Pensamos en los coches autónomos como unos vehículos que se bastan y se sirven para circular sin ayuda. Ni de un conductor humano ni de otros apoyos. Solo con su tecnología, los sensores y su capacidad de procesamiento pueden moverse de manera infalible. Pero lo cierto es que estos nuevos automóviles no llegarán de la noche a la mañana. Habrá un periodo de transición y, durante el mismo, la infraestructura —tanto carreteras como antenas de red celular— puede jugar un papel importante. Todo ello forma parte de cómo entenderán estos vehículos el entorno.
Lo esencial, desde luego, para entender el entorno correctamente está dentro del propio coche autónomo. Son los sensores, que perciben los detalles, la capacidad de procesamiento, que toma decisiones, y la conectividad. Este último factor permitirá al vehículo comunicarse con la red o con otros vehículos.
“Para que un vehículo autónomo o un vehículo con sistemas avanzados de asistencia al conductor pueda actuar eficientemente debe poder sentir”, reflexiona Lucas García, ingeniero senior de aplicaciones en la empresa MathWorks especializado en inteligencia artificial e investigador de la Universidad Complutense. “Este es el primer paso en cualquier sistema autónomo, el disponer de las herramientas que nos permitan comprender el entorno y así poder tomar una decisión”.
En este caso se trata de cámaras, sensores radar o lidar. “El número y tipo de sensores a ser tenidos en cuenta en el desarrollo del vehículo dependerá en gran medida del grado de autonomía y funcionalidades que se esperan del él”, comenta García. El lidar, por ejemplo, es un elemento caro, pero proporciona una fiabilidad que complementa adecuadamente a las cámaras y al radar. Sin él no es fácil conseguir una autonomía plena.
Un equipo de sensores nutrido para los coches autónomos
Lo primero es reconocer el entorno, detectarlo. Y para eso los coches autónomos usan medios similares a los de las personas. La vista de un conductor se sustituye con cámaras. «Las cámaras ofrecen una visión en tiempo real de las señales y los objetos en la carretera, como las marcas viales o los obstáculos. Además, el vehículo autónomo cuenta ya con una serie de sensores más sofisticados, como el radar o el LIDAR (basado en rayos láser)”, apunta Rafael Fando, consultor ITS (intelligent transportation systems).
Las cámaras se ocupan de determinar las cuestiones más básicas, lo que es ostensiblemente visible. Y para hacerlo lo mejor posible es necesario ampliar el campo de visión. “El objetivo es maximizar la visión alrededor del vehículo y minimizar los posibles ángulos muertos. Esto implica que un vehículo pueda tener una o varias cámaras delanteras y traseras, varias cámaras laterales, de visión envolvente o cámaras interiores para poder captar la atención del conductor”, explica García.
Sin embargo, las cámaras no son óptimas para medir la profundidad. Se complementan con el radar, que emite ondas de radio con el fin de localizar los obstáculos. Lo hace en torno al vehículo y es capaz de determinar la distancia a la que se encuentran las cosas. Pero su función también se complementa, en este caso con el lidar, que es capaz de trazar un mapa en 3D del entorno.
El lidar
Uno de los sensores clave para un nivel 5 de autonomía de los coches es el lidar (Light Detection And Ranging). Emite rayos láser, normalmente en 360 grados en torno al vehículo, para medir el tiempo que tardan estos haces de luz en volver.
“Una de las grandes ventajas del lidar con respecto a las cámaras tradicionales, es su capacidad para proporcionar una representación tridimensional del entorno, así como el poder hacer un buen desempeño tanto de día como de noche”, explica García. “Los sistemas basados en cámaras necesitan unas condiciones adecuadas de luz para operar de forma óptima, pudiendo no ser del todo fiables durante la noche”. Si bien, el especialista en inteligencia artificial señala que el rendimiento del lidar disminuye en condiciones meteorológicas adversas, como nieve, lluvia o niebla.
Integrar la información para la toma de decisiones de los coches autónomos
Una vez que los coches autónomos han captado señales del entorno tienen que procesarlas. La conclusión de este segundo paso permitirá al vehículo entender el entorno de una cierta manera. “El vehículo conectado recibirá una serie de informaciones externas, de otros vehículos o de otras fuentes, que le llegarán en tiempo real y tendrá que interpretarlas, para ver si debe seguir la marcha, frenar, girar o desviarse».
Toda la información capturada por las cámaras se procesa en el hardware disponible en el vehículo, compuesto de CPUs y GPUs. García hace hincapié en que el sistema tiene que hacerlo con la suficiente precisión como para tomar decisiones: “En este punto, el software juega un papel muy relevante. El uso de técnicas de inteligencia artificial, de deep learning y visión artificial, permiten, mediante un proceso de aprendizaje llamado entrenamiento, que los modelos matemáticos puedan clasificar y localizar adecuadamente los objetos a partir de ejemplos o experiencias previas”.
Estos modelos matemáticos necesitan tiempos largos de desarrollo. Y son necesarias muchas iteraciones en el diseño y entrenamiento de los modelos para alcanzar los niveles de precisión deseados para los coches autónomos. “El objetivo de utilizar simultáneamente diferentes sensores es poder sacar partido a las fortalezas de cada sensor individual, complementando la información que ofrecen los sensores entre sí y generando una única verdad sobre la que puedan operar los modelos matemáticos. Para esto se emplean técnicas de fusión de sensores que preprocesan y sintetizan los datos proporcionados por los mismos”, comenta García.
El papel de la infraestructura como complemento
En la percepción del entorno por un coche autónomo también influye el propio entorno. Normalmente contamos con que este es pasivo. Pero puede tener también un papel proactivo, enviando información al vehículo mediante una red inalámbrica como es 5G. En cuanto a la facilidad para la implantación del vehículo autónomo y su convivencia con los automóviles convencionales, «será más sencilla en un entorno controlado, como en un área acotada, una autopista, o una zona residencial de baja densidad, pero cuando se trata de una ciudad en la que habrá un gran número de interacciones con peatones, bicicletas, patinetes y otros vehículos, las cosas se complican», expone Fando.
Es en esta situación cuando la infraestructura, como las propias carreteras o el mobiliario urbano pueden ser de ayuda. Estos tendrían sus propios sensores, para detectar el tráfico, obstáculos, momentos de riesgo y pasarían la información a los vehículos. “La visión artificial segura del coche en carretera, por muy buena que sea, no va a poder llegar a más de 500 metros de distancia”, señala Fando, quien añade que lo más indicado sería que las infraestructuras participen y contribuyan a gestionar y ordenar la circulación de los coches autónomos.“La tendencia actual es que gracias al despliegue 5G se haga este intercambio de información, se lleve a cabo este intercambio de información con dispositivos embarcados similares a los teléfonos móviles, para que el vehículo reciba la información de los operadores de infraestructuras en tiempo real”.
Por su parte, Isabel Navarro, coordinadora Grupo de Vehículo Autónomo del COIT (Colegio Oficial de Ingenieros de Telecomunicaciones), recuerda que en los primeros tiempos de los coches autónomos habrá un escenario mixto. Donde convivirán vehículos con diferentes niveles de inteligencia, entre coches tradicionales, conectados y autónomos. Estos últimos tendrán la capacidad para conducirse por sí mismos. Pero incluso entre los coches tradicionales, muchos de ellos podrán recibir información digital, para conocimiento de sus conductores.
«La infraestructura puede avisar de que hay una retención, de que hay un accidente, de que en la vía hay hielo. Todo esto la infraestructura puede tener la capacidad para saberlo», apunta Navarro. «El 5G tiene multitud de ventajas, como es la computación en el borde, que haría que se puedan comunicar coche a coche, coche a infraestructura y viceversa, sin que la información suba a la red del operador, con lo cual se reducen las latencias». Una manera de aprovechar la inteligencia colectiva para una conducción autónoma más fiable y fluida.
Imagen de portada: Nikotxan
