Documentos de Académico
Documentos de Profesional
Documentos de Cultura
En abril de 2015, un Audi SQ5 que se manejaba solo, usando un sistema de conducción
autónoma desarrollada por Audi y Delphi, logró recorrer 5400 kilómetros en 9 días sin que los
ingenieros dentro del auto tocaran el volante salvo en un par de ocasiones.14 Semanas
después, una flota de 25 vehículos autónomos diseñados por Google dejaron las pistas de
prueba para ser evaluados en el tránsito diario de Mountain View, California, sin superar los 40
km/h. El prototipo de Google cuenta con el software de navegación que ya utilizó en su flota
de autos Lexus, que recorrieron más de un millón de kilómetros de forma autónoma y bajo la
supervisión de un humano al volante.15
En el verano de 2015, la Universidad de Míchigan puso en funcionamiento un pueblo
de utilería, denominado MCity (en:), en cuyas calles se pueden probar vehículos autónomos. El
lugar cuenta con una calle de más de kilómetro y medio de largo, curvas de diferentes
radios, rotondas, semáforos, pavimentos de diferente superficie, etcétera.16 Por otro lado,
existen otros proyectos que complementarán la MCity. Uno de ellos es la puesta de 9 000
vehículos interconectados en la gran superficie de Ann Arbor, así como otros 20 000 en
carreteras al sureste del estado.17 Durante la misma semana, en Buenos Aires (Argentina),
representantes del gobierno local probaron dos unidades del primer prototipo de vehículo
autónomo eléctrico fabricado en ese país. Se trata de un vehículo sin volante ni pedales.18
Lo primero que tenemos que tener en cuenta a la hora de hablar de conducción autónoma es
el hecho de que estamos ante una máquina, un gran ordenador con ruedas que toma
decisiones en función de directrices incuestionables.
De este modo, en una carretera con límite de velocidad a 80 km/h, el coche autónomo jamás
excederá ese límite a no ser que se alteren sus parámetros de funcionamiento predefinidos.
La ambigüedad no existe en la toma de decisiones de una máquina.
Si nos ceñimos a la teoría, el coche autónomo es la figura perfecta como sistema de
transporte, donde su funcionamiento se basa en el cumplimiento de unas leyes y directrices
impuestas. No hay interpretación, ni mucho menos violación de las normas salvo fallo. Dicho
esto, la figura del coche autónomo se entiende como el mejor avance en seguridad que se ha
producido en los últimos años, pues de su funcionamiento se extrae un control y prudencia
imposible de alcanzar por un ser humano.
REPERCUSION
La invención, el desarrollo y la difusión del vehículo autónomo está produciendo enormes
efectos positivos (seguridad vial, accesibilidad, eficiencia energética, etc.) y a la vez ocasiona
múltiples retos y desafíos.
Entre los desafíos que ocasiona esta tecnología se encuentran los cambios que afrontarán la
industria automovilística (nuevas empresas entran en el sector), los seguros (menos siniestros
podrían suponer un menor coste de las primas y nueva definición de responsabilidad en caso
de accidente), el mercado laboral (muchos conductores profesionales como taxistas o
camioneros y empleados de talleres mecánicos perderán su trabajo a la vez que se
necesitarán más expertos en robótica) o el abastecimiento de órganos para donación (un
descenso significativo en el número de fallecimientos podría suponer una gran caída de los
posibles donantes)
Lo que la implementación de vehículos autónomos contribuye a aumentar
La seguridad vial respecto a los conductores humanos.19
La accesibilidad de las personas que no pueden conducir.20
La eficiencia energética y la calidad del aire debido a técnicas para mejorar el tráfico.17
La calidad del espacio público:
Componentes Software[editar]
Para alcanzar una conducción realmente automática en una situación urbana con tráfico
impredecible son necesarios muchos sistemas de tiempo real, que deben interoperar. Por
ejemplo, es necesario un sistema de localización, de percepción del entorno, de planificación y
lógicamente, un sistema de control. Además, son necesarios un conjunto de sensores que
recojan y proporcionen la información necesaria para poder tomar las decisiones.
Cuando pensamos en un sistema de control para un coche autónomo es fácil caer en la
tentación de imaginar que los algoritmos que lo controlan se asemejan a las normas de
programación clásicas, del estilo “if (…) then…else…”, por ejemplo “Si se cruza un peatón en
medio de la calle, entonces se reducirá la velocidad llegando a frenar si fuere necesario”. Es
evidente que esa forma de pensar no es adecuada ya que el número de situaciones posibles
es muy elevado y por lo tanto es necesario un sistema capaz de generalizar.
En lugar de implementar innumerables normas para reconocer estos objetos, es mucho más
práctico implementar un algoritmo de machine learning al que se “entrena” con distintas
imágenes que ejemplifican todas las situaciones posibles.
Cada una de las imágenes se asocia con el tipo de vehículo que contiene. El algoritmo
empieza a procesar las imágenes. Inicialmente, intenta adivinar qué vehículo hay en cada
imagen y al principio se equivocará muy a menudo. Como conoce “la solución”, es decir, qué
vehículo hay en realidad en cada imagen, modifica y adapta parámetros internos y lo vuelve a
intentar. El proceso continúa reduciendo iterativamente la tasa de fallos. Más adelante,
cuando se le presenten nuevas imágenes podrá clasificarlas correctamente. Podemos,
entonces, afirmar que el algoritmo ha aprendido.
Ese mismo enfoque se puede utilizar para la toma y evaluación de decisiones. En vez de
proporcionar una lista de normas con las que evaluar la acción a tomar para cada situación, se
entrena un algoritmo con situaciones de tráfico en las que se especifica la acción correcta a
tomar. Igual que antes, el algoritmo intenta adivinar la acción correcta y modifica parámetros
internos en función de si se equivoca o acierta.
Otra de las técnicas que se usan en la algorítmica de la conducción autónoma son los
modelos probabilísticos. Para tomar decisiones, el coche necesita predecir su propia posición
y también la de todos los objetos que identifica, como peatones u otros vehículos, puesto que
se están moviendo. Como no sabe la posición en la que estarán, la intenta predecir utilizando
distribuciones de probabilidad. Tesla y Nissan son algunas marcas que promueven esta
innovación.
Componentes Hardware[editar]
Con el objeto de poder tomar decisiones acertadas, el coche necesita recopilar toda la
información disponible en su entorno. Para ello, los coches autónomos cuentan con una serie
de sensores y cámaras que permiten la captación de información. Más concretamente, cada
vehículo suele estar equipado con una unidad GPS, un sistema de navegación inercial, y una
serie de sensores: medidores láser, un radar, un lidar y vídeo.
Los datos de cada sensor se filtran para eliminar ruido y se combinan para aumentar el
conocimiento del entorno y actualizar el mapa de su entorno para evitar obstáculos. Se
recogen datos de forma periódica porque el proceso de localización, mapeo del entorno y
detección de obstáculos se produce continuamente.
Uno de los procesos más importantes es el de elaborar un mapa del entorno y localizar la
posición del propio coche en el entorno. Para tal tarea se emplean cámaras y medidores láser.
El medidor láser escanea el entorno haciendo sucesivas pasadas y calcula la distancia a los
objetos cercanos en base al tiempo que el haz de luz tarda en volver. Combinar esta
información con la recopilada por la cámara permite construir un modelo tridimensional del
entorno.
Para situarse en el modelo y conocer su posición relativa en el mapa debe usar el GPS y el
sistema de navegación inercial. La posición del GPS puede estar equivocada en varios metros
debido a un retraso en la emisión, por lo que es preciso utilizar el sistema de navegación
inercial.
El sistema de navegación inercial (INS de inertial navigation system), es un sistema de ayuda
a la navegación que usa acelerómetros y sensores de rotación para calcular continuamente
una estimación de la posición, orientación y velocidad del movimiento del coche.
Combinándolo con la posición del GPS es preciso obtener una posición con mayor exactitud.