Las palomas son un problema cotidiano en muchos edificios: suciedad, ruido, nidos en lugares incómodos y una convivencia complicada entre vecinos, animales y propietarios. Lo que normalmente se intenta resolver con pinchos, redes, ultrasonidos o paciencia, un usuario lo ha convertido en un pequeño experimento de inteligencia artificial aplicada: una cámara detecta palomas en tiempo real y un cañón de agua montado sobre servos las disuade automáticamente.
El proyecto se ha viralizado porque condensa muchas de las tendencias actuales de la IA práctica: visión por computador, modelos ligeros, hardware barato, procesamiento local y automatización física. No es una aplicación corporativa ni un gran robot industrial. Es un balcón, una placa Orange Pi 5, una cámara USB, dos servomotores y una pistola de agua modificada.
La idea es sencilla. La cámara captura vídeo, un modelo de detección identifica si hay una paloma en la escena, el sistema calcula hacia dónde debe apuntar y los servos orientan el chorro de agua. Cuando el objetivo está localizado, el dispositivo dispara una pequeña ráfaga para espantar al ave sin usar métodos agresivos. Según la descripción publicada por el autor en Reddit, el sistema utiliza una red neuronal de detección de objetos de vocabulario abierto basada en YOLO World v2 y se ejecuta sobre la NPU del Rockchip RK3588.
IA local para un problema muy doméstico
Lo interesante del proyecto no es solo que funcione, sino dónde funciona. La detección se realiza en el propio dispositivo, sin enviar vídeo a la nube ni depender de una API externa. La Orange Pi 5, basada en el chip Rockchip RK3588S, incorpora un procesador ARM de ocho núcleos y una unidad NPU anunciada con hasta 6 TOPS de capacidad de cálculo para tareas de IA.
Esto convierte al sistema en un ejemplo claro de edge AI: la inteligencia se ejecuta cerca del sensor y de la acción física. La cámara ve, la placa procesa, los servos apuntan y la pistola de agua actúa. No hace falta mandar cada fotograma a un centro de datos. Para una tarea tan concreta como detectar un animal en un balcón, eso reduce latencia, mejora privacidad y evita costes recurrentes.
La elección de un modelo de detección de vocabulario abierto también es relevante. A diferencia de los detectores tradicionales, entrenados para un conjunto cerrado de clases, modelos como YOLO-World están pensados para reconocer objetos definidos mediante texto o categorías más flexibles. El artículo académico de YOLO-World lo presenta como una evolución de los detectores YOLO hacia la detección de objetos de vocabulario abierto en tiempo real.
En teoría, eso permite adaptar el sistema a otros animales o situaciones sin tener que entrenar desde cero un modelo específico para cada caso. En la práctica, esa flexibilidad exige cuidado: no es lo mismo detectar una paloma grande y visible que distinguir animales pequeños, sombras, reflejos o mascotas en escenas con poca luz.
| Componente | Función en el sistema |
|---|---|
| Cámara USB | Captura vídeo del balcón en tiempo real |
| Orange Pi 5 | Ejecuta el modelo de visión y coordina la lógica del sistema |
| Rockchip RK3588 / NPU | Acelera la inferencia local de IA |
| YOLO World v2 | Detecta la presencia del objetivo, según la descripción del proyecto |
| Dos servomotores | Orientan la pistola de agua en horizontal y vertical |
| Pistola de agua eléctrica | Actúa como mecanismo de disuasión no letal |
| Transistor y resistencias | Permiten activar eléctricamente el disparo |
| Batería | Alimenta la parte móvil del sistema |
Del bricolaje inteligente a los límites prácticos
El proyecto tiene un punto divertido, pero también sirve para entender hacia dónde va parte de la automatización doméstica. Durante años, la domótica se centró en luces, termostatos, persianas o cámaras conectadas. La llegada de modelos de visión más ligeros permite pasar de “ver qué ocurre” a “interpretar qué ocurre” y actuar de forma automática.
Ese salto abre muchas posibilidades: detectar animales en huertos, evitar que ciertas mascotas entren en una zona, controlar accesos, activar riego selectivo, identificar paquetes en una entrada o monitorizar pequeños espacios sin depender de vigilancia humana continua. El problema es que cuando la IA sale de la pantalla y mueve algo en el mundo físico, los errores importan más.
Un falso positivo en una clasificación de imágenes puede ser anecdótico. Un falso positivo en un sistema que apunta y dispara agua puede molestar a una persona, a una mascota o a un vecino. Por eso este tipo de proyectos deben diseñarse con límites claros: baja presión, zonas de exclusión, apagado manual, horarios razonables, detección conservadora y mecanismos que impidan apuntar fuera del área prevista.
También hay una dimensión legal y de convivencia. Las palomas pueden ser una molestia, pero cualquier sistema de control de fauna debe evitar daño, estrés innecesario o métodos prohibidos por normativas locales. En comunidades de vecinos, además, instalar cámaras o dispositivos automáticos en balcones puede generar problemas si capta zonas comunes, viviendas ajenas o la vía pública. La parte técnica puede ser sencilla; la parte de privacidad y convivencia no siempre lo es.
Una señal de lo que puede hacer la IA pequeña
El sistema antipalomás no va a cambiar la industria por sí solo. Su valor está en lo que representa. Hace unos años, montar un detector visual en tiempo real con seguimiento y actuación física requería conocimientos avanzados, hardware caro y bastante integración. Hoy puede hacerse con una placa de bajo coste, una cámara USB y modelos de visión relativamente accesibles.
Esa reducción de barreras explica por qué proliferan proyectos similares. La IA ya no vive solo en grandes plataformas cloud. Empieza a entrar en objetos pequeños, cámaras, robots caseros, placas de desarrollo y automatizaciones muy específicas. En muchos casos, no hace falta un modelo gigantesco; basta con un modelo suficientemente bueno, rápido y barato para una tarea concreta.
La diferencia entre una demo curiosa y un producto fiable seguirá estando en la ingeniería: calibración, seguridad, resistencia a la intemperie, falsos positivos, mantenimiento, consumo energético, protección eléctrica y cumplimiento normativo. Pero el mensaje de fondo es claro. La inteligencia artificial útil no siempre llega como un asistente conversacional. A veces llega como una cámara que reconoce una paloma y una pistola de agua que apunta mejor que un humano cansado de limpiar el balcón.
Preguntas frecuentes
¿Qué hace este sistema antipalomás con IA?
Detecta palomas mediante una cámara y un modelo de visión por computador, orienta una pistola de agua con servomotores y lanza un chorro para disuadirlas.
¿Funciona sin conexión a la nube?
Según la descripción del proyecto, la detección se ejecuta localmente en una Orange Pi 5 con chip Rockchip RK3588, lo que permite procesar vídeo en el propio dispositivo.
¿Puede detectar otros animales?
Al usar detección de vocabulario abierto, podría adaptarse a otros objetivos, aunque la precisión dependerá del modelo, la cámara, la iluminación y el entorno.
¿Es recomendable instalar algo así en cualquier balcón?
Debe hacerse con prudencia. Hay que evitar daños a animales o personas, cumplir normas de privacidad, respetar la comunidad de vecinos y mantener siempre un apagado manual.
