Header Ads

Por qué los coches 'autónomos' todavía están muy lejos. Aquí hay tres razones



El reciente  accidente  de un automóvil Tesla en Estados Unidos, en el que murieron dos personas, ha reavivado el debate sobre las capacidades y la seguridad de las tecnologías de “conducción autónoma” de hoy.

Los autos Tesla incluyen una función de " piloto automático " que monitorea el tráfico circundante y las marcas de los carriles, y la compañía actualmente está implementando un sistema de "conducción autónoma total" más avanzado que promete navegación automática, detenerse en los semáforos y más.

Los investigadores dicen que  parece que  nadie estaba en el asiento del conductor del vehículo cuando se estrelló. El director ejecutivo de Tesla, Elon Musk, ha  dicho que en ese momento  no se utilizaban funciones de conducción autónoma.

No obstante, el trágico incidente ha planteado preguntas sobre la tecnología de conducción autónoma: qué tan segura es y cuánta atención requiere de

¿Qué entendemos por "conducción autónoma"?

Los expertos hablan de  seis niveles  de tecnología de vehículos autónomos, que van desde el nivel 0 (un vehículo tradicional sin automatización) al nivel 5 (un vehículo que puede hacer de forma independiente cualquier cosa que un conductor humano pueda hacer).

 

La mayoría de las soluciones de conducción automatizada disponibles en el mercado hoy en día requieren la intervención humana. Esto los coloca en el nivel 1 (asistencia al conductor, como mantener un automóvil en un carril o controlar su velocidad) o en el nivel 2 (automatización parcial, como la dirección y el control de velocidad).

Estas capacidades están diseñadas para su uso con un conductor completamente  atento y  preparado para tomar el control en cualquier momento.

Los  vehículos de nivel 3 tienen más autonomía y pueden tomar algunas decisiones por sí mismos, pero el conductor aún debe permanecer alerta y tomar el control si el sistema no puede conducir.

En los últimos años,  han ocurrido varios choques fatales que involucraron  vehículos de nivel 2  y  nivel 3 . Estos accidentes se atribuyeron en gran medida a errores humanos y a confundir estos niveles de automatización con capacidades de conducción autónoma total.

Los fabricantes de vehículos y los reguladores han sido  criticados  por no hacer lo suficiente para hacer que estos sistemas sean más resistentes al mal uso por parte de conductores distraídos.

El camino hacia niveles más altos de automatización

Para niveles más altos de automatización, un conductor humano no necesariamente estará involucrado en la tarea de conducción. El controlador sería reemplazado efectivamente por el software de conducción autónoma de IA.

El nivel 4 es un vehículo "autónomo" que tiene un alcance limitado de dónde y cuándo conducirá. El mejor ejemplo de un vehículo de nivel 4 es el   proyecto robotaxi Waymo de Google . Otras empresas  también están haciendo un progreso significativo en el desarrollo de vehículos de nivel 4, pero estos vehículos no están disponibles comercialmente para el público.

El nivel 5 representa un vehículo verdaderamente autónomo que puede ir a cualquier lugar y en cualquier momento, similar a lo que puede hacer un conductor humano. La  transición desde el nivel 4 al nivel 5 , sin embargo, es órdenes de magnitud más difícil que las transiciones entre otros niveles, y puede tomar años para lograrse.

Si bien las tecnologías necesarias para permitir niveles más altos de automatización avanzan rápidamente, producir un vehículo que pueda completar un viaje de manera segura y legal sin intervención humana sigue siendo un gran desafío.

Deben superarse tres barreras clave antes de que puedan introducirse de forma segura en el mercado: tecnología, regulaciones y aceptación pública.

Software de aprendizaje automático y autoconducción

El software de conducción autónoma es una característica clave que diferencia a los vehículos altamente automatizados. El software se basa en algoritmos de aprendizaje automático y  redes neuronales de aprendizaje profundo  que incluyen millones de neuronas virtuales que imitan el cerebro humano.

Las redes neuronales no incluyen ninguna programación explícita de "si ocurre X, entonces haz Y". Más bien, están capacitados para reconocer y clasificar objetos utilizando ejemplos de millones de videos e imágenes de condiciones de conducción del mundo real.

Cuanto más diversos y representativos son los datos, mejor se vuelven para reconocer y responder a diferentes situaciones. Entrenar redes neuronales es algo así como tomar la mano de un niño al cruzar la calle y enseñarle a aprender a través de la experiencia constante, la reproducción y la paciencia.

No hay comentarios.

Imágenes del tema de enot-poloskun. Con tecnología de Blogger.