Concurso de retos tecnológicos en Gestión del Tráfico Aéreo
Las dos mejores soluciones se llevarán 60.000 €
Convocatoria abierta del 1 de mayo al 30 de junio de 2025
Apúntate al Infoday el lunes 19 de mayo a las 11:30
¿Qué es el Concurso de retos tecnológicos en Gestión del Tráfico Aéreo?
ENAIRE lanza este año la 4ª edición del Concurso de retos tecnológicos en Gestión del Tráfico Aéreo.
A este Concurso podrán presentarse grupos de investigación universitarios o de cualquier otro tipo.
Se admiten soluciones tecnológicas aplicables a cualquier sector de actividad, siempre que se enfoquen en el ámbito de la provisión de servicios de tráfico aéreo/transporte aéreo.
Retos
Para este Concurso aceptamos soluciones totales o parciales a cualquiera de los siguientes 5 retos.
Hacia una IA explicable y segura en la gestión del tráfico aéreo a través de la certificación
La incorporación de Inteligencia Artificial (IA) en la Gestión del Tráfico Aéreo (ATM) abre nuevas posibilidades para mejorar la eficiencia, seguridad y capacidad de los sistemas. Sin embargo, para garantizar su implementación segura y confiable, es esencial establecer un marco de certificación que valide estas soluciones desde su desarrollo hasta su despliegue operativo.
Este reto busca impulsar investigaciones que permitan desarrollar metodologías, herramientas y estándares específicos para la certificación de sistemas de IA en entornos ATM. Estas soluciones deberán ser auditables, explicables y capaces de operar en entornos altamente automatizados, asegurando al mismo tiempo la transparencia en la toma de decisiones, la mitigación de riesgos y la resiliencia ante fallos o ataques.
Uno de los principales desafíos es la explicabilidad de la IA (XAI), que debe garantizar que los modelos utilizados sean comprensibles para humanos, especialmente para reguladores y operadores del sistema. Se requieren técnicas que permitan interpretar y verificar el razonamiento de los algoritmos empleados en procesos críticos, así como mecanismos para trazar las decisiones en escenarios complejos y en tiempo real.
Otro aspecto clave es la validación y certificación de estas soluciones. Es necesario desarrollar marcos regulatorios y metodologías de prueba que permitan evaluar el desempeño de los sistemas basados en IA tanto en condiciones nominales como en situaciones imprevistas. Esto implica la creación de bancos de pruebas y entornos de simulación donde se puedan validar soluciones en contextos realistas y definir métricas claras para su aceptación.
La confiabilidad y robustez de los modelos de IA también representa un reto fundamental. Los sistemas deben diseñarse para operar en entornos dinámicos con mínima intervención humana, evitando sesgos o errores que puedan comprometer su desempeño. Asimismo, es imprescindible integrar medidas de ciberseguridad que protejan estos sistemas de posibles ataques o manipulaciones externas.
Finalmente, este reto aborda la integración de la IA en el ciclo de vida de la innovación, promoviendo el desarrollo de plataformas de prueba y bancos de ensayos que faciliten la transición de prototipos a entornos operacionales en conformidad con las regulaciones vigentes. Además, se busca establecer estrategias para la certificación progresiva de estos sistemas, permitiendo su implementación escalonada en el ecosistema ATM y asegurando mecanismos para su mantenimiento y actualización segura a lo largo del tiempo.
Impacto esperado de las soluciones a desarrollar en este reto: Se buscan soluciones que permitan construir un marco regulador y tecnológico que facilite la adopción segura de la IA en el entorno ATM y la certificación. Asimismo, se espera que los resultados obtenidos contribuyan a generar confianza en el uso de estos sistemas en operaciones críticas, establezcan procesos de certificación estandarizados a nivel europeo e internacional y optimicen la eficiencia y capacidad de los sistemas ATM sin comprometer la seguridad ni la supervisión humana.
Resiliencia operacional en ATM: estrategias de recuperación ante fallos en sistemas automatizados
La creciente automatización en la Gestión del Tráfico Aéreo (ATM) promete optimizar la eficiencia y seguridad de las operaciones, pero también introduce una mayor dependencia de sistemas tecnológicos avanzados. En este contexto, cualquier fallo en los sistemas automatizados puede generar disrupciones significativas, comprometiendo la continuidad del servicio y la seguridad operacional.
Para abordar este reto, es fundamental desarrollar modelos de redundancia y resiliencia que garanticen la continuidad del servicio incluso ante fallos parciales o totales del sistema. Contar con arquitecturas robustas que incluyan mecanismos de autodiagnóstico y recuperación permitirá minimizar el impacto de estas disrupciones, asegurando que el tráfico aéreo pueda gestionarse con la menor afectación posible.
Detectar y mitigar fallos en tiempo real es otro desafío esencial en este contexto. La incorporación de inteligencia artificial y aprendizaje automático permitirá identificar patrones anómalos en los sistemas automatizados, facilitando la prevención y corrección temprana de errores. Sin embargo, no basta con la detección automática; es necesario contar con estrategias que activen respuestas inmediatas y permitan una transición fluida hacia un estado seguro, evitando la escalada de problemas operacionales.
En un entorno de alta automatización, garantizar una interacción eficiente entre los sistemas tecnológicos y los operadores humanos es clave para la seguridad operacional. Para ello, es fundamental contar con estrategias «fallback», es decir, mecanismos que permitan la transición controlada de la automatización a la intervención humana cuando se produce un fallo crítico en los sistemas. Estas estrategias asegurarán que los controladores puedan recuperar el control sin que esto genere un aumento desproporcionado de la carga de trabajo o comprometa la toma de decisiones bajo presión. Un diseño eficaz de interfaces hombre-máquina será determinante para facilitar esta transición de manera fluida y segura. Además, resulta imprescindible contar con entornos de simulación y validación que permitan probar distintos escenarios de fallo. Evaluar el impacto de las disrupciones y analizar la efectividad de las estrategias de respuesta ayudará a optimizar la resiliencia del sistema y a identificar mejoras en los procedimientos operacionales.
La ciberseguridad desempeña un papel clave en la resiliencia de los sistemas ATM altamente automatizados. La creciente digitalización y conectividad de estos sistemas los hace vulnerables a posibles ataques que podrían comprometer su estabilidad y funcionamiento. Es crucial desarrollar soluciones avanzadas de protección que permitan la detección y neutralización de amenazas en tiempo real, garantizando que la integridad y seguridad del espacio aéreo no se vean afectadas por incidentes cibernéticos.
Impacto esperado de las soluciones a desarrollar en este reto: Las soluciones desarrolladas en este reto permitirán que el sistema ATM sea más resiliente frente a fallos inesperados, asegurando la continuidad operativa con un impacto mínimo en la gestión del tráfico aéreo. Se espera que los avances en este ámbito contribuyan a mejorar la seguridad y la eficiencia del sistema, permitiendo una mejor integración entre la automatización y la supervisión humana.
Oversight en ATM: transparencia, supervisión y control de la IA en tiempo real
El avance hacia sistemas altamente automatizados en ATM plantea el desafío crítico de garantizar que los operadores humanos mantengan el control efectivo de las decisiones tomadas por la IA. Dado que estos sistemas pueden procesar grandes volúmenes de datos y reaccionar en milisegundos, es fundamental que los operadores comprendan sus acciones y tengan la capacidad de intervenir cuando sea necesario. Sin esta supervisión en tiempo real, la confianza en la automatización podría verse afectada y comprometer la seguridad operacional.
Para afrontar este reto, es imprescindible desarrollar modelos de IA explicables (XAI) que permitan a los operadores interpretar y auditar las decisiones automatizadas. Un sistema que no pueda justificar su comportamiento genera incertidumbre y puede dificultar la toma de decisiones en situaciones críticas. La explicabilidad no solo debe garantizar transparencia, sino también facilitar la trazabilidad de cada decisión dentro del sistema ATM.
Al mismo tiempo, se requiere el diseño de interfaces avanzadas de visualización y alerta, capaces de presentar información relevante de forma intuitiva y priorizada. La automatización debe traducirse en herramientas que mejoren la percepción situacional del operador, evitando la sobrecarga de información y asegurando que las alertas críticas sean fácilmente detectables y comprensibles.
Garantizar la capacidad de intervención en tiempo real es otro pilar esencial para la supervisión humana en entornos automatizados. Es necesario desarrollar mecanismos eficientes de validación y corrección, que permitan a los operadores aprobar, modificar o anular decisiones automatizadas sin retrasos innecesarios. La agilidad en esta interacción es clave para mitigar errores y asegurar que la automatización funcione como un soporte, en lugar de una barrera, en la toma de decisiones.
Además, los sistemas ATM deben adaptarse dinámicamente a la carga cognitiva del operador. Una automatización flexible, capaz de ajustar su nivel de intervención según el contexto operativo, contribuirá a evitar tanto la dependencia excesiva de la IA como la sobrecarga de los controladores. Esto requiere la implementación de estrategias que equilibren la intervención humana y la autonomía del sistema de manera eficiente y segura.
Por último, la implementación de estos sistemas debe garantizar que la supervisión humana se mantenga como un pilar fundamental de la seguridad aérea. La combinación de explicabilidad, interfaces intuitivas y adaptabilidad permitirá un equilibrio adecuado entre la velocidad y eficiencia de la automatización y la capacidad de supervisión y control por parte del operador.
Impacto esperado de las soluciones a desarrollar en este reto: Los avances en esta área permitirán que la automatización en ATM sea más confiable, transparente y eficiente, sin comprometer la supervisión humana. Con ello, se fortalecerá la confianza en los sistemas de IA, se reducirá la carga cognitiva de los operadores y se garantizará que la toma de decisiones en la gestión del tráfico aéreo mantenga los más altos estándares de seguridad y fiabilidad.
Automatización asistida en ATM: Asistente digital para controladores de tráfico aéreo
La creciente complejidad en la gestión del tráfico aéreo exige herramientas avanzadas que optimicen la toma de decisiones y reduzcan la carga cognitiva de los controladores. En este contexto, el desarrollo de un asistente digital proactivo representa una innovación clave para mejorar la eficiencia operativa y la seguridad, permitiendo una colaboración más fluida entre el operador humano y los sistemas automatizados.
Este reto plantea la creación de un asistente basado en IA capaz de aprender desde el inicio del entrenamiento del controlador, adaptándose a sus rutinas, patrones de toma de decisiones y estrategias de gestión del tráfico aéreo. A lo largo de la formación, el asistente deberá proporcionar recomendaciones personalizadas para la resolución de conflictos, evolucionando progresivamente hasta ser capaz de anticipar situaciones y proponer soluciones autónomas, siempre bajo supervisión humana.
Para lograrlo, la solución debe abordar los desafíos específicos del entorno ATM mediante la aplicación de tecnologías avanzadas como IA generativa, deep learning, algoritmos de optimización y procesamiento del lenguaje natural. Estas herramientas permitirán que el asistente no solo analice grandes volúmenes de datos en tiempo real, sino que también interprete el contexto operacional y ajuste sus sugerencias a las condiciones dinámicas del espacio aéreo.
Uno de los aspectos fundamentales de este desarrollo es la capacidad del asistente para adaptarse al estilo de cada controlador, proporcionando un apoyo que complemente sus habilidades en lugar de imponer una solución genérica. La personalización del asistente debe basarse en el aprendizaje progresivo, integrando modelos que identifiquen patrones individuales y ajusten las sugerencias en función de la experiencia y el desempeño del usuario.
Además, la interacción con el asistente debe ser intuitiva y eficiente, por lo que se requiere el diseño de interfaces avanzadas hombre-máquina que faciliten la comprensión de las sugerencias y garanticen una comunicación fluida. La integración de interfaces de realidad aumentada, comandos de voz o visualizaciones dinámicas puede mejorar significativamente la usabilidad y la adopción de esta tecnología en entornos operativos de alta presión.
Otro reto clave es garantizar que el asistente no solo aprenda, sino que también pueda justificar sus recomendaciones de manera transparente. La explicabilidad de la IA será crucial para generar confianza en el sistema, permitiendo a los controladores entender el razonamiento detrás de cada sugerencia y, cuando sea necesario, ajustar o rechazar las decisiones propuestas.
La evaluación del asistente en entornos de simulación y pruebas operativas será clave para validar su efectividad en escenarios realistas. Para ello, será necesario implementar metodologías de validación que analicen su impacto en el rendimiento de los controladores, así como en la eficiencia y seguridad del tráfico aéreo. Garantizar una integración efectiva en el ecosistema ATM requerirá un enfoque riguroso que evite comprometer la toma de decisiones humanas y refuerce la confianza en el sistema.
Impacto esperado de las soluciones a desarrollar en este reto: Este desarrollo permitirá transformar la manera en que los controladores interactúan con los sistemas de apoyo en ATM, ofreciendo un asistente digital adaptativo que aumente la eficiencia operativa y reduzca la carga cognitiva sin comprometer la supervisión humana.
Optimización multiobjetivo: equilibrio dinámico entre seguridad, capacidad y sostenibilidad en ATM
La gestión del tráfico aéreo enfrenta desafíos crecientes en la optimización de sus operaciones, donde múltiples objetivos deben ser considerados simultáneamente. La seguridad operacional sigue siendo el pilar innegociable del sistema ATM, al igual que la ciberseguridad cuando está directamente relacionada con la protección de la seguridad aérea. Sin embargo, otros factores como la capacidad, la sostenibilidad medioambiental y la eficiencia económica pueden gestionarse con cierto grado de flexibilidad, permitiendo la exploración de equilibrios operacionales en función de las condiciones y prioridades del momento.
Los escenarios operativos actuales requieren modelos de toma de decisiones que no se basen en un único criterio, sino en un conjunto amplio de factores interdependientes. En determinados momentos, un proveedor de servicios de navegación aérea puede priorizar la maximización de la capacidad para absorber un pico de demanda, aunque esto implique un mayor coste operativo y un mayor impacto ambiental. En otros contextos, la prioridad podría ser la reducción del impacto medioambiental, lo que puede conllevar una disminución de la capacidad y un aumento de las demoras.
Para afrontar este reto, es fundamental desarrollar modelos de decisión y optimización multiobjetivo que permitan gestionar de manera dinámica los distintos criterios operacionales. La asignación flexible de pesos a cada objetivo permitirá adaptar el sistema ATM a distintas necesidades estratégicas, asegurando que los modos operativos puedan ajustarse en función de factores como el tráfico, las condiciones meteorológicas, las restricciones regulatorias o las políticas de sostenibilidad.
El desarrollo de estos modelos requiere la aplicación de técnicas avanzadas como optimización matemática, inteligencia artificial, algoritmos evolutivos y aprendizaje automático, capaces de evaluar grandes volúmenes de datos en tiempo real y ofrecer recomendaciones adaptadas a escenarios cambiantes. Estas soluciones deberán ser capaces de gestionar conflictos entre objetivos y proporcionar estrategias de equilibrio que maximicen la eficiencia sin comprometer la seguridad.
Otro aspecto clave es la integración de herramientas de apoyo a la decisión que faciliten a los operadores del sistema ATM la interpretación de los distintos escenarios y sus implicaciones. Interfaces intuitivas y visualizaciones dinámicas permitirán comprender mejor los compromisos entre capacidad, costes y sostenibilidad, facilitando la toma de decisiones informadas en tiempo real.
Adicionalmente, la validación de estos modelos en entornos simulados será fundamental para medir su efectividad y asegurar su aplicabilidad en la gestión operativa del tráfico aéreo. La evaluación de distintos escenarios permitirá ajustar los modelos de optimización multiobjetivo para que puedan integrarse en la toma de decisiones estratégicas y tácticas dentro del ecosistema ATM.
Impacto esperado de las soluciones a desarrollar en este reto: El desarrollo de herramientas de optimización multiobjetivo contribuirá a un ATM más flexible y adaptativo, donde la toma de decisiones pueda ajustarse a las necesidades del momento sin perder de vista los objetivos de seguridad y sostenibilidad.
Fases del concurso
30 de junio de 2025
30 de junio de 2025
1. Presentación de propuestas de soluciones
Fecha límite para presentar las candidaturas a través del formulario disponible en esta página web.
30 de septiembre de 2025
30 de septiembre de 2025
2. Evaluación de las propuestas de soluciones
El Comité de Selección seleccionará a los finalistas.
octubre de 2025
octubre de 2025
3. Entrevistas con el Jurado
Los finalistas presentarán sus propuestas de soluciones ante el Jurado.
31 de octubre de 2025
31 de octubre de 2025
4. Selección, notificación y aceptación del reto
El Jurado informará a los dos grupos de investigación ganadores del Concurso.
enero 2026 – junio 2027
enero 2026 – junio 2027
5. Fase de investigación de la solución ganadora y seguimiento
A partir de la fecha de aceptación del reto, cada grupo de investigación ganador firmará un convenio de investigación para comenzar los trabajos que tendrán una duración de 18 meses.
Premio
Los grupos de investigación ganadores del concurso firmarán un convenio de investigación con una duración de 18 meses teniendo a su disposición una cantidad de 60.000 €, de los cuales, 40.000 € se entregarán en el año 2026 en concepto de anticipo y 20.000 € en el año 2027 tras el cierre de las actividades.
El objetivo es desarrollar la solución propuesta para demostrar su adecuación y viabilidad técnica y económica.
18 meses
Convenio de investigación
60.000 €
En 2 fases
18 meses
Convenio de investigación
60.000 €
En 2 fases
¿Cómo inscribirte?
Para inscribirte en el concurso, completa por favor los siguientes pasos:
- Descarga las bases y el documento de inscripción de la parte superior de la web.
- Rellena el documento de inscripción y envíalo al correo que aparece en las bases (o haz click aquí).
- Espera a recibir el correo de confirmación. ¡Ya estás inscrito en el concurso!
¿Qué es ENAIRE?
En España todas las aeronaves que despegan, aterrizan o transitan por su espacio aéreo reciben servicios de comunicaciones, navegación y vigilancia a través de una moderna y completa red de instalaciones explotadas por ENAIRE.
En la siguiente infografía se muestra cómo se prestan los servicios de control de tránsito aéreo, según las fases de un vuelo.
Áreas de interés de ENAIRE
Tráfico aéreo seguro y fluido
Tráfico aéreo sostenible
Inclusión del tráfico de drones
Diseño y organización del espacio aéreo
Ajuste entre la capacidad del espacio aéreo y la demanda de tráfico
Automatización
Inteligencia artificial
