetivos (ATR) que opera en sistemas embebidos de bajo consumo. Su ecosistema incluye Prism AIMMGen, una herramienta que permite generar datasets sintéticos y modelos optimizados en cuestión de días, con anotaciones automáticas y cobertura multiespectral (visible, SWIR, MWIR, LWIR). Esta capacidad de generación casi en tiempo real permite actualizar modelos de IA embarcados en plataformas como municiones merodeadoras, misiles de bajo coste o sistemas C-UAS, mejorando su precisión y adaptabilidad en entornos dinámicos.

Entre los principales actores en este particular ecosistema tenemos a las estadounidenses Rendered.ai, Ansys, MVRsimulation, Istari Digital, Telefyne FLIR, la francesa AIVerse, la polaca SATIM, la ucraniana QuData y en España Navantia, Grupo Oesia y Kallisto AI.

Conclusión

En un mundo donde la visibilidad total del campo de batalla es una realidad, la capacidad de simular, entrenar y reentrenar algoritmos en tiempo real se convierte en una ventaja estratégica. Los datos sintéticos y los gemelos digitales no solo permiten entrenar a la IA más rápido y mejor, sino que también ofrecen nuevas formas de adaptarse dinámicamente al entorno operativo. En la era de la guerra algorítmica, quien controle los datos, reales o sintéticos, controlará el campo de batalla. (Raúl Álvarez, Director General de Kallisto IA y profesor del curso de “Inteligencia Artificial para la Defensa” en CISDE))