Entradas recientes

@industrialesupm

Mozart: Obra: Quinteto para clarinete K581-Mozart (1er Movimiento). Hoy viernes 30 de abril. @La_UPM ow.ly/XAlP50ExqtP pic.twitter.com/XpjLBtLNTq

Hace alrededor de 2 días del Twitter de Escuela Industriales vía Hootsuite Inc.

Instagram

Recibir IN-ON

¿Qué nos falta para tener vehículos autónomos en nuestras carreteras?

¿Qué nos falta para tener vehículos autónomos en nuestras carreteras?

Felipe Jiménez Alonso

Hace unos años, los fabricantes de vehículos auguraban la comercialización de vehículos autónomos nivel 4 en un plazo muy breve. Este mensaje se ha matizado por razones técnicas, pero no únicamente.

¿De qué hablamos cuando nos referimos al vehículo autónomo nivel 4?

El concepto de vehículo autónomo puede resultar ambiguo en cuanto a su alcance. De hecho, ya hace años, SAE estableció una clasificación donde el vehículo de actuar de forma totalmente autónoma se designaba como nivel 5, mientras que el 4 se restringe solo a algunos escenarios (SAE, 2021). Por otra parte, el nivel 1 corresponde a los sistemas de asistencia y el 2 ya permite el control longitudinal y transversal de forma simultánea, aunque con la supervisión continua por parte del conductor. En la actualidad, el nivel más avanzado que se comercializa en nuestro mercado es el 2, a pesar de que algunos vehículos puedan llegar a tener capacidades superiores, lo que plantea ciertos conflictos normativos para delimitar responsabilidades. Estos vehículos nivel 2 son una realidad y demuestran su correcto funcionamiento en muchos escenarios, si bien no garantizan una conducción prescindiendo totalmente de la acción del conductor ante ciertas situaciones, circunstancias que no son anormales para un conductor humano, pero sí para la máquina. Si bien el objetivo de un vehículo nivel 5 parece muy lejano y, quizá, no sea realizable o necesario si se desea mantener la flexibilidad característica del modo de transporte por carretera, un vehículo que acometa las tareas de conducción sin intervención humana bajo ciertas premisas y escenarios sí constituye un objetivo realista y está en la agenda de grandes empresas, no solo del sector de automoción. Además, dentro del nivel 4, los escenarios pueden crecer progresivamente en complejidad, partiendo de maniobras de aparcamiento automatizado, circulación autovías, etc. Pero, ¿qué falta para alcanzarlo?

Retos técnicos

La arquitectura del vehículo autónomo comprende 3 capas principales: percepción, decisión y actuación. Los grandes retos se sitúan en las 2 primeras.

Por un lado, la percepción del entorno del vehículo se realiza mediante sensores embarcados que pueden ser de corto y largo alcance. Los sensores de largo alcance tienen características muy diferentes que hacen que sean apropiados en algunos casos, pero ineficaces en otros. Por ello, un único sensor no es suficiente, sino que debe complementarse con otros mediante fusión sensorial (Schoettle, 2017). La conjunción de esos algoritmos debe perseguir una representación completa y fiable del entorno que garanticen, en la medida de lo posible, no tener falsos positivos o negativos. La introducción de sensores con altas capacidades de percepción implica que los fabricantes de componentes se encuentran en el proceso de actualizar su oferta de productos. Cabe indicarse que los sensores principales en los que se basa el funcionamiento de los vehículos autónomos vienen de la mano de empresas que no han estado, en general, vinculadas al sector de la automoción en el pasado.

El posicionamiento en mapas electrónicos supone una fuente adicional de información y se puede considerar como un sensor secundario que ayuda a interpretar la escena. Algunas aplicaciones requieren el posicionamiento de alta precisión, en ocasiones, a nivel de carril. Sin embargo, los sistemas actuales presentan fuertes limitaciones en este sentido y se deben buscar soluciones basadas, por lo general, en fusión sensorial para aumentar la precisión. Adicionalmente, los mapas electrónicos para navegación no disponen del detalle y precisión que se requiere, lo que obliga a revisar las formas de adquirir la información recogida en los mapas y actualizarla de forma continua.

La percepción del entorno también puede complementarse por medio de comunicaciones inalámbricas, lo que da lugar al concepto de vehículo conectado (Vantomme, 2018). Los vehículos pasan a ser sensores flotantes que ponen información a disposición de otros usuarios (Feng et al, 2014). Estas comunicaciones inalámbricas implican un alto volumen de información, que debe ser verificada, procesada y difundida de una forma eficaz. Según se requiera una conducción autónoma más avanzada, se requiere que la comunicación debe ir más allá del concepto de conducción conectada para alcanzar la conducción cooperativa, que pueda resolver escenarios complejos en la toma de decisiones.

Por otra parte, las limitaciones del sistema de percepción se trasladan a la capacidad del sistema para tomar decisiones, lo que obliga a adoptar conductas conservadoras ante la falta de información. Se exige que las decisiones del vehículo autónomo sean tan fiables, al menos, como las de un conductor humano de forma que no cometa errores donde se presupone que un humano atento y entrenado no lo haría. Sin embargo, si bien el razonamiento humano es capaz de hacer frente a situaciones complejas y desconocidas, los sistemas automáticos cuentan con menos flexibilidad de forma que encuentran dificultades para gestionar estos escenarios (Okumura et al, 2016). El uso de herramientas de Inteligencia Artificial busca el poder reproducir el conductor humano en estas situaciones, aunque las limitaciones actuales obligan a que el conductor deba estar presente en el lazo de control en caso de que los sistemas vehiculares no sean capaces de enfrentarse a ciertas situaciones. Falta, por lo tanto, camino para lograr una Inteligencia Artificial fuerte y explicable que sustituya de forma completa al conductor.

Por último, cada vez existe una mayor preocupación por la influencia de la infraestructura y su clasificación para permitir mayores niveles de conducción autónoma en función de parámetros geométricos, señalización, etc.

En resumen, se trata de aumentar la conciencia situacional de los vehículos con el fin de que puedan contar con la percepción lo más completa, fiable y actualizada posible del entorno para una toma de decisiones eficaz (Endsley, 2018). Para ello, se debe profundizar en todos los canales de información antes citados.

Otras razones no técnicas

Adicionalmente a las consideraciones técnicas, los vehículos autónomos suponen un cambio notable en cuanto a la legislación se refiere, tanto para la verificación de la seguridad de los vehículos para su comercialización como para establecer responsabilidad durante la conducción (Wood et al, 2021). Además, se encuentran aspectos éticos que deben considerarse según el control se cede del conductor al vehículo (Lari et al, 2014).

Por último, la aceptación por parte de conductores y otros usuarios de la vía, en un espacio compartido, es esencial para su implantación satisfactoria (Fraedrich et al, 2016), la cual para por la introducción de la tecnología de forma gradual en un proceso que permita identificar los logros y las siguientes barreras a superar.

Felipe Jiménez es Catedrático del Departamento de Ingeniería Mecánica y Director de la Unidad de Sistemas Inteligentes de INSIA. Sus líneas de trabajo se centran en los sistemas de asistencia al conductor y la conducción autónoma, conectada y cooperativa.

Referencias

  • Endsley, M. R. (2018) Situation Awareness in Future Autonomous Vehicles: Beware of the Unexpected, Proceedings of the 20th Congress of the International Ergonomics Association.
  • Feng, Y., Hourdos, J., Davis, G. A. (2014). Probe vehicle based real-time traffic monitoring on urban roadways. Transportation Research Part C: Emerging Technologies, 40, pp 160-178
  • Fraedrich, E., Cyganski, R., Wolf, I., Lenz, B. (2016) User perspectives on autonomous driving. Geographisches Institut Humboldt-Universität zu Berlin
  • Lari, A., Douma, F., Onyiah, I (2014). Self-Driving Vehicles: Current Status of Autonomous Vehicle Development and Minnesota Policy Implications. University of Minnesota
  • Okumura, B., James, M. R., Kanzawa, Y., Derry, M., Sakai, K., Nishi, T., Prokhorov, D. (2016). Challenges in Perception and Decision Making for Intelligent Automotive Vehicles: A Case Study. IEEE Transactions on Intelligent Vehicles, 1(1), pp 20-32
  • SAE (2021). Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles. SAE International/ISO
  • Schoettle, B. (2017). Sensor fusion: a comparison of sensing capabilities of human drivers and highly automated vehicles. The University of Michigan
  • Vantomme, J. (2018) Cooperative, Connected and Automated Mobility. QUO VADIS?, Challenges for the automotive industry, ACEA, PZPM Conference, Warsaw, 26 February 2018.
  • Wood, S. P., Chang, J., Healy, T., Wood, J. (2012) The Potential Regulatory Challenges of Increasingly Autonomous Motor Vehicles, Santa Clara Law Review, Volume 52(4), article 9