Inteligencia artificial
La IA al Volante: Cómo la Inteligencia Artificial Está Impulsando la Evolución de los Vehículos Autónomos
Mientras que hace unos 200 años, los vehículos de alta calidad con características únicas eran inimaginables para una persona común, hemos avanzado mucho desde entonces, con vehículos eléctricos e híbridos convirtiéndose en una parte diaria de nuestras vidas.
Hoy en día, los vehículos autónomos (AV) están liderando la innovación en automóviles que ha entrado en el mainstream con mucho espectáculo y expectativas. Pero, ¿qué son y cómo están cambiando la cara de los vehículos? Veamos.
Un Vistazo a la Automatización en Automóviles
Los vehículos autónomos (AV) son el tipo de vehículos que utilizan tecnología para reemplazar parcial o completamente al conductor humano y conducir hasta un destino predeterminado en modo “piloto automático”. Al mismo tiempo, estos AV responden a las condiciones de tráfico, evitan obstáculos en la carretera y brindan más seguridad.
Diferentes tipos de tecnologías utilizadas por estos vehículos incluyen sensores, láseres, radar, control de crucero adaptativo, dirección activa, sistemas de frenos antibloqueo y tecnología de navegación por GPS.
Según la Sociedad de Ingenieros Automotrices (SAE), hay seis niveles de vehículos autónomos basados en la intervención humana. Esta clasificación, que también es utilizada por la Administración Nacional de Seguridad Vial de EE. UU. (NHTSA), es la siguiente:
Nivel 0: El vehículo no tiene control sobre su operación, con el conductor humano realizando toda la conducción.
Nivel 1: El sistema de asistencia de conducción avanzada (ADAS) del vehículo viene con la capacidad de apoyar al conductor con la dirección y el frenado.
Nivel 2: El sistema de ADAS del vehículo supervisa la aceleración y el frenado en algunas condiciones, aunque el conductor humano es requerido para realizar tareas necesarias y prestar atención completa al entorno durante todo su viaje.
Nivel 3: El sistema de ADAS del vehículo puede realizar todas las partes de la tarea de conducción en algunas condiciones, pero cuando es necesario, el conductor humano debe tomar el control. Este nivel de autonomía es actualmente alcanzado por los AV.
Nivel 4: El sistema de ADAS del vehículo puede realizar todas las tareas sin necesidad de atención o asistencia humana en ciertas condiciones.
Nivel 5: El sistema de ADAS del vehículo puede realizar absolutamente todas las tareas relacionadas con la conducción y en todas las condiciones sin necesidad de asistencia de conducción del conductor humano. En esta etapa, se logra la automatización total.
Los vehículos autónomos ofrecen el beneficio de la comodidad y la mejora de la calidad de vida. Además, las personas con discapacidad y los ancianos pueden ganar independencia. También hay el potencial de reducir la congestión del tráfico, cortar los costos de transporte, liberar estacionamientos y reducir drásticamente las emisiones de CO2.
Sin embargo, a pesar de todo el revuelo sobre los vehículos autónomos, aún no han logrado el éxito que se esperaba. ¿Cuál es el problema aquí?
Desafíos que Enfrentan los Vehículos Autónomos
Los vehículos autónomos o sin conductor han impulsado miles de millones de dólares en inversión en los últimos años, pero ha habido muchos retrasos en los lanzamientos de AV, así como una adopción retrasada por parte de los clientes. Así que, veamos algunos de los desafíos más prominentes que enfrentan estos vehículos.
Entorno de Conducción Complejo
Los sistemas utilizados por los AV para rastrear señales de tráfico, semáforos y el movimiento de objetos en la carretera no son infalibles. Especialmente fallan en entender escenarios del mundo real.
Por ejemplo, si un grupo de pájaros está sentado en la carretera, los conductores humanos entienden que los pájaros volarán cuando el vehículo se acerque, pero los AV pueden detenerse innecesariamente o frenar bruscamente. Los AV también fallan en detectar interacciones sociales complejas como el movimiento de la mano o el contacto visual de otro conductor, indicando que puede avanzar.
No mencionar que los AV, hasta ahora, no pueden comportarse de manera segura cuando no hay señales de tráfico en la carretera. Esto significa que los AV no pueden operar con precisión máxima en cualquier ubicación en diferentes países.
Si un pasajero desea visitar una ubicación que no está incluida en el sistema de mapas, entonces puede encontrar realmente difícil, ya que los AV pueden desorientarse. Esto requiere la necesidad de tener mapas de rutas tridimensionales (3D) complejos para guiar el vehículo, lo que es un proceso que consume tiempo si se quiere lograr la cobertura y la precisión.
Mal Tiempo
Un gran desafío para los AV es el mal tiempo. Estos vehículos utilizan una amplia gama de sensores: cámaras para ayudar a ver y identificar el objeto, láser para rastrear la distancia del objeto y radar para medir la velocidad del objeto y la dirección de su movimiento.
Una vez que se ha capturado los datos, el sistema toma una decisión, pero la nieve, la niebla o la lluvia intensa dificulta que los sensores funcionen correctamente. Así que, el clima adverso afecta negativamente la precisión de la capacidad de detección de los AV, lo que puede comprometer la seguridad del usuario. Luego, hay problemas de precipitación intensa y sustancias como el agua, el aceite, el hielo o los escombros que ocultan las marcas de la carretera.
Costo
Otro gran problema con los AV es el costo; los sensores utilizados por estos vehículos, como Lidar y radar, son costosos. Además, Lidar todavía está tratando de encontrar el equilibrio adecuado entre alcance y resolución. Así que, se plantea la pregunta: si varios AV conducen en la misma carretera, ¿causa su señal de Lidar interferencia entre sí!
Responsabilidad
Otra gran pregunta con los AV es la de la responsabilidad en caso de accidentes; ¿quién es responsable de los accidentes causados por los AV? Esto tendrá aún más importancia en cuanto a los AV completamente autónomos que no tendrán un volante para que un humano tome el control del vehículo en caso de emergencia. Luego, está el seguro, que es otra área confusa para estos vehículos.
Leyes y Regulaciones
A pesar de que los AV están entrando en el mainstream, las leyes y regulaciones que los rodean son aún pocas y dispersas. Recientemente, el proceso regulatorio para los AV en EE. UU. ha cambiado de orientación federal a mandatos estatales.
Para prevenir el surgimiento de “coches zombi”, algunos estados han propuesto un impuesto por milla recorrida para ellos. Los legisladores también han escrito proyectos de ley que proponen que todos los AV deben tener un botón de pánico instalado.
Seguridad Cibernética
Dada la sistema de transporte altamente conectado y la implementación de 5G, la privacidad de los datos y la seguridad cibernética son otros problemas con estos vehículos. Por ejemplo, en 2015, Fiat Chrysler recogió 1,4 millones de sus vehículos para arreglar errores, ya que podían ser pirateados y controlados de forma remota. Los AV necesitan asegurarse de que no solo no infrinjan la privacidad de los datos del consumidor, sino que también protejan los datos de los piratas informáticos.
Infraestructura
Para llevar los AV a la carretera, se necesitan inversiones masivas en infraestructura. Los AV a menudo necesitan franjas de carril claras, lugares para almacenar los datos y una red de carga más robusta. Esto impactará el presupuesto de la ciudad. Por lo tanto, se necesita diálogo para las inversiones públicas, así como el alcance comunitario e industrial para expandir la infraestructura existente.
La IA Abriendo el Camino para los Vehículos Autónomos
Enfrentando todos estos desafíos, la inteligencia artificial (IA) está tomando el control y abriendo el camino para los vehículos autónomos.
La cosa es que la industria automotriz ha estado avanzando rápidamente en los últimos años con el advenimiento de nuevas tecnologías. La IA es una de esas tecnologías que está ayudando a la industria automotriz a transformarse. Esencialmente, la IA se trata de hacer que las máquinas sean más inteligentes. Implica la simulación de la inteligencia humana en máquinas para hacer que piensen y actúen como los humanos.
La IA permite que los vehículos reconozcan objetos, predigan lo que puede suceder a continuación, incluso reaccionen a situaciones inesperadas y sean mejores que los conductores humanos al conducir en situaciones de tráfico complejas.
Según Statista, el mercado global de IA automotriz se espera que alcance un tamaño de mercado de $74.500 millones.
Según el estudio de la NHTSA, los errores humanos, como la visión y la audición deterioradas, causan alrededor del 93% de los accidentes de tráfico. Utilizar la IA en los AV en forma de sensores y algoritmos puede permitir medios de transporte más seguros y seguros, lo que puede reducir significativamente las víctimas causadas por errores humanos. La capacidad de la IA para aprender el entorno y adaptarse hace que la tecnología sea más competente para manejar carreteras y situaciones complejas.
La IA se está utilizando en los AV de varias maneras:
- La tecnología puede ayudar a los AV a predecir la conducta de otros conductores y peatones al equipar el vehículo con la capacidad de utilizar análisis, predecir problemas y prevenir que ocurran.
- Al utilizar el aprendizaje automático, bajo el cual un modelo se entrena en conjuntos de datos etiquetados para mapear entradas a salidas correctamente, las IA pueden ayudar a los AV con el reconocimiento de objetos y la modelización. Mientras que un modelo entrenado en conjuntos de datos no etiquetados puede ayudar a los AV con la detección de anomalías, la comprensión de situaciones intrincadas y la extracción de características.
- Los AV dependen de sensores como cámaras, Lidar, radar y sensores ultrasónicos para obtener información sobre su entorno. Aquí, los algoritmos de IA pueden analizar estos datos para generar mapas detallados, lo que permite a los AV tomar decisiones informadas.
- Al aprovechar el Procesamiento de Lenguaje Natural (NLP), los AV pueden utilizar el reconocimiento de voz para interactuar con los pasajeros. De esta manera, la IA puede ayudar a los vehículos a entender las consultas humanas y responder de manera efectiva.
- Al permitir decisiones en el acto basadas en datos de sensores en tiempo real, la IA ayuda a los AV a decidir si la mejor respuesta es reducir la velocidad o detenerse. De esta manera, la IA ayuda a los AV con situaciones peligrosas en las que los humanos son propensos a cometer errores. La tecnología lo hace analizando flujos de datos a través de sus sensores. De hecho, funciona mucho mejor en la detección de tráfico cruzado, la supervisión activa de puntos ciegos, la sincronización con las señales de tráfico y el control de emergencia del vehículo.
En general, la IA en los AV puede ayudar a recopilar datos en tiempo real, detectar e identificar objetos, optimizar la trayectoria, navegar las condiciones de la carretera y predecir fallos. Todos estos usos de la IA ayudan a los vehículos autónomos a lograr una reducción del tráfico, un ahorro de energía acelerado, una mayor accesibilidad, una mayor eficiencia y una mayor seguridad.
Ya, la tecnología está siendo utilizada por fabricantes de automóviles de todo el mundo. Por ejemplo, el Autopilot de Tesla condujo más de 3 mil millones de millas en este modo en casi una década. La Tesla de Elon Musk aprovecha algoritmos de IA sofisticados para un control preciso.
Waymo es otro que utiliza un sistema de conducción autónoma basado en IA para la planificación de rutas complejas y reacciones inteligentes a su entorno. La empresa ha probado sus vehículos conduciendo decenas de miles de millones de millas en simulación.
El asistente digital de Daimler, el SUV R10 e-tron de Audi y el sistema de conducción autónoma EQR4 de Mercedes-Benz son otros ejemplos. Otros contribuyentes importantes a la IA en los AV incluyen BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia y Ford.
Los Avances más Importantes de la IA en el Espacio de Vehículos Autónomos
2023 fue un gran año para los avances en la IA, que impactaron todo, desde el arte, las finanzas, la salud y la educación hasta el cambio climático, la investigación, la financiación y los AV. Así que, veamos algunos de los avances más importantes de la IA de 2023 en el espacio de vehículos autónomos.
Muy recientemente, investigadores de la Universidad Nacional de Incheon (INU) de Corea desarrollaron un sistema de detección de objetos 3D de extremo a extremo novel, que es basado en aprendizaje profundo y habilitado por Internet de las cosas. Este sistema da a los AV capacidades de detección mejoradas, incluso en condiciones desfavorables.
Abordando la dificultad de que sensores como cámaras, lidares y radares sean vulnerables a obstrucciones, clima y carreteras desorganizadas, este estudio adaptó el algoritmo YOLOv3 (You Only Look Once) para identificar objetos 3D al incorporar Internet de las cosas, ya que permite que los objetos intercambien datos y se comuniquen a través de Internet.
El sistema propuesto está diseñado para procesar imágenes RGB y datos de nube de puntos como entradas. Luego, produce cuadros delimitadores que se califican y etiquetan para identificar obstáculos. Este sistema es hábil para detectar una variedad de artículos y es capaz de manejar variaciones en escala y rotación.
El estudio probó el sistema utilizando el conjunto de datos de Lyft y encontró que demostró una mayor precisión y una latencia más baja. Según el equipo, la versatilidad del sistema propuesto se extiende más allá de los vehículos autónomos, encontrando aplicaciones potenciales en vigilancia, robótica y juegos, también.
Otro proyecto, Helm.ai, hizo un avance de la IA que predice la intención del conductor y planea rutas óptimas. La empresa que crea software de IA para la automatización de robots y vehículos anunció que esto permitirá a Helm.ai tener despliegues escalables L2/L3 y L4.
El modelo de la empresa se basa en redes neuronales profundas (DNN) entrenadas utilizando su tecnología patentada, Deep Teaching, que utiliza datos de conducción real para entornos de conducción complejos.
Ahora, su modelo también analiza vehículos y peatones circundantes para predecir con precisión sus acciones probables en diversas situaciones urbanas y, en función de eso, genera la ruta más eficiente y segura para que los AV la tomen. La plataforma de la empresa funciona con diferentes configuraciones de hardware de manera fluida y permite una capacitación y validación eficientes.
“Nuestra plataforma de software aborda los desafíos críticos de percepción de entornos urbanos, allanando el camino para el desarrollo y la validación escalables de la predicción de intención y la planificación de rutas impulsadas por IA.”
– Vladislav Voroninski, CEO de Helm.ai
Este año, el pionero de los vehículos eléctricos Tesla también hizo avances en su software de Conducción Completa (FSD). Su última versión, 12 (v12), permite a la empresa dar otro paso hacia la autonomía de Nivel 4 o Nivel 5 con sus vehículos.
En agosto, Musk demostró FSD v12 conduciendo el vehículo de forma autónoma y realizando tareas como estacionamiento en paralelo, obedeciendo semáforos y navegando rotondas. Lo que distingue a esta versión de las anteriores es su fuerte dependencia de redes neuronales de autoentrenamiento impulsadas por IA.
Lo que significa es que en lugar de requerir que los programadores humanos codifiquen respuestas para diferentes escenarios de conducción, la IA analizará toneladas de datos recopilados de los vehículos de Tesla y elegirá la respuesta más adecuada.
Este desarrollo lleva a Tesla un paso más cerca de alcanzar su objetivo general de un negocio de taxi robot, que, según Ark Invest, incluso en un escenario pesimista, genera $200 mil millones (más de $600 mil millones según su proyección más optimista) en ingresos anuales.
Al comienzo de este año, otro avance llegó para los AV en forma de un sistema de imagen de cámara, HADAR, o ‘detección y medición asistida por calor’. Investigadores de la Universidad Estatal de Michigan y la Universidad de Purdue utilizaron la IA para desarrollar HADAR, que interpreta firmas térmicas para proporcionar imágenes detalladas y nítidas mientras corta el desorden óptico.
Su modelo de IA aprovechó algoritmos de aprendizaje automático que recopilaron datos de cámaras infrarrojas comerciales para reconocer las propiedades físicas de los objetos y su entorno, lo que permitió a HADAR reconstruir escenas nocturnas claras.
Dado que el sistema puede detectar patrones de radiación térmica, formación de materiales y temperatura con gran éxito, tiene un gran potencial, incluyendo controles de seguridad pública sin contacto y superar el miedo a la oscuridad. Sin embargo, HADAR tiene desafíos en términos de costo de equipo y la necesidad de calibración en tiempo real.
La Compañía Ford Motor también creó una subsidiaria de propiedad total llamada Latitude AI para desarrollar un sistema de conducción automática sin manos y sin ojos en la carretera. El gigante automotriz ya tiene más de 50 millones de millas de conducción sin manos con su Ford BlueCruise.
Ahora, con Latitude, la idea es automatizar la conducción en momentos tediosos, estresantes y desagradables, como largos tramos de carretera o tráfico embotellado. Hablando sobre la conducción automática, el director de tecnología de Ford, Doug Field, dijo:
“Vemos la tecnología de conducción automática como una oportunidad para redefinir la relación entre las personas y sus vehículos.”
Pensamientos Conclusivos
Así que, como vimos, dependiendo del nivel de ayuda humana necesaria, los vehículos autónomos caen en diferentes categorías, a saber, automatización para asistencia de conducción, conducción parcialmente automatizada, conducción altamente automatizada, conducción completamente automatizada y vehículo completamente automatizado. Con el advenimiento de la IA, la posibilidad de que los AV finalmente alcancen sus etapas finales está más cerca que nunca.
El futuro del mercado de IA en la industria automotriz es claramente prometedor. Estaba en más de $6 mil millones en 2022 y se espera que crezca a una tasa de crecimiento anual del 55% para 2032.
Los avances en algoritmos de IA, como tecnologías de sensores, potencia de cálculo y soluciones de mantenimiento predictivo, también ayudarán a los vehículos autónomos a abordar sus desafíos y lograr una adopción generalizada.
Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial.
