Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CFS
Flores Cuamatzi Adrián, Martínez Ramírez Luis Alberto, Moya Ruiz Óscar Antonio, Pérez Arellano Alan, Reyes
Araiza Luis Fernando, Rueda Torres Ramón
Benemérita Universidad Autónoma de Puebla
adrian.floresc@alumno.buap.mx, luis.martinezramire@alumno.buap.mx, oscar.moya@alumno.buap.mx,
alan.perezar@alumno.buap.mx, luis.reyesar@alumno.buap.mx, ramon.ruedat@alumno.buap.mx
Esta preocupación radica desde que se realizaron las Una situación de gran peso la cual debe tener un caso de
primeras transiciones de vehículos de asistencia “con manos” a garantía para todo vehículo autónomo es la detección de
la conducción “sin manos” altamente automatizada. Este último peatones. La aplicación particular Convolutional Neural
implica de grandes consideraciones de seguridad. De manera Networks (CNNs) detecta objetos (principalmente peatones)
tradicional, cualquier sistema basado en ingeniería el cual se basándose en las imágenes recibidas de la periferia
comercializa pasa a través de estándares que regulen e indiquen conformando así un sistema de prevención. Los CNNs son
el comportamiento que dicho sistema debe tener. redes neuronales que se basan únicamente en las entradas que
recibe, en este caso las imágenes, sin recibir retroalimentación
Algunos de estos ejemplos son las normas ISO y SAE las alguna en las cuáles se calcula una suma de valor de las entradas
cuáles establecen las normas de seguridad que vehículos y se aplica una función no lineal para generar una respuesta
estándar deben de tener. No obstante, dado el recién nacimiento adecuada. Los CNNs permiten clasificar distintos clases y
de las tecnologías IoT, no se han definido normas de seguridad objetos dependiendo de su ubicación dado ciertos fotogramas.
que regulen a los vehículos autónomos.
Los casos de garantía dependen del desempeño que tenga el
Y es que aún, no se tienen normas definidas las cuáles sistema, el cual debe ser calculado y definido de antemano para
seguir, los creadores de dichos vehículos deben demostrar que confirmar que se cumplen los objetivos de seguridad. Por otro
sus sistemas cumplan con los objetivos de seguridad. No sólo lado, el incorrecto funcionamiento de la función de detección
esto, la ausencia de marcos de referencia y normas hace que los de peatones puede causar peligros. El sistema tal vez se detenga
sistemas deban cumplir con los objetivos de seguridad bruscamente antes de tiempo, cuando no haya peatón o no frene
basándose en “principios básicos” tales como no lastimar a un en ningún momento y cause un impacto. Cualquiera de estos
peatón, lo cual causa ambigüedad y problemas de interpretación casos rompe los principios básicos mencionados anteriormente
con los objetivos de otros sistemas. Además, estos objetivos ya sea lastimando al peatón o a los propios pasajeros del
tienden a ser difíciles debido a la alta complejidad de las bases vehículo, por lo cual no se tiene un caso de garantía.
sobre las cuáles operan estos sistemas ciberfísicos. Las
En la siguiente figura se muestra el algoritmo CNN basado adecuado; también es necesario indicar que las funciones
en la función de detección de objetos: correctas se aplican en el contexto adecuado con el desempeño
esperado.
Para ejemplificar la tarea de detección, ciertos requisitos III. LOS SISTEMAS CIBERFÍSICOS Y
deben ser tomados en cuenta para asegurarse de que es un LA INDUTRIA 4.0
peatón: Los peatones generalmente tienen una altura y un ancho Muchas veces escuchamos el término de indutria 4.0, que
mínimos lo cual los clasifica en peatones y los separa de clases hace referencia a la cuarta revolución industrial. Considerado
tales como animales u objetos. Después, se detectará el peatón como el nuevo nivel de digitalización, organización y control
si un cierto por ciento de éste se encuentra visible. Todo esto es de toda la cadena de valor del ciclo de vida de los productos, su
en tiempo real por lo que se obtiene una cadena continua de trazabilidad, la conectividad y la personalización del cliente. [1]
datos, si se tienen ciertas cantidades de falsos positivos y
negativos, se prosigue con el siguiente paso. Se verifica que
haya una cantidad inferior a la determinada de detecciones fuera
de la clasificación de peatón. Finalmente, se verifica la
desviación vertical y horizontal para confirmar una colisión
próxima con el peatón.