TecDay de conducción autónoma urbana de Daimler y Bosch.

RAHNMercedesDeja un comentario

Una conducción completamente autónoma, segura y sin conductor requiere datos de todos los sensores.

Cuatro ojos ven más que dos, como dice un viejo refrán. Pero Bosch y Daimler confían aún en más “órganos sensoriales” cuando se trata de una conducción totalmente autónoma y sin conductor: cámaras ópticas, señales de radar, ultrasonidos y Lidar registran el entorno y ayudan al vehículo a encontrar su camino. Los sensores no solo difieren en términos de alcance o ubicación en el vehículo y, desde un punto de vista técnico, todos tienen sus puntos fuertes.

Solo la combinación de información de todos los sensores (denominada fusión de sensores) produce un modelo del entorno que cumple con los elevados requisitos de seguridad de Bosch y Daimler, algo que ambas compañías han establecido como una condición necesaria para una conducción completamente autónoma y sin conductor. Los sensores deben monitorizar continuamente el entorno en tiempo real. Sobre la base de estos datos, el Controlador de Conducción Autónoma (el ordenador central del vehículo completamente autónomo sin conductor, ADC por sus siglas en inglés), toma decisiones y envía comandos a los actuadores en el vehículo a través de la Unidad de Control de Movimiento.

Daimler también tiene requisitos muy claros para los actuadores que intervienen en la dirección, aceleración y frenada: en un Mercedes-Benz totalmente autónomo y sin conductor, todos los actuadores críticos y sensores de movimiento deben estar duplicados, incluidas las unidades de control y la fuente de alimentación. Esto significa que la dirección controlada electrónicamente no solo tiene dos motores, sino también una electrónica duplicada. El asistente neumático de frenada, antes convencional, se ha reemplazado por el i-Booster de Bosch, un servofreno electromecánico. En conjunto con el sistema ESP®, se crea una combinación de sistema de frenado que permite una detención segura incluso si los componentes individuales fallan.

Los actuadores son gobernados por una red de módulos de software distribuidos en varias unidades de control. El sistema ejecuta las órdenes del software de control del movimiento (Motion Control Software), usando además sus propios sensores para registrar el movimiento de forma precisa y fiable y así poder determinar la trayectoria correcta. Esto incluye, por ejemplo, reconocer y compensar perturbaciones tales como vientos cruzados, baches o una superficie inesperadamente deslizante. También puede hacer que el vehículo se detenga de manera segura si no hay instrucciones de conducción del ADC o si no son plausibles. Así como un humano usa la última imagen de la situación cuando de repente se sumerge en la oscuridad, el sistema genera continuamente una ruta de detención segura a la cual el resto de la red puede recurrir si es necesario.

“Los coches ni se cansan, ni pierden atención”

  • Inteligencia artificial: un método decisivo

  • Es el “machine learning” lo que permite utilizar los datos del sensor

  • Los vehículos individuales transfieren su conocimiento

Conversación con el Dr. Uwe Franke, jefe de semántica de imágenes de Daimler AG, sobre “machine learning” y la conducción totalmente automatizada y sin conductor.

¿Prefiere el término “machine learning” en lugar de inteligencia artificial?
La inteligencia artificial es el término general para los métodos informáticos, como el “machine learning” o el aprendizaje profundo. A día de hoy y en un futuro cercano, la inteligencia no significa que la máquina desarrolle su propia conciencia. En cambio, estos son programas altamente complejos que parecen ser inteligentes.

De esta forma, ¿los humanos no tenemos que temer a la inteligencia artificial tal y como algunas obras de ciencia ficción nos quieren hacer creer?
El aprendizaje automático de las máquinas no conduce directamente a robots empáticos que piensan. De lo que estamos hablando es de una programación compleja que puede dar a algunas personas la impresión de que algo misterioso está sucediendo, algo basado en la inteligencia de la máquina real. Para algunos, la transmisión de la voz humana a largas distancias cuando se inventó el teléfono era igual de misteriosa.

El público general conoció la inteligencia artificial por primera vez cuando las computadoras comenzaron a ganar partidas de ajedrez. ¿Pueden estos programas usarse en un contexto de automoción?
Los algoritmos básicos están disponibles gratuitamente, y no difieren mucho entre sí. El punto principal cuando se desarrolla un sistema eficiente es usar el tipo correcto y la cantidad correcta de datos para el entrenamiento de las redes neuronales profundas. Para jugar bien al ajedrez, una computadora debe haber simulado muchas partidas de ajedrez. Para evaluar las situaciones de tráfico correctamente, debe haber visto muchos escenarios de tráfico, con la asignación correcta de qué es cada cosa. Al sistema se le debe decir qué está mal y qué es lo correcto, de lo contrario no puede aprender. Es por eso que conscientemente nos referimos a la interpretación de imágenes como aprendizaje automático de la máquina en lugar de inteligencia artificial. Nuestros ingenieros especifican qué se debe aprender. Al sistema no se le ocurre por sí mismo echar un vistazo a lo que hay detrás de la próxima colina.

¿Cómo le enseñas a un automóvil a actuar como una persona en la carretera?
Uno de los principales objetivos de nuestra investigación es un registro cada vez mejor del entorno. Cuanto mejor entendamos lo que sucede a nuestro alrededor, mejor podremos enseñarle al automóvil cómo responder ante ello. Hemos progresado particularmente bien en el campo de la interpretación de imágenes en los últimos años.

¿Puede darnos un ejemplo de esto?
Un automóvil que está pasando por un parque infantil puede anticipar que un niño podría estar corriendo detrás de una pelota que rueda hacia la carretera. ¿Pero cómo distingue el automóvil entre la pelota y una piedra o una bola de papel arrugada? Un humano probablemente reconoce la pelota desde la distancia por la forma en que se mueve y rebota, que es muy diferente de una piedra o una bola de papel. También podemos enseñarle a un automóvil cosas como ésta a través de la interpretación inteligente del entorno. Ya tenemos una buena comprensión técnica de los movimientos realizados por peatones, ciclistas y otros objetos, y podemos interpretar sus movimientos posteriores.

La experiencia y los sentimientos juegan un papel importante en esto para los humanos. Una computadora no tiene ninguno de esos atributos. ¿Cómo se enseña a un automóvil a actuar “correctamente” en cualquier situación?
Las redes neuronales convolucionales, que son redes neuronales artificiales que simulan el sistema visual humano, hacen posibles los llamados métodos de “aprendizaje profundo”. Una computadora puede, por lo tanto, aprender y ganar experiencia. El aspecto más emocionante es que las computadoras individuales, o en nuestro caso los vehículos, también pueden aprender unos de otros al compartir sus conocimientos. Un vehículo, por lo tanto, no solo tiene sus propias experiencias, sino también las de toda la flota.

Por lo tanto, ¿cuánto más tiempo pase un automóvil en la carretera, más inteligente se vuelve?
Actualmente nuestro objetivo no es que nuestros vehículos aprendan individualmente por sí mismos, en el sentido de que modifiquen sus propios algoritmos. Porque esto nos presentaría el problema de que apenas podríamos reproducir el error de comportamiento de un vehículo, al no conocer su estado de conocimiento. Pero lo que ciertamente podemos imaginar es la acumulación de estas experiencias en el backend. Podríamos usar esto para desarrollar programas de aprendizaje para todos los vehículos y reproducirlos, para que todos conduzcan con la misma estructura lógica. Un factor clave para nosotros es que el comportamiento de nuestros vehículos siga siendo determinista, es decir, que podamos replicarlo. Si cada vehículo pudiera adaptarse a su propia experiencia de datos, cada vehículo se comportaría de forma ligeramente diferente. Sé que esto suena muy humano, y en realidad sería genial, pero generaría el problema de que apenas podríamos verificar qué comportamiento exhiben nuestros vehículos y cuál no.

La potencia, la velocidad y la resistencia de las máquinas son intrínsecamente ilimitadas, a diferencia de las capacidades humanas. ¿Esto hace que las máquinas sean mejores conductores de automóviles?
Sí, ese es nuestro objetivo. Algún día, los sistemas de conducción de nuestros automóviles habrán aprendido lo suficiente como para saber la respuesta correcta al instante, incluso en situaciones complejas, y responder en consecuencia. Y las computadoras que conducen ni se cansan, ni pierden la concentración.

 

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *