Inteligencia artificial
IA al Volante: Cómo la Inteligencia Artificial está Impulsando la Evolución de los Vehículos Autónomos
Añade Securities.io a tus fuentes preferidas en Google
Hace aproximadamente 200 años, los vehículos de alta calidad con características únicas eran inimaginables para una persona común; desde entonces hemos avanzado mucho, y los vehículos eléctricos e híbridos se han convertido en una parte cotidiana de nuestras vidas.
Hoy, los vehículos autónomos (AV) lideran la innovación en la industria automotriz, habiéndose introducido en el mercado con gran espectáculo y expectativas. Pero, ¿qué son y cómo están cambiando la cara de los automóviles? ¡Veamos!
Una Mirada a la Automatización en los Automóviles
Los vehículos autónomos (AV) son aquellos que utilizan tecnología para reemplazar parcial o totalmente al conductor humano y conducirse a sí mismos hasta un destino predeterminado en “piloto automático”. Al mismo tiempo, estos AV responden a las condiciones del tráfico, evitan peligros en la carretera y brindan mayor seguridad.
Los diferentes tipos de tecnologías que utilizan 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, también utilizada por la Administración Nacional de Seguridad del Tráfico en las Carreteras de EE. UU. (NHTSA), es la siguiente:
Level 0: El vehículo no tiene control sobre su operación, y el conductor humano realiza toda la conducción. Level 1: El sistema avanzado de asistencia al conductor (ADAS) del vehículo cuenta con la capacidad de ayudar al conductor con la dirección y el frenado. Level 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. Level 3: El ADAS del vehículo puede realizar todas las partes de la tarea de conducción en algunas condiciones, pero cuando sea necesario, el conductor humano debe tomar el control. Este nivel de autonomía es el que actualmente alcanzan los AV. Level 4: El sistema avanzado de asistencia al conductor del vehículo puede llevar a cabo todas las tareas sin necesidad de atención o asistencia humana en ciertas condiciones. Level 5: El ADAS del vehículo puede realizar absolutamente todas las tareas relacionadas con la conducción y en todas las condiciones sin necesidad de asistencia del conductor humano. En esta etapa, se logra la automatización total.
Los vehículos autónomos ofrecen la ventaja de la comodidad y una mejor calidad de vida. Además, las personas con discapacidad física y los ancianos pueden ganar independencia. También existe el potencial de reducir la congestión del tráfico, disminuir los costos de transporte, liberar espacios de estacionamiento y reducir drásticamente las emisiones de CO₂.
Sin embargo, a pesar de todo el bombo alrededor de los vehículos autónomos, aún no han alcanzado el éxito que se esperaba. 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 inversión en los últimos años, pero también ha habido numerosos retrocesos en los lanzamientos de AV y retrasos en la adopción por parte de los clientes. Así que, echemos un vistazo a algunos de los desafíos más prominentes que enfrentan estos vehículos.
Entorno de Conducción Complejo
Los sistemas que utilizan los AV para rastrear señales de tráfico, semáforos y el movimiento de objetos en la carretera no son infalibles. Especialmente fallan al comprender escenarios del mundo real.
Por ejemplo, si una bandada de pájaros está posada en la carretera, los conductores humanos entienden que los pájaros volarán cuando el vehículo avance, pero los AV pueden detenerse innecesariamente o frenar bruscamente. Los AV también no detectan interacciones sociales complejas, como el movimiento de la mano o el contacto visual de otro conductor, que indican que puedes seguir adelante.
Sin mencionar que, hasta ahora, los AV no pueden comportarse de manera segura cuando no hay señales de tráfico en la carretera. Esto significa que los AV aún no pueden operar con la máxima precisión en cualquier ubicación y en diferentes países.
Si un pasajero desea visitar un lugar que no está incluido en el sistema de mapas, también le resultará muy difícil, ya que los AV pueden desorientarse. Esto requiere la necesidad de contar con mapas de rutas tridimensionales (3D) complejos para guiar al vehículo, lo cual es un proceso que consume tiempo si se busca lograr cobertura y precisión.
Mal Tiempo
Un gran desafío para los AV es el mal tiempo. Estos vehículos utilizan una amplia gama de sensores: cámaras para observar e identificar el objeto, láser para rastrear su distancia y radar para medir la velocidad del objeto y la dirección de su 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, el clima adverso afecta negativamente la precisión de la capacidad de detección de los AV, lo que puede comprometer la seguridad del usuario. Además, hay problemas de precipitación intensa y sustancias como agua, aceite, hielo o escombros que ocultan las marcas de carril.
Costo
Otro gran problema de los AV es el costo; los sensores que utilizan estos vehículos, como el LiDAR y el radar, son costosos. Además, el LiDAR aún busca equilibrar adecuadamente el alcance y la resolución. Por lo tanto, surge la pregunta: si varios AV circulan por la misma carretera, ¿sus señales de LiDAR se interferirán entre sí?
Responsabilidad
Otra gran cuestión con los AV es la responsabilidad en caso de accidente; ¿quién es responsable de los accidentes causados por los AV? Esto será aún más significativo en relación con los AV de nivel totalmente autónomo que no tendrán volante para que un humano tome el control del vehículo en una emergencia. Además, está el seguro, que es otra área nebulosa para estos vehículos.
Leyes y Regulaciones
A pesar de que los AV están entrando en el mercado masivo, las leyes y regulaciones que los rodean siguen siendo escasas y dispares. Recientemente, el proceso regulatorio para los AV en EE. UU. ha pasado de directrices federales a mandatos estatales.
Para evitar el auge de los “coches zombi”, algunos estados incluso han propuesto un impuesto por milla. Los legisladores también han redactado proyectos de ley que proponen que todos los AV deben contar con un botón de pánico instalado.
Ciberseguridad
Dado el sistema de transporte altamente conectado y el despliegue del 5G, la privacidad de datos y la ciberseguridad son otros problemas de estos vehículos. Por ejemplo, en 2015, Fiat Chrysler retiró 1,4 millones de sus vehículos para corregir errores ya que podían ser hackeados y controlados de forma remota. Los AV deben asegurarse de no infringir la privacidad de datos del consumidor y también deben proteger los datos de los hackers.
Infraestructura
Para llevar los AV a la carretera, se requieren inversiones masivas en infraestructura. Los AV a menudo necesitan marcas de carril claras, lugares para almacenar datos y una red de carga más robusta. Esto impactará el presupuesto de la ciudad. Por lo tanto, es necesario un diálogo sobre inversiones públicas, así como la participación de la comunidad y la industria para ampliar la infraestructura existente.
La IA Abriendo el Camino para los Vehículos Autónomos
Ante todos estos desafíos, la inteligencia artificial (IA) está tomando el control y allanando el camino para los vehículos autónomos.
El hecho es que la industria automotriz ha avanzado rápidamente en los últimos años con la llegada de nuevas tecnologías. La IA es una de esas tecnologías que ayuda a transformar la industria automotriz. Esencialmente, la IA se trata de hacer que las máquinas sean más inteligentes. Implica la simulación de la inteligencia humana en máquinas para que piensen y actúen como nosotros los humanos.
La IA permite a los vehículos reconocer objetos, predecir lo que podría suceder a continuación, incluso reaccionar a situaciones inesperadas, y ser mejores que los conductores humanos al conducir en situaciones de tráfico complejas. Según Statista, se espera que el mercado global de IA automotriz alcance un tamaño de mercado de 74,5 mil millones de dólares.
Según el estudio de la NHTSA, errores humanos como la visión y la audición deterioradas causan alrededor del 93 % de los accidentes de carretera. Utilizar IA en los AV en forma de sensores y algoritmos puede permitir medios de transporte más seguros y protegidos, lo que puede reducir significativamente las víctimas causadas por errores humanos. La capacidad de la IA para aprender el entorno y luego adaptarse hace que la tecnología sea más competente en el manejo de carreteras y situaciones complejas.
La IA se está utilizando en los AV de varias maneras:
- La tecnología puede ayudar a los AV a predecir el comportamiento de otros conductores y peatones al equipar el vehículo con la capacidad de utilizar análisis, predecir posibles problemas y luego prevenir que ocurran.
- Al utilizar aprendizaje automático, donde un modelo se entrena con conjuntos de datos etiquetados para mapear correctamente entradas a salidas, la IA puede ayudar a los AV con el reconocimiento y modelado de objetos. Mientras tanto, un modelo entrenado con conjuntos de datos no etiquetados puede ayudar a los AV con la detección de anomalías, la comprensión de situaciones complejas y la extracción de características.
- Los AV dependen de sensores como cámaras, LiDAR, radar 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 AV tomar decisiones informadas.
- Al aprovechar el Procesamiento de Lenguaje Natural (NLP), los AV pueden usar reconocimiento de voz para interactuar con los pasajeros. De esta manera, la IA puede ayudar a los vehículos a comprender consultas humanas y responder eficazmente.
- Al permitir decisiones in situ basadas en datos de sensores en tiempo real, la IA ayuda a los AV a decidir si la mejor respuesta es reducir la velocidad o detenerse. Así, la IA ayuda a los AV en situaciones peligrosas donde los humanos tienden a cometer errores. La tecnología lo hace analizando los flujos de datos de sus sensores. Realiza un desempeño mucho mejor en la detección de tráfico cruzado, el monitoreo activo de puntos ciegos, la sincronización con semáforos y el control de emergencia del vehículo.
En general, la IA en los AV 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 lograr una reducción del tráfico, un ahorro de energía acelerado, una mayor accesibilidad, una mayor eficiencia y una mayor seguridad.
Ya, la tecnología está siendo utilizada por fabricantes de automóviles de todo el mundo. Por ejemplo, el Autopilot de Tesla (TSLA ) recorrió más de 3 mil millones de millas en este modo en casi una década. El Tesla de Elon Musk aprovecha algoritmos de IA sofisticados para un control preciso.
Waymo es otra empresa que utiliza un sistema de conducción autónoma basado en IA para la planificación de rutas complejas y reacciones inteligentes a su entorno. La compañía ha probado sus vehículos conduciendo decenas de miles de millones de millas 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 algunos otros ejemplos. Otros importantes contribuyentes a la IA en los AV incluyen BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia (NVDA ) y Ford.
Los Avances de IA Más Importantes en el Campo de los Vehículos Autónomos
2023 fue un gran año para los avances en IA, que impactaron todo, desde el arte, las finanzas, la salud y la educación hasta el cambio climático, la investigación, la financiación y los AV. Así que, echemos un vistazo a algunos de los avances de IA más importantes de 2023 en el campo de los vehículos autónomos.
Recientemente, investigadores de la Universidad Nacional de Incheon (INU) en Corea desarrolló un novedoso sistema de detección de objetos 3D de extremo a extremo, basado en aprendizaje profundo y habilitado para Internet de las Cosas. Este sistema brinda a los AV capacidades de detección mejoradas, incluso bajo condiciones desfavorables.
Abordando la dificultad de que sensores como cámaras, LiDAR y radares sean vulnerables a obstrucciones, clima y carreteras desorganizadas, este estudio adaptó el algoritmo YOLOv3 (You Only Look Once) para identificar objetos 3D incorporando IoT, ya que permite que los objetos intercambien datos y se comuniquen a través de Internet.
El sistema propuesto está diseñado para procesar imágenes RGB y datos de nubes de puntos como entradas. Luego genera cajas delimitadoras que son calificadas y etiquetadas para identificar obstáculos. Este sistema es hábil para detectar una amplia variedad de elementos y es capaz de manejar variaciones tanto de escala como de rotación.
El estudio probó el sistema utilizando el conjunto de datos Lyft y encontró que demostraba mayor precisión y menor latencia. Según el equipo, la versatilidad del sistema propuesto se extiende más allá de los vehículos autónomos, encontrando aplicaciones potenciales en vigilancia, robótica y videojuegos.
Otro proyecto, Helm.ai, logró un avance de 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 disponer de implementaciones escalables de niveles L2/L3 y L4.
Los modelos fundacionales basados en DNN de la compañía se entrenan utilizando su tecnología propietaria, Deep Teaching, que emplea datos de conducción reales para entornos de conducción complejos.
Ahora, su modelo también analiza los vehículos y peatones circundantes para predecir con precisión sus acciones probables en diversas situaciones urbanas y, a partir de ello, generar la ruta más eficiente y segura para que los AV la sigan. La plataforma de la compañía funciona con diferentes configuraciones de hardware de manera fluida y permite un entrenamiento y validación eficientes.
“Nuestra plataforma de software aborda los desafíos críticos de percepción en entornos urbanos, allanando el camino para el desarrollo y validación escalables de la predicción de intención y planificación de rutas impulsadas por IA.”
– Vladislav Voroninski, CEO de Helm.ai
Este año, el pionero de 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 lograr la autonomía de Nivel 4 o Nivel 5 con sus automóviles.
En agosto, Musk demostró el FSD v12 conduciendo el vehículo de forma autónoma y realizando tareas como estacionamiento paralelo, obedecer los semáforos y navegar en rotondas. Lo que diferencia a esta versión de las anteriores es la gran dependencia del FSD v12 de redes neuronales de autoentrenamiento impulsadas por IA.
Esto significa que, en lugar de requerir que programadores humanos codifiquen manualmente respuestas para diferentes escenarios de conducción, la IA analizará una gran cantidad 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 amplio objetivo 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 según su proyección más optimista) en ingresos anuales.
A principios de este año, otro avance llegó a los AV en forma de un sistema de imágenes con cámara, HADAR, o ‘detección y rango asistidos por calor.’ Investigadores de la Universidad Estatal de Michigan y la Universidad de Purdue utilizaron IA para desarrollar HADAR, que interpreta firmas térmicas para proporcionar imágenes detalladas y nítidas mientras atraviesa 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 permite 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, incluyendo inspecciones de seguridad pública sin contacto e incluso superar el miedo a la oscuridad. Sin embargo, HADAR enfrenta desafíos en cuanto al costo del equipo y la necesidad de calibración en tiempo real.
Ford Motor Company (F ) también creó una subsidiaria totalmente propiedad llamada Latitude AI para desarrollar un sistema de conducción automatizada sin manos y sin mirar la carretera. El gigante automotriz ya ha acumulado más de 50 millones de millas de conducción sin manos 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 tráfico de auto a auto. Hablando sobre la conducción automatizada, el director de tecnología de Ford, Doug Field, dijo:
“Vemos la tecnología de conducción automatizada como una oportunidad para redefinir la relación entre las personas y sus vehículos.”
Conclusiones
Así que, como vimos, según el nivel de ayuda humana necesario, los vehículos autónomos se clasifican en diferentes categorías: 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 AV alcancen finalmente sus etapas finales está más cerca que nunca.
El futuro del mercado de IA en la industria automotriz es claramente prometedor. Se situó en más de 6 mil millones de dólares en 2022 y se proyecta que crecerá a una tasa compuesta anual (CAGR) del 55 % para 2032.
Los avances en algoritmos de IA, como las tecnologías de sensores, la potencia de cómputo y las soluciones de mantenimiento predictivo, ayudarán aún más a los vehículos autónomos a abordar sus desafíos y lograr una adopción masiva.
Haga clic aquí para aprender todo sobre la inversión en inteligencia artificial.
