Vehículos Autónomos: Nuevo Software Predictivo Para Evitar Accidentes de Tráfico
Vehículos Autónomos IA inteligencia artificial

Vehículos Autónomos: Nuevo Software Predictivo Para Evitar Accidentes de Tráfico

Maia Mulko
Maia Mulko

Científicos de la Universidad Tecnológica de Munich desarrollaron un programa para vehículos robóticos que puede predecir hasta 6 segundos en el futuro en tan sólo un milisegundo. La idea es que los coches puedan resolver distintas situaciones viales en simultáneo, con el objetivo de prevenir colisiones.

Tras varios accidentes registrados con vehículos autónomos, y especialmente tras la muerte de Elaine Herzberg, una mujer estadounidense de 49 años que en 2018 fue atropellada en Florida por un Uber sin conductor, quedó claro que garantizar la seguridad vial es el gran desafío de los vehículos autónomos. También es el motivo principal por el que todavía hay cuestionamientos respecto de su eficacia y/o implementación, puesto que ningún sistema es perfecto hasta ahora.

Pero los avances en ese aspecto no se hacen esperar. El equipo del departamento de Informática de la Universidad Tecnológica de Munich, conformado por los expertos en sistemas ciberfísicos Christian Pek, Stefanie Manzinger, Markus Koschi y Matthias Althoff, presentó recientemente un algoritmo que, a través del análisis continuo de los datos de los sensores del vehículo, predice las intenciones o comportamientos potenciales del tránsito que lo rodea para actuar en consecuencia.

Así, el vehículo autónomo es capaz de determinar por sí mismo las maniobras más convenientes que podría realizar en cada situación para evitar choques o arrollamientos en la manera más segura, es decir, sin daños colaterales. Al fin y al cabo, aunque los vehículos robóticos han fallado y hasta provocado muertes en el pasado, se pretende que no sólo prevengan, sino que también ayuden a disminuir la tasa de accidentes de tránsito con sus respuestas computarizadas.

Anuncio

Analítica Web Sin Uso de Cookies Que Protege la Privacidad


Cómo Funciona

A pesar del enfoque predictivo que adopta el software, los investigadores afirman que no realiza simplemente un análisis probabilístico tras otro, puesto que existe un margen de impredictibilidad en la carretera que en muchas ocasiones generan accidentes (por ejemplo, si un conductor humano o vehículo autónomo predice que un peatón no va a cruzar y termina haciéndolo a último momento, o si predice que otro vehículo doblará hacia la izquierda y termina haciéndolo hacia la derecha, etcétera). Por eso, más que en la probabilidad, este sistema considera constantemente lo que ya está ocurriendo para determinar lo que pasará luego y, así, ejecutar la acción más segura posible.

Concepto de un vehículo autónomo de Toyota. Fuente: Éric Sánchez para Descentralizar.info

Como puede haber múltiples variaciones en las situaciones viales de la vida real, los expertos no configuraron el software para que “aprenda” de memoria todos los posibles escenarios, sino que priorizaron que evalúe las posibilidades durante el evento inesperado para tomar decisiones en tiempo real. Estas decisiones están basadas en los diversos factores que intervienen en la modificación de la trayectoria previa del vehículo, como la velocidad y la presencia de obstáculos. Una vez finalizado este proceso (que es instantáneo), el coche autónomo puede esquivar a un peatón y retomar su ruta, detenerse en un lugar seguro, o lo que resulte necesario para evitar el accidente.

El sistema, no obstante, se limita sólo a movimientos legales, según la convención de tránsito de Viena. Esto implica que el vehículo que utilice este software sólo conducirá bajo estas pautas (incluso en situaciones de emergencia), pero también interpretará lo que sucede a sus alrededores también basado en ellas. Es lo que los científicos de la TUM llaman “seguridad legal”.

Ocurre, entonces, que puede haber cierta desprotección ante las maniobras ilegales al volante, que en teoría sólo los conductores humanos pueden cometer (los vehículos autónomos están diseñados para no hacerlo). En otras palabras, el algoritmo de este estudio sólo puede prevenir accidentes en la medida en que otros conductores o viandantes acaten las normas de tránsito también. Este es el aspecto que más críticas ha suscitado.

En Inglaterra, el profesor Noel Sharkey de la Universidad de Sheffield cuestionó la utilidad de aplicar este software tal cual está en un mundo real en el que no todos los conductores o transeúntes respetan las reglas. El Dr. Ron Chrisley, de la Universidad de Sussex, apuntó a que por esa misma razón sería más conveniente optar por un sistema no tan ligado a las normas de tránsito, sino a cómo se mueve realmente la gente por la calle, además de habilitar las maniobras ilegales en los vehículos autónomos para las situaciones en que éstas sean la única alternativa para evitar accidentes.

De hecho, la investigación sobre el susodicho caso de Elaine Herzberg en Tempe, Florida, concluyó que el autopiloto del Uber que la arrolló no pudo identificarla como a una persona porque no estaba cruzando en un lugar habilitado para peatones. En ese sentido, los conductores humanos todavía corren con ventaja respecto a estos algoritmos, en esencia tan perfectos que, en la práctica, con la dinámica de las carreteras reales, pueden fallar.

El Aprendizaje Automático: ¿La Solución?

Sin embargo, este avance es importante porque, en simulaciones, el sistema predictivo ha logrado evitar desenlaces desfavorables en múltiples situaciones críticas. Lo que sigue es continuar con las pruebas en más y más situaciones, para ampliar el rango de posibilidades, y desarrollar aún más las capacidades predictivas de estos vehículos, mediante machine learning. Así, se podrían llegar a solventar los puntos débiles del software en un futuro cercano.

Después de todo, no faltan expertos que defiendan la relevancia de la predicción en la IA de los vehículos autónomos, pues los conductores humanos la utilizan todo el tiempo. Como es imposible programar una reacción para cada situación vial (puesto que las posibilidades son prácticamente infinitas), la alternativa más prometedora es que las máquinas aprendan a predecir e intuir para poder dominar el entorno, que es siempre variable. En ese sentido, el estudio de la Universidad Tecnológica de Munich va por el camino correcto, especialmente por centrarse en maximizar los tiempos de la predicción.

Lo que resta es perfeccionar esas predicciones para que los vehículos autónomos evalúen de manera cada vez más precisa lo que sucede a su alrededor, algo que ni siquiera las personas pueden hacer de forma fehaciente en todos los casos, pues se calcula que hasta un 90% de los accidentes de tráfico, sólo en Estados Unidos, se deben a errores humanos.

Entonces, podemos decir que el verdadero triunfo de las IA se dará no cuando consigan igualar estas conductas humanas falibles, sino superarlas con nulos márgenes de error.

Anuncio

Upcloud: Los servidores más rápidos del mundo. Reciba un crédito de $25 USD. (Aplican términos, sujeto a cambiar)



Join the conversation.


© 2021 Terraflow LLC - Information - Series 2. Todos los derechos reservados. El contenido y las representaciones en este sitio son solamente para própositos informacionales y no se considerán ni consejos de inversión, ni consejos legales, consejos médicos, ni solicitaciones para invertir.