Únete a los más de 155,000 seguidores de IMP

www.auto-innovaciones.com
Mouser News

Los vehículos autónomos están revolucionando la industria del automóvil

Mouser presenta los componentes clave y las innovaciones en comunicaciones necesarios para la adopción de un vehículo totalmente autónomo.

Los vehículos autónomos están revolucionando la industria del automóvil

Hablaremos también de algunas preocupaciones de carácter ético que hay que abordar antes de lograr que este tipo de vehículos obtengan la aceptación social. ¿De qué hablaremos en esta serie de blogs?

  • Las tecnologías de conducción autónoma: una revolución en el mundo del motor
  • Cómo superar las percepciones y abrirse al mundo de la conducción autónoma
  • Las etapas fundamentales en la autonomía del vehículo
  • Tecnologías de detección para vehículos autónomos
  • Sistemas V2V y V2I: datos rápidos para vehículos autónomos
  • Un marco ético para los vehículos autónomos

Los fabricantes de vehículos de todo el mundo se enfrentan a muchos desafíos. Uno de ellos es crear el equivalente eléctrico de sus modelos más populares, pero algo mucho más complejo es liderar el movimiento de las tecnologías para vehículos autónomos. Los sistemas avanzados de asistencia a la conducción (SAAC, por sus siglas en inglés) están disponibles ya en muchos vehículos y algunas de sus funciones más empleadas son la detección de objetos en ángulo muerto y el control de crucero adaptativo. Sin embargo, llegar al punto de reemplazar al conductor es algo muy distinto.

Para usar algoritmos de aprendizaje automático con el fin de replicar el proceso humano de toma decisiones en, por ejemplo, un cruce con mucho tráfico, hace falta algo mucho más avanzado que el SAAC. Además, los factores técnicos no son el único problema; hay muchas inquietudes más profundas y de carácter social y emocional implicadas en la conducción autónoma.

Los fabricantes de vehículos no son los únicos interesados en el éxito de los modelos autónomos; hay muchas organizaciones locales y nacionales de seguridad vial que comparten este deseo. En la UE, mueren alrededor de 25 000 personas al año en las carreteras, y muchos tienen el presentimiento de que los vehículos autónomos reducirían drásticamente esta cifra. Los sistemas de conducción autónoma tienen numerosos métodos de detección para identificar posibles riesgos con un nivel de velocidad y fiabilidad inalcanzable para una persona. Además, cuentan con la ventaja de que se pueden comunicar de forma instantánea con otros vehículos, evitando así los accidentes que suelen ocurrir por malentendidos entre conductores humanos.

Aunque la identificación del riesgo de colisión es uno de los elementos principales de las tecnologías de conducción autónoma, estos sistemas deben, en primer lugar, aprender cuál es el comportamiento de los usuarios de la vía pública. Los algoritmos de aprendizaje automático tienen mucho que aprender y las redes neuronales profundas (DNN, por sus siglas en inglés) necesitan una enorme cantidad de datos. La cantidad de información disponible tendrá un impacto directo en la calidad y seguridad de los sistemas de conducción autónoma.

Gracias a la conectividad, el conocimiento sobre seguridad vial de un vehículo se podrá actualizar continuamente y aprender de las experiencias de otros vehículos autónomos. La inteligencia colectiva abarca la idea de que los vehículos transmitan información continuamente hacia sistemas de administración en la nube, lo que genera una productiva base de conocimientos a partir de las acciones de coches individuales; esta información se comparte con vehículos actuales o futuros a través de actualizaciones de software. Por ejemplo, Tesla ha adoptado esta metodología y lleva obteniendo información desde el principio, además de que analiza todos los datos de actividad para el desarrollo continuo de sus sistemas autónomos.

Si bien es cierto que este método de obtención de datos para mejorar el conocimiento aporta muchas ventajas, no podemos olvidarnos del problema de la privacidad. ¿Cómo se regula quién tiene el derecho a obtener, analizar y distribuir los datos de los vehículos? ¿Qué ocurre con la privacidad de los pasajeros? ¿Quién va a supervisar estos procesos para asegurarse de que haya mecanismos de control? Una posible solución consiste en reducir de tal modo los datos que solo quede la actividad práctica del vehículo para analizar las tendencias, sin información de identificación personal. Hay muchos elementos de privacidad y de acceso a datos sobre los que las autoridades normativas deben tomar una decisión.

Extracción de inteligencia a partir de los datos adquiridos
Afortunadamente, los accidentes de tráfico son un suceso muy poco frecuente en comparación con el número de horas que los vehículos pasan en la carretera. Esto supone un reto para los científicos de datos, que tienen la tarea de generar redes neuronales para la conducción autónoma. Para crear algoritmos eficaces y entender cómo ocurren los accidentes, las redes necesitan cantidades descomunales de datos; de este modo, podrán identificar los peligros potenciales y tomar medidas instantáneas durante el trayecto.

La simulación es un factor que contribuye en gran medida al entrenamiento de los sistemas de aprendizaje automático, y los investigadores de la Universidad del Sarre (Alemania) han desarrollado una solución que no necesita crear accidentes reales. Se trata de un método pionero de entrenamiento complejo para redes neuronales basado en simulaciones, y consiste en presentar eventos exigentes y situaciones en las que podría haber un accidente, a fin de que los sistemas autónomos los identifiquen y los resuelvan.

Sin embargo, uno de los problemas de la verificación basada en simulaciones es decidir la probabilidad de cada escenario, aunque haya acceso a bases de datos con conocimiento muy detallado. También hay que simular situaciones que pueden surgir cuando haya un error en un sensor o en alguna otra parte del sistema. El fallo de un sensor podría provocar que el sistema creyese que va a haber un accidente cuando, en realidad, no está pasando nada. La convergencia de datos de múltiples sensores puede ayudar a que la red neuronal se autodiagnostique para alertar a los pasajeros y colocar el vehículo en una situación a prueba de fallos.

La grabación de las experiencias de vehículos puede contribuir a este proceso de aprendizaje, de manera que los vehículos autónomos aprendan de los errores propios y ajenos. Un planteamiento viable para mantener la seguridad de estos vehículos es la carga frecuente de datos para que los fabricantes puedan entrenar constantemente la red neuronal; por ejemplo, todas las noches. Como ya hemos visto, la privacidad es un factor esencial, ya que protege los datos de los pasajeros. La reducción de los datos hasta el punto de anonimizarlos permitirá respetar dicha privacidad, pero sigue siendo necesario obtener directrices y acuerdos entre los propietarios de vehículos y sus fabricantes.

Otro aspecto implicado en el desarrollo y la actualización de sistemas seguros y fiables para vehículos autónomos es que los fabricantes colaboren entre sí, en lugar de crear sistemas exclusivos o privados. Al compartir escenarios de entrenamiento, los fabricantes y los clientes obtienen una clara ventaja: es mucho más probable que se haya definido toda situación posible. A fin de lograr el nivel de identificación de incidentes más alto posible, quizá sea necesario que los organismos estatales de seguridad vial y los grupos de fabricantes de automóviles se pongan de acuerdo para establecer paquetes de entrenamiento estándar.

Los sistemas de conducción autónoma utilizan la entrada de datos desde una multitud de sensores para mantener la seguridad, pero debe haber un marco de protocolos globales que determinen lo que se debe hacer cuando un accidente es inevitable. Este proceso de decisión ya es un tema polémico, y la seguridad de los pasajeros y los peatones es la prioridad. La preparación de un marco básico de seguridad es un dilema social y legal muy complejo y delicado; hablaremos de esto en más profundidad a lo largo de esta serie de blogs.

www.mouser.com

  Solicite más información…

LinkedIn
Pinterest


¿Ha olvidado su contraseña?

Únete a los más de 155,000 seguidores de IMP