Fomentando la confianza en soluciones de conducción automatizada con TimelyTale

Hace más de un siglo, la invención de los automóviles revolucionó la vida de las personas, y el sector ahora se está preparando para su próximo gran salto, que es la conducción autónoma. En el mundo actual, donde todo se está volviendo inteligente, ¿por qué tus autos no deberían ser inteligentes también? Bueno, lo son.

El avance tecnológico en el sector automotriz ha llevado al surgimiento de vehículos autónomos.

La combinación de hardware potente y software inteligente está inaugurando una nueva era de autos autónomos que llevarán a las personas a sus destinos de manera cómoda y segura sin requerir intervención humana.

Este panorama de conducción autónoma está evolucionando a un ritmo rápido, y se proyecta que el número de vehículos automatizados enviados cada año crezca a una tasa compuesta anual (CAGR) del 41% entre 2024 y 2030.

Se espera que la creciente integración de vehículos automatizados en nuestra vida diaria reduzca la congestión del tráfico, mejore la accesibilidad y aumente la seguridad. Además, estos vehículos permiten a los ocupantes realizar tareas que no están relacionadas con la conducción, como usar teléfonos, ver contenido multimedia, trabajar o simplemente relajarse durante el trayecto.

Sin embargo, no todos los vehículos automatizados pueden lograr eso. Existen niveles de automatización de vehículos, que son los siguientes:

Nivel 0 – En este nivel, no hay automatización de la conducción. Es completamente controlado manualmente. Este nivel de vehículos es el que mayormente vemos en las carreteras.

Nivel 1 – Un paso más arriba se encuentra el nivel más bajo de automatización, donde se brinda asistencia al conductor a través de un único sistema automatizado, como la dirección o el control de crucero adaptativo.

Nivel 2 – Este nivel de automatización parcial es de sistemas avanzados de asistencia al conductor (ADAS). Aquí, el vehículo puede controlar la dirección y su velocidad, pero un humano aún se sienta en el asiento del conductor y puede tomar el control del vehículo en cualquier momento. Ya estamos viendo este nivel de vehículos a nuestro alrededor con Tesla (TSLA ) Autopilot y General Motors‘ (GM ) Cadillac Super Cruise systems.

Nivel 3 – En este nivel de automatización condicional, los vehículos tienen la capacidad de detectar su entorno y, basándose en ello, pueden tomar decisiones informadas. Sin embargo, el conductor humano aún debe mantenerse alerta y estar listo para tomar el control si el sistema no puede ejecutar la tarea. Ejemplos destacados del Nivel 3 incluyen el Mercedes‑Benz Clase S, que cuenta con capacidades como crucero autónomo en autopista y mantenimiento de carril, y el Honda (HMC ) Legend, que ofrece conducción sin manos en escenarios específicos.

Nivel 4 – Este salto al siguiente nivel nos lleva a vehículos de alta automatización, que en la mayoría de los casos no requieren asistencia humana, por supuesto. Sin embargo, los humanos aún tienen la opción de anular manualmente. Los vehículos de Nivel 4 pueden conducirse de forma autónoma pero legalmente solo pueden hacerlo en áreas limitadas. Estos vehículos ya están en desarrollo con Google‘s Waymo One y Baidu’s Apollo Go.

Nivel 5 – Ahora, este nivel no requiere conductores en absoluto. En esta etapa, los vehículos autónomos alcanzan la automatización total de la conducción, están libres de geocercas y, como tal, pueden hacer todo lo que un conductor humano experimentado puede hacer y viajar a cualquier lugar. Desde Tesla, Amazon (AMZN ), y Honda hasta Mercedes, varios fabricantes de automóviles importantes de todo el mundo están probando autos totalmente autónomos. Sin embargo, aún no están disponibles para el público general.

Aunque actualmente se desconoce cuándo los vehículos totalmente automatizados (SAE Nivel 5) lograrán una adopción generalizada, algunos estudios predicen que el mercado estará listo para finales de esta década.

Con eso, es fundamental generar confianza en los usuarios para el despliegue exitoso y la aceptación de estos vehículos. Actualmente, la confianza limitada de los pasajeros está obstaculizando la adopción.

Así que, para ayudar a que los vehículos autónomos sean amigables para los pasajeros, investigadores del Instituto de Ciencia y Tecnología de Gwangju (GIST), Corea del Sur, redactaron un artículo que discute estrategias al respecto. Esto incluye proporcionar explicaciones a los pasajeros.

El problema es que explicaciones mal diseñadas pueden afectar negativamente la experiencia del pasajero. Por lo tanto, las explicaciones deben transmitir información con suficiente inteligibilidad bajo entornos viales que cambian rápidamente.

Estudios previos han explorado varios métodos de presentación de explicaciones para mejorar la experiencia del pasajero mientras se reduce la ansiedad y la carga cognitiva. Sin embargo, el momento óptimo para las explicaciones y la demanda real de los pasajeros aún no se han explorado ampliamente, especialmente en entornos reales.

Los investigadores de GIST investigaron el proceso de proporcionar explicaciones de manera oportuna para mejorar la sensación de seguridad de los pasajeros y su confianza en los vehículos automatizados.

Acelerando la adopción de vehículos autónomos

Para que los vehículos automatizados cumplan su promesa de mejorar la movilidad urbana, se debe lograr la confianza de los pasajeros, para lo cual se necesitan proporcionar explicaciones oportunas y específicas para los pasajeros sobre las decisiones de los vehículos autónomos.

Para que estas explicaciones sean efectivas, deben ser comprensibles, informativas y concisas. Eso fomentará la confianza entre los pasajeros al proporcionarles una creciente sensación de control y reducir experiencias negativas.

Aunque ya existen métodos de inteligencia artificial explicable (XAI), están dirigidos principalmente a desarrolladores y reguladores. Con su enfoque en escenarios de alto riesgo o explicaciones demasiado detalladas, realmente no son adecuados para los pasajeros.

Esto resalta la necesidad de modelos XAI que se centren específicamente en los pasajeros, comprendiendo el tipo de información requerida y cuándo se necesita en escenarios de conducción del mundo real.

Un obstáculo principal para desarrollar modelos XAI explicables centrados en el pasajero, según el estudio, es la falta de conjuntos de datos que tengan en cuenta los contextos de los pasajeros.

En respuesta, un equipo de investigadores de GIST liderado por SeungJun Kim, profesor y director del Laboratorio de Sistemas Inteligentes centrados en el ser humano en GIST, introdujo TimelyTale para abordar la falta de un enfoque centrado en el pasajero utilizando datos de sensores para explicaciones oportunas y relevantes al contexto.

TimelyTale es un novedoso conjunto de datos multimodal diseñado para capturar escenarios de conducción del mundo real y ofrecer explicaciones dentro del vehículo para mejorar la confianza y la seguridad de los pasajeros en los vehículos automatizados.

“Nuestra investigación cambia el enfoque de la XAI en la conducción autónoma de los desarrolladores a los pasajeros. Hemos desarrollado un enfoque para recopilar la demanda real de los pasajeros de explicaciones dentro del vehículo y métodos para generar explicaciones oportunas y relevantes a la situación para los pasajeros.”

– Profesor Kim

Los autores del estudio fueron galardonados con el ‘Distinguished Paper Award’ por su estudio titulado ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles.’

Para comenzar, los investigadores primero analizaron el efecto de diferentes tipos de explicaciones visuales —incluyendo atención, percepción y una combinación de ambas— así como su sincronización en la experiencia del pasajero bajo condiciones reales de conducción, utilizando realidad aumentada.

Se encontró que el estado de percepción del vehículo mejora la confianza, la conciencia situacional y la seguridad percibida sin abrumar a los pasajeros. Además, los investigadores descubrieron que la probabilidad de riesgo de tráfico es el factor más eficaz para decidir cuándo deben entregarse las explicaciones, lo que también les ayudó a comprender cuándo los pasajeros se sienten sobrecargados de información.

Basándose en estos hallazgos, los investigadores de GSIT, en colaboración con MIT, desarrollaron el conjunto de datos TimelyTale.

Para este enfoque, los investigadores utilizaron datos del entorno externo (exteroceptivo) como sonidos y vistas, datos propioceptivos, que se refieren a las posiciones y movimientos del cuerpo, y datos interoceptivos sobre el estado del pasajero, es decir, sus sensaciones corporales como dolor, respiración y frecuencia cardíaca.

Para recopilar todos estos datos de los pasajeros, los investigadores usaron una variedad de sensores en escenarios de conducción naturalista para predecir sus demandas de explicación. Los dispositivos utilizados incluyeron GPS, LiDAR 3D, OBD-II, IMUs y cámaras estéreo para datos exteroceptivos y propioceptivos, mientras que cámara LiDAR, cámara de profundidad, imágenes térmicas, pulsera E4 y sensores de presión en el asiento se usaron para capturar datos interoceptivos.

Cabe destacar que los investigadores también incorporaron el concepto de interrumpibilidad dentro del vehículo para encontrar los momentos adecuados para las explicaciones. La interrumpibilidad es el cambio en el enfoque del pasajero de tareas no relacionadas con la conducción (NDRTS) a información relacionada con la conducción.

A diferencia de los vehículos conducidos manualmente, donde los conductores no pueden ser distraídos, en los vehículos automatizados, los pasajeros típicamente no están involucrados en tareas de conducción. Por lo tanto, es necesario identificar los momentos para la información relacionada con la conducción durante los NDRTs.

Como resultado, los investigadores pueden identificar eficazmente tanto el momento como la frecuencia de las demandas de explicaciones de los pasajeros. El modelo también reconoció las explicaciones específicas que los pasajeros desean durante situaciones de conducción.

Los investigadores luego usaron su enfoque para desarrollar un modelo de aprendizaje automático (ML) que pronostica el mejor momento para ofrecer al pasajero una explicación. También realizaron un modelado a nivel de ciudad para generar explicaciones textuales basadas en diferentes ubicaciones de conducción.

El análisis preliminar, según el estudio, indica el potencial del modelo para determinar el momento de la demanda de explicaciones dentro del vehículo por parte del pasajero. Mientras tanto, el conjunto de datos puede usarse para generar contenido de explicaciones textuales relevantes al entorno, a la conducción y a contextos específicos del pasajero.

“Nuestra investigación sienta las bases para una mayor aceptación y adopción de los vehículos autónomos, potencialmente remodelando el transporte urbano y la movilidad personal en los próximos años.”

– Prof. Kim

Empresas que impulsan soluciones de conducción automatizada

Ahora, echemos un vistazo a las empresas que están moldeando el futuro de los vehículos automatizados y que también están posicionadas para aprovechar los avances en IA explicable.

En el sector AV, General Motors (GM ) ha desarrollado Cruise para viajes sin conductor mientras Ford Motor está dando su paso en esta dirección mediante Escape Hybrid.

Luego está NVIDIA (NVDA ), cuya plataforma DRIVE ofrece una familia de herramientas de hardware y software para el desarrollo de vehículos autónomos. Amazon (AMZN ) también está interesado en la tecnología de vehículos autónomos a través de Zoox, que ha comenzado a probar sus autos sin conductor antes de su lanzamiento el próximo año. Empresas como Uber (UBER ) y Lyft (LYFT ), que poseen una red de transporte compartido, también pueden beneficiarse de los avances en fomentar la confianza y la seguridad en los servicios de vehículos autónomos.

Ahora, dos nombres prominentes en el mercado de vehículos autónomos que pueden resultar atractivos para invertir son:

1. Waymo (GOOGL )

En el mundo del desarrollo de vehículos autónomos, Waymo está avanzando mucho. Esta subsidiaria de Alphabet se centra en la tecnología de conducción autónoma y en características centradas en el pasajero.

A finales del mes pasado, la compañía anunció el cierre de una ronda de inversión sobresuscrita de 5.600 millones de dólares liderada por la empresa matriz Alphabet, con la participación de inversores existentes y firmas de capital privado como Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake y T. Rowe Price.

Los fondos serán usados para expandir su servicio de transporte “Waymo One” a más ciudades de EE. UU. y mejorar el “Waymo Driver” impulsado por IA. Más recientemente, la compañía lanzó sus robotaxis en Los Ángeles, lo que significa que cualquier persona en la ciudad puede solicitar un vehículo sin conductor a través de la app Waymo One. Este robotaxi ya ha estado circulando en Phoenix durante cuatro años y está en San Francisco desde el año pasado. Mientras tanto, en Austin y Atlanta, Waymo ha añadido sus AVs a la plataforma de Uber, permitiendo a los clientes solicitar su vehículo desde la app de Uber.

Google comenzó a trabajar en autos autónomos hace más de una década y media, cuando Waymo era solo un proyecto secreto. Se informa que los autos autónomos del gigante tecnológico han registrado más de 20 millones de millas sin accidentes mayores.

Las acciones de este gigante de capitalización de mercado de 2,2 billones de dólares se cotizan actualmente a $180,91, un aumento del 30 % este año. Tiene un EPS (TTM) de 7,54, un P/E (TTM) de 24,09 y un rendimiento de dividendos del 0,44 %. Para el 3T24, informó ventas netas de $2,93 mil millones y $702 millones en flujos de efectivo operativos.

Para el Q3 2024, Alphabet reportó ingresos de $88,27 mil millones, un aumento del 15 % interanual. Sus ingresos en la nube aumentaron un 35 % respecto al año anterior, alcanzando un récord de $11,35 mil millones este trimestre, impulsados por sus ofertas de IA.

La IA ha captado mucha atención entre usuarios y empresas por igual, con Google atrayendo nuevos clientes, obteniendo acuerdos más grandes y viendo una mayor adopción gracias a la IA. Por lo tanto, naturalmente, la compañía continúa “invertir en infraestructura de última generación” para apoyar sus esfuerzos de IA.

2. Tesla Inc. (TSLA )

Fundada por Elon Musk, Tesla es conocida por sus vehículos eléctricos, que ofrecen Autopilot como una automatización de nivel 2. Autopilot es una característica estándar en cada nuevo Tesla, y cada uno de sus vehículos está equipado con múltiples cámaras y procesamiento de visión para una capa adicional de seguridad.

Luego está Full Self‑Driving (FSD), que añade navegación semiautónoma. Tanto Autopilot como FSD están destinados a usarse con un conductor completamente atento.

Mientras Autopilot incluye funcionalidades como control de crucero adaptativo al tráfico y autosteer, FSD (supervisado) ofrece características adicionales, incluyendo navegación en autopilot, autosteer en calles de la ciudad, cambio automático de carril, auto‑estacionamiento, summon y smart summon, control de tráfico y control de señales de alto.

Los vehículos Tesla también vienen con varias funciones de seguridad activa que les permiten detectar autos u obstáculos, advertencias de colisión inminente, advertencias de colisión lateral y monitoreo de punto ciego, entre otras, para asistir a los conductores.

Sin embargo, el fabricante está actualmente bajo escrutinio de la Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA), que expresó insatisfacción con el lenguaje promocional de Tesla en redes sociales respecto a su función FSD. La agencia cree que el mensaje de Tesla podría promover el uso inseguro del sistema y ha solicitado a la compañía reconsiderar su estrategia de comunicación sobre las capacidades de FSD.

Esto ocurre tras un trágico incidente en el que una mujer fue atropellada por un Tesla que operaba en modo FSD, lo que plantea dudas sobre la capacidad del sistema para manejar condiciones ambientales desafiantes.

La NHTSA ha dado a Tesla una fecha límite del 18 de diciembre para responder a sus preguntas sobre el “posible fallo de desempeño de FSD, incluida la detección y respuesta adecuada en situaciones específicas donde hay visibilidad reducida en la carretera que podría limitar la capacidad de FSD para operar de forma segura”.

Con una capitalización de mercado de $1,05 billones, las acciones de Tesla se cotizan actualmente alrededor de $340, un aumento del 32,2 % en lo que va del año (YTD). Tiene un EPS (TTM) de 3,65, un P/E (TTM) de 90,07 y un ROE (TTM) de 20,65 %. Su deuda sobre patrimonio (MRQ) es del 11,01 %.

Para el 3T24, la compañía informó ingresos de $23,35 mil millones y una utilidad neta de $2,17 mil millones. Los márgenes de beneficio aumentaron $739 millones en ingresos por créditos regulatorios automotrices como resultado de que los reguladores exigen a los fabricantes vender un número determinado de vehículos de bajas emisiones o comprar créditos de empresas como Tesla, que construye exclusivamente dichos vehículos y, por lo tanto, tiene un exceso de créditos.

En este trimestre, el fabricante produjo 470 000 vehículos y entregó 463 000 vehículos. Recientemente, también presentó un robotaxi y robovan.

Haga clic aquí para aprender todo sobre Tesla.

Conclusiones 

El vasto y en expansión mundo de los vehículos autónomos apunta a un futuro de mayor movilidad, menor congestión de tráfico, más comodidad y mayor seguridad.

Mientras se proyecta que el tamaño del mercado global de vehículos autónomos crecerá a $13.632,4 mil millones para finales de esta década, se espera que el mercado del software de conducción autónoma, que es integral para los AV, aumente de $1,8 mil millones en 2024 a $7 mil millones para 2035.

La creciente demanda de soluciones de transporte eficientes y seguras es la razón detrás del crecimiento del mercado del software de conducción autónoma. A medida que los AV se vuelven gradualmente populares y ganan adopción, los fabricantes automotrices deben incorporar tecnologías de seguridad. Aquí, el software de conducción autopilot garantiza la seguridad del vehículo mediante algoritmos y procesamiento de datos en tiempo real.

Ahora, para materializar el futuro de los vehículos totalmente autónomos, necesitaremos más que solo avances tecnológicos. Ganar la confianza de los pasajeros es fundamental para lograr una adopción generalizada. Con soluciones como TimelyTale, que se enfocan en explicaciones oportunas y relevantes, se pueden abordar mejor las preocupaciones de los pasajeros y fomentar la confianza, creando así un enfoque más centrado en el ser humano para la conducción autónoma.

Innovaciones como estas son importantes para acercarnos mucho más a un futuro donde los vehículos sin conductor se integren sin problemas en nuestra vida cotidiana, transformando la movilidad urbana.

Haga clic aquí para aprender cómo los taxis autónomos generarán hasta $4 billones para 2027.