Inteligencia Artificial
IA al volante: cómo la inteligencia artificial está impulsando la evolución de los vehículos autónomos
Securities.io mantiene rigurosos estándares editoriales y podría recibir una compensación por los enlaces revisados. No somos asesores de inversiones registrados y esto no constituye asesoramiento de inversión. Consulte nuestra divulgación de afiliados.
Si bien hace unos 200 años los vehículos de alta calidad con características únicas eran inimaginables para una persona normal, hemos recorrido un largo camino desde entonces y los vehículos eléctricos e híbridos se han convertido en parte diaria de nuestras vidas.
Hoy en día, los vehículos autónomos (VA) lideran la innovación automotriz, que se ha generalizado con gran expectación y expectativas. Pero ¿qué son y cómo están transformando la imagen de los vehículos? ¡Veamos!
Una mirada a la automatización en los automóviles
Los vehículos autónomos (AV) son el tipo de vehículos que utilizan tecnología para reemplazar parcial o completamente al conductor humano y conducirse a un destino predeterminado en modo “piloto automático”. Al mismo tiempo, estos vehículos autónomos responden a las condiciones del tráfico, evitan peligros en la carretera y brindan más seguridad.
Los diferentes tipos de tecnologías utilizadas por estos vehículos incluyen sensores, láseres, radar, control de crucero adaptativo, dirección activa, sistemas de frenos antibloqueo y tecnología de navegación GPS.
Según la Sociedad de Ingenieros de Automoción (SAE), existen seis niveles de vehículos autónomos basados en la intervención humana. Esta clasificación, que también utiliza la Administración Nacional de Seguridad del Tráfico en Carreteras de EE. UU. (NHTSA), es la siguiente:
Nivel 0: El vehículo no tiene control sobre su funcionamiento, siendo el conductor humano el que conduce toda la conducción.
Nivel 1: El sistema avanzado de asistencia al conductor (ADAS) del vehículo tiene la capacidad de ayudar al conductor con la dirección y el frenado.
Nivel 2: El ADAS del vehículo supervisa la aceleración y el frenado en algunas condiciones, aunque el conductor humano debe realizar las tareas necesarias y prestar total atención al entorno durante todo el viaje.
Nivel 3: El sistema ADAS del vehículo puede realizar todas las tareas de conducción en ciertas condiciones, pero cuando es necesario, el conductor humano debe tomar el control. Este nivel de autonomía lo alcanzan actualmente los vehículos autónomos (VA).
Nivel 4: El sistema avanzado de asistencia al conductor del vehículo puede realizar todas las tareas sin necesidad de atención o asistencia humana en determinadas condiciones.
Nivel 5: El ADAS del vehículo puede realizar absolutamente todas las tareas relacionadas con la conducción y en todas las condiciones sin necesidad de asistencia a la conducción por parte del conductor humano. En esta etapa se logra la automatización total.
Los vehículos autónomos ofrecen comodidad y una mejor calidad de vida. Además, las personas con discapacidad física y las personas mayores pueden ganar independencia. También tienen el potencial de reducir la congestión vehicular, los costes de transporte, liberar aparcamientos y reducir drásticamente las emisiones de CO2.
Sin embargo, a pesar de todo el revuelo en torno a los vehículos autónomos, aún no han alcanzado el éxito esperado. Entonces, ¿cuál es el problema?
Desafíos que enfrentan los vehículos autónomos
Los vehículos autónomos o sin conductor han generado miles de millones de dólares en inversiones en los últimos años, pero se han producido numerosos retrasos en su lanzamiento, así como en su adopción por parte de los clientes. Analicemos algunos de los desafíos más importantes a los que se enfrentan estos vehículos.
Entorno de conducción complejo
Los sistemas utilizados por los vehículos autónomos para rastrear las señales de tráfico, los semáforos y el movimiento de objetos en la carretera no son infalibles. Especialmente no comprenden los escenarios del mundo real.
Por ejemplo, si hay una bandada de pájaros en la carretera, los conductores humanos entienden que los pájaros volarán a medida que el vehículo avanza, pero los vehículos autónomos se detendrán innecesariamente o frenarán de golpe. Los vehículos autónomos tampoco detectan interacciones sociales complejas, como el movimiento de las manos o el contacto visual de otro conductor, lo que le indica que siga adelante.
Además, los vehículos autónomos, por ahora, no pueden actuar con seguridad cuando no hay señales de tráfico en la carretera. Esto significa que aún no pueden operar con la máxima precisión en ninguna ubicación de los diferentes países.
Si un pasajero desea visitar un lugar que no está incluido en el sistema de mapas, también puede resultarle muy difícil, ya que los AV pueden desorientarse. Esto exige la necesidad de contar con mapas de ruta tridimensionales (3D) complejos para guiar el vehículo, lo cual es un proceso que requiere mucho tiempo si se quiere lograr cobertura y precisión.
Mal tiempo
Un gran desafío para los vehículos autónomos es el mal tiempo. Estos vehículos utilizan una amplia gama de sensores: cámaras para visualizar e identificar el objeto, láser para rastrear su distancia y radar para medir su velocidad y dirección de movimiento.
Una vez capturados los datos, el sistema toma una decisión, pero la nieve, la niebla o la lluvia intensa dificultan el correcto funcionamiento de los sensores. Por lo tanto, las condiciones meteorológicas adversas afectan negativamente la precisión de la detección de los vehículos autónomos, lo que puede comprometer la seguridad del usuario. Además, existen problemas de fuertes precipitaciones y sustancias como agua, aceite, hielo o escombros que oscurecen las marcas del carril.
Costo
Otro gran problema con los AV es el costo; Los sensores utilizados por estos vehículos, como Lidar y radar, son caros. Además, Lidar todavía está intentando lograr el equilibrio adecuado entre alcance y resolución. Entonces, esto plantea la pregunta: si varios vehículos autónomos circulan por la misma carretera, ¿sus señales lidar se obstaculizan entre sí?
Civil
Otra gran pregunta con los vehículos autónomos es la responsabilidad civil: ¿quién es responsable de los accidentes causados por ellos? Esto cobrará aún más importancia en el caso de los vehículos autónomos totalmente autónomos, que no contarán con volante para que una persona tome el control en caso de emergencia. Además, está el tema del seguro, otro aspecto complejo para estos vehículos.
Leyes y Regulaciones
A pesar de que los vehículos autónomos se están generalizando, las leyes y regulaciones que los rodean todavía son pocas y distantes. Recientemente, el proceso regulatorio para los vehículos autónomos en los EE. UU. ha pasado de una guía federal a mandatos estado por estado.
Para evitar el aumento de los “automóviles zombis”, algunos estados incluso han propuesto imponerles un impuesto por milla. Los legisladores también han redactado proyectos de ley que proponen que todos los vehículos autónomos deben tener instalado un botón de pánico.
Ciberseguridad
Dado el sistema de transporte altamente conectado y el despliegue de 5G, la privacidad de los datos y la ciberseguridad son otros problemas de estos vehículos. Por ejemplo, en 2015, Fiat Chrysler retiró del mercado 1.4 millones de sus vehículos Para corregir errores, ya que podrían ser hackeados y controlados remotamente. Los antivirus deben garantizar que no solo no vulneren la privacidad de los datos del consumidor, sino que también los protejan de los hackers.
Infraestructura
Para que los vehículos autónomos estén disponibles en las carreteras, se requieren inversiones masivas en infraestructura. Los vehículos autónomos suelen necesitar una señalización clara en los carriles, lugares para almacenar datos y una red de carga más robusta. Esto afectará el presupuesto municipal. Por lo tanto, es necesario fomentar el diálogo para la inversión pública, así como la participación comunitaria y del sector para ampliar la infraestructura existente.
La IA allana el camino a los vehículos autónomos
Ante todos estos desafíos, inteligencia artificial (AI) se está haciendo cargo y allanando el camino a seguir para los vehículos autónomos.
La cuestión es que la industria del automóvil ha avanzado rápidamente en los últimos años con la llegada de las nuevas tecnologías. La IA es una de esas tecnologías que ayuda a transformar la industria automotriz. Básicamente, la IA tiene como objetivo hacer que las máquinas sean más inteligentes. Se trata de la simulación de la inteligencia humana en máquinas para hacerlas pensar y actuar como nosotros los humanos.
La IA permite a los vehículos reconocer objetos, predecir lo que podría suceder a continuación, incluso reaccionar ante situaciones inesperadas y ser mejores que los conductores humanos al conducir en situaciones de tráfico complejas. Segun statista, se espera que el mercado mundial de IA automotriz alcance un tamaño de mercado de 74.5 mil millones de dólares.
Según el estudio de la NHTSALos errores humanos, como la visión y la audición deficientes, causan aproximadamente el 93 % de los accidentes de tráfico. El uso de IA en vehículos autónomos (VA) mediante sensores y algoritmos puede permitir medios de transporte más seguros, lo que puede reducir significativamente las víctimas causadas por errores humanos. La capacidad de la IA para aprender del entorno y adaptarse la hace más competente en la gestión de carreteras y situaciones complejas.
La IA se utiliza en los vehículos autónomos de varias maneras:
- La tecnología puede ayudar a los vehículos autónomos a predecir la conducta de otros conductores y peatones al equipar el vehículo con la capacidad de utilizar análisis, predecir cualquier problema y luego evitar que ocurra.
- Al hacer uso del aprendizaje automático, mediante el cual se entrena un modelo en conjuntos de datos etiquetados para asignar correctamente las entradas a las salidas, las IA pueden ayudar a los AV con el reconocimiento y el modelado de objetos. Mientras tanto, un modelo entrenado en conjuntos de datos sin etiquetar puede ayudar a los AV a detectar anomalías, comprender situaciones complejas y extraer características.
- Los vehículos autónomos dependen de sensores como cámaras, Lidar, radares y sensores ultrasónicos para obtener información sobre su entorno. Aquí, los algoritmos de IA pueden analizar estos datos para generar mapas detallados, lo que permite a los vehículos autónomos tomar decisiones informadas.
- Al aprovechar el procesamiento del lenguaje natural (NLP), los vehículos autónomos pueden utilizar el reconocimiento de voz para interactuar con los pasajeros. De esta manera, la IA puede ayudar a los vehículos a comprender las consultas humanas y responder de manera efectiva.
- Al permitir decisiones sobre el terreno basadas en datos de sensores en tiempo real, la IA ayuda a los vehículos autónomos a decidir si la mejor respuesta es reducir la velocidad o detenerse. De esta manera, la IA ayuda a los vehículos autónomos en situaciones peligrosas en las que los humanos son propensos a cometer errores. La tecnología lo hace analizando los datos a través de sus sensores. En realidad, funciona mucho mejor en la detección de tráfico cruzado, el monitoreo activo de puntos ciegos, la sincronización con las señales de tráfico y el control de emergencia del vehículo.
En general, la IA en los vehículos autónomos puede ayudar a recopilar datos en tiempo real, detectar e identificar objetos, optimizar la trayectoria, navegar por las condiciones de la carretera y predecir fallas. Todos estos casos de uso de la IA ayudan a los vehículos autónomos a reducir el tráfico, acelerar el ahorro de energía, mejorar la accesibilidad, mejorar la eficiencia y aumentar la seguridad.
Esta tecnología ya la utilizan fabricantes de automóviles de todo el mundo. Por ejemplo, el piloto automático de Tesla. condujo más de 3 mil millones de millas En este modo en casi una década. El Tesla de Elon Musk aprovecha sofisticados algoritmos de IA para un control preciso.
Waymo es otro que utiliza un sistema de conducción autónoma basado en inteligencia artificial para planificar rutas complejas y reacciones inteligentes a su entorno. La empresa ha probado sus vehículos recorriendo decenas de miles de millones de kilómetros en simulación.
El asistente digital de Daimler, el SUV R10 e-tron de Audi y el sistema de conducción autónoma EQR4 de Mercedes-Benz son otros ejemplos. Otros importantes contribuyentes a la IA en vehículos autónomos son BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia y Ford.
Avances de IA más importantes en el espacio de los vehículos autónomos
2023 fue un año excepcional para los avances en IA, que impactaron en todos los ámbitos, desde el arte, las finanzas, la salud y la educación hasta el cambio climático, la investigación, la financiación y los vehículos autónomos. Así pues, analicemos algunos de los avances más importantes en IA de 2023 en el ámbito de los vehículos autónomos.
Más recientemente, investigadores de la Universidad Nacional de Incheon (INU) de Corea desarrolló un novedoso sistema de detección de objetos 3D de extremo a extremo, que está basado en el aprendizaje profundo y habilitado para el Internet de las cosas. Este sistema proporciona a los AV capacidades de detección mejoradas, incluso en condiciones desfavorables.
Para abordar la dificultad de que sensores como cámaras, lidares y radares sean vulnerables a las obstrucciones, el clima y las carreteras desorganizadas, este estudio adaptó el algoritmo YOLOv3 (Solo miras una vez) para identificar objetos 3D incorporando IoT, ya que permite que los objetos intercambien datos y comunicarse a través de internet.
El sistema propuesto está diseñado para procesar imágenes RGB y datos de nubes de puntos como entradas. Luego genera cuadros delimitadores clasificados y etiquetados para identificar obstáculos. Este sistema es experto en detectar una amplia gama de elementos y es capaz de gestionar variaciones tanto en escala como en rotación.
El estudio probó el sistema utilizando el conjunto de datos de Lyft y descubrió que demostraba una mayor precisión y una menor latencia. Según el equipo, la versatilidad del sistema propuesto se extiende más allá de los vehículos autónomos y también encuentra aplicaciones potenciales en vigilancia, robótica y juegos.
Otro proyecto, Helm.ai, hizo un gran avance en la IA que predice la intención del conductor y planifica rutas óptimas. La empresa que crea software de IA para la automatización de robots y vehículos anunció que esto permitirá a Helm.ai tener implementaciones escalables L2/L3 y L4.
Los modelos básicos basados en DNN de la empresa se entrenan utilizando su tecnología patentada, Deep Teaching, que utiliza datos de conducción reales para entornos de conducción complejos.
Ahora, su modelo también analiza los vehículos y peatones circundantes para predecir con precisión sus posibles acciones en diversas situaciones urbanas y, con base en ello, generar la ruta más eficiente y segura para los vehículos autónomos. La plataforma de la compañía funciona con diferentes configuraciones de hardware de forma fluida y permite un entrenamiento y una validación eficientes.
"Nuestra plataforma de software aborda los desafíos críticos de percepción de los entornos urbanos, allanando el camino para el desarrollo escalable y la validación de la predicción de intenciones y la planificación de rutas impulsadas por IA".
– Vladislav Voroninski, director ejecutivo de Helm.ai
Este año, el pionero de los vehículos eléctricos Tesla también realizó avances en su software Full Self-Driving (FSD). Su última versión, 12 (v12), permite a la compañía acercarse un paso más a alcanzar el Nivel 4 o el Nivel 5 de autonomía con sus coches.
In Agosto, Musk demostró el FSD v12 conduciendo el vehículo de forma autónoma y realizando tareas como estacionar en paralelo, obedecer los semáforos y navegar en rotondas. Lo que distingue a esta versión de las anteriores es la gran dependencia de FSD v12 de las redes neuronales de autoentrenamiento impulsadas por IA.
Lo que esto significa es que en lugar de requerir que programadores humanos codifiquen respuestas para diferentes escenarios de conducción, la IA analizará toneladas de datos recopilados de los vehículos de Tesla y luego elegirá la respuesta más adecuada.
Este desarrollo acerca a Tesla un paso más a lograr su objetivo general de un negocio de robotaxi, que, según Ark Invest, incluso en un escenario bajista, genera 200 mil millones de dólares (más de 600 mil millones de dólares según su proyección más optimista) en ingresos anuales.
A principios de este año, se produjo otro gran avance para los vehículos autónomos en forma de un sistema de imágenes de cámara, HADAR, o 'detección y alcance asistidos por calor'.' Investigadores de la Universidad Estatal de Michigan y la Universidad Purdue utilizaron IA para desarrollar HADAR, que interpreta firmas de calor para proporcionar imágenes detalladas y nítidas mientras elimina el desorden óptico.
Su modelo de IA aprovechó algoritmos de aprendizaje automático que recopilan datos de cámaras infrarrojas comerciales para reconocer las propiedades físicas de los objetos y su entorno, lo que permitió a HADAR reconstruir escenas nocturnas claras.
Dado que el sistema puede detectar patrones de radiación térmica, formación de materiales y temperatura con gran éxito, tiene un enorme potencial, incluidos controles de seguridad pública sin contacto e incluso superar el miedo a la oscuridad. Sin embargo, HADAR enfrenta desafíos en términos de costo del equipo y la necesidad de calibración en tiempo real.
Ford Motor Company también creó una subsidiaria de propiedad total. llamado Latitud AI desarrollar un sistema de conducción automatizada manos libres y con la vista fuera de la carretera. El gigante del automóvil ya ha recorrido más de 50 millones de millas de conducción con manos libres en su Ford BlueCruise.
Ahora, con Latitude, la idea es automatizar la conducción en momentos tediosos, estresantes y desagradables, como largos tramos de autopista o atascos. Hablando sobre la conducción automatizada, Doug Field, director de tecnología de Ford, afirmó:
"Vemos la tecnología de conducción automatizada como una oportunidad para redefinir la relación entre las personas y sus vehículos".
Pensamientos Finales
Entonces, como vimos, dependiendo del nivel de ayuda humana necesaria, los vehículos autónomos se clasifican en diferentes categorías, a saber. automatización para asistencia al conductor, conducción parcialmente automatizada, conducción altamente automatizada, conducción totalmente automatizada y vehículo completamente automatizado. Con la llegada de la IA, la posibilidad de que los vehículos autónomos finalmente lleguen a sus etapas finales está más cerca que nunca.
El futuro del mercado de la IA en la industria automovilística es claramente prometedor. Se situaba en más de 6 millones de dólares en 2022 y se prevé que crezca a una tasa compuesta anual del 55 % para 2032.
Los avances en los algoritmos de IA, como las tecnologías de sensores, la potencia informática y las soluciones de mantenimiento predictivo, ayudarán aún más a los vehículos autónomos a abordar sus desafíos y lograr una adopción generalizada.
Haga clic aquí para aprender todo sobre invertir en inteligencia artificial.
