Especial para AUTORUTAS/ENRIQUE KOGAN

Hace una década, en el desierto de California, 11 finalistas compitieron en una carrera sin precedentes de 60 millas.

Los autos robot necesitaban completar la misión de forma segura y rápida sin ninguna intervención humana, mientras interactuaban con vehículos impulsados ​​por humanos, en menos de seis horas.

Fue en el DARPA Urban Challenge del 2007, una competencia de vehículos autónomos que arrancó extraoficialmente las iniciativas de tecnología de conducción automática de hoy.

Estos vehículos se consideraban increíbles en ese momento, y mirando hacia atrás, esto marcó el comienzo de un largo viaje.

DARPA aseguró un cierto nivel de éxito al administrar cuidadosamente el alcance: los participantes acordaron un conjunto de reglas de tráfico rigurosamente definidas, y DARPA eliminó el tráfico de peatones y ciclistas del desafío.

A pesar de estas simplificaciones, lo que los equipos lograron fue impresionante. La mayoría de ellos ensamblaron sus sistemas en gran medida desde cero en solo 18 meses.

El desafío DARPA destacó la necesidad de una potencia computacional más avanzada y el desarrollo de algoritmos.

En ese momento, se confiaba mucho en las técnicas de programación basadas en reglas, lo que significaba que los sistemas robóticos de hace una década tendían a operar solo en entornos muy restringidos, en torno a los usuarios de la carretera con buen comportamiento que no se desviarían mucho de un conjunto establecido de reglas.

Pero luego fue creado “Argo AI”, socio de Ford, para abordar una de las aplicaciones más desafiantes en ciencias de la computación, robótica y medium.com.

Argo ha llevado por más de una década en el campo de la robótica y los autos sin conductor, y ahora que trabajan para llevar esta tecnología a las masas, aprovechando su amplia experiencia, incluidos los aprendizajes del Desafío Urbano DARPA.

Argo conoce de primera mano los desafíos que conlleva comercializar el software y el hardware que alimentan sistemas altamente automatizados e inteligentes. Trabajar en condiciones al aire libre entre el tráfico de vehículos, peatones y ciclistas que operan sin un estricto cumplimiento de un conjunto de reglas puede ser complicado.

Los efectos de las condiciones del mundo real como la noche y el día, el clima cambiante, las diferentes geometrías y materiales de las carreteras pueden complicar las cosas. La dinámica del entorno trae inconsistencias y variabilidad a lo que los creadores de sistemas robóticos tradicionalmente han necesitado para simplificar en un conjunto básico de suposiciones. 

Porque los sensores aún tienen un largo camino por recorrer

Argo usa sensores LiDAR, que funcionan bien en condiciones de poca luz, para captar la geometría tridimensional del mundo que rodea el automóvil, pero LiDAR no proporciona color o textura, por lo que Argo usa cámaras para eso.

Sin embargo, las cámaras son desafiadas con poca luz y tienden a tener problemas para proporcionar suficiente enfoque y resolución en todos los rangos de operación deseados.

Por el contrario, el radar, aunque tiene una resolución relativamente baja, puede detectar directamente la velocidad de los usuarios de la carretera incluso a largas distancias.

Los sensores individuales no reproducen completamente lo que capturan, por lo que la computadora tiene que combinar las entradas de múltiples sensores y luego resolver los errores e inconsistencias. Es increíblemente difícil combinar todo esto en una imagen completa y sólida del mundo para que la computadora lo procese.

Una vez que un vehículo autónomo tiene las herramientas para ver los objetos relevantes a su alrededor, depende del propio vehículo dar el siguiente paso, que sería identificar el tipo de objeto, ya sea un peatón, ciclista, otro vehículo o escombros en el camino, y qué tan rápido se mueve ese objeto. Luego, el automóvil debe tomar una determinación sobre el comportamiento probable de ese objeto.

Los conductores que están atentos son buenos para reaccionar en situaciones peligrosas, ya que  manejan su velocidad y planean las contingencias para adaptarse a comportamientos anómalos de los demás.

Estas mismas acciones, que los buenos conductores realizan rápidamente al tiempo que evitan una respuesta drástica, también son necesarias para que un automóvil que conduce solo navegue por las concurridas calles de la ciudad.

Argo planea construir algoritmos que permitan a los vehículos autónomos responder a una comprensión más profunda del comportamiento probable de otros usuarios de la carretera.

Por ejemplo, el automóvil necesita saber cuándo tendrá que moverse un poco más para que un camión grande le dé más espacio, o ajustar su velocidad para mantenerse alejado del punto ciego de otro conductor.

Al mismo tiempo, la empresa tiene que construir algoritmos que le permitan saber cuándo es demasiado conservador, cuándo el automóvil tendrá que empujar con un tráfico denso o comprometerse con una acción consistente para que otros usuarios de la carretera puedan responder correctamente.

A medida que la computadora absorbe toda la información, es clave que nunca se distraiga o aprenda el modelo equivocado, ya que actuará de manera extraña en anticipación de una acción que nunca se lleva a cabo.

Este es el equilibrio que se debe de brindar al construir estos modelos predictivos, y solo a partir de todos estos ejemplos y la conducción en el mundo real se podrá aprender a predecir las micro maniobras que resultan ser los principales indicadores de las posibles acciones de otros usuarios de la carretera.

Los vehículos autónomos no son diferentes, aunque en general serán más consistentes que los conductores humanos.

La prueba de sistemas estocásticos requiere un número significativo de repeticiones generadas por datos del mundo real para que sea representativo. Eso significa que deben reunir millones de millas de experiencia en el camino para enseñarle al software a conducir con confianza.

El mundo está cambiando y los automóviles también, y ya no faltaran mucho para que nuestros vehículos nos conduzcan autónomamente, mientras nosotros disfrutamos el viaje, haciendo las cosas que nos gusta hacer. Argo y Ford están trabajando para que esto llegue rápido.