COCHE, BICICLETA Y TAXIS AUTONOMOS

QUE SON LOS VEHICULOS AUTONOMOS

Un vehículo autónomo, también conocido como robótico, o informalmente como sin
conductor o auto conducido, es un vehículo capaz de imitar las capacidades humanas de
manejo y control. Como vehículo autónomo, es capaz de percibir el medio que le rodea y
navegar en consecuencia. El conductor podrá elegir el destino, pero no se le requiere para
activar ninguna operación mecánica del vehículo.
Los vehículos perciben el entorno mediante técnicas complejas
como láser, radar, lidar, sistema de posicionamiento global y visión computarizada. Los
sistemas avanzados de control interpretan la información para identificar la ruta apropiada, así
como los obstáculos y la señalización relevante.1 Los vehículos autónomos generalmente son
capaces de recorrer carreteras previamente programadas y requieren una reproducción
cartográfica del terreno, con lo cual si una ruta no está recogida por el sistema se puede dar el
caso que no pueda avanzar de forma coherente y normal.
En el mundo hay varios programas activos, pero para su implantación definitiva se requiere de
un ajuste de varios aspectos derivados de la seguridad vial y en materia de seguros. Son
algunas de las dudas que concierne una forma de transporte que está cerca de ser realidad
en pocos años según empresas involucradas en su desarrollo, como Google, Daimler
AG, BMW, Renault, Ford o Volvo, así como Bosch o Delphi, en el área de componentes y
electrónica.2
En agosto de 2016 la empresa estadounidense nuTonomy, filial del MIT, lanzó el
primer taxi autónomo del mundo en Singapur.34 Uber opera también con coches autónomos en
las ciudades de Pittsburgh y San Francisco desde finales de 2016.5 El 19 de marzo de 2018 se
produjo el primer atropello mortal por un vehículo sin conductor. Una mujer falleció
en Tempe, Arizona, tras ser atropellada por un vehículo sin conductor operado por Uber.
Como consecuencia, Uber anunció que suspende las pruebas que se venían llevando a cabo
con vehículos autónomos en Tempe, Pittsburgh, Toronto y San Francisco.6
Todos los coches de Tesla fabricados desde octubre de 2016 se construyen con un hardware
que permite la capacidad de autoconducción completa al más alto nivel de seguridad (SAE
Nivel 5) si bien el sistema funcionará en "modo sombra" (procesando sin actuar) y enviando
datos a Tesla para mejorar sus capacidades hasta que el software esté listo para el
despliegue del Nivel 5 a través de actualizaciones over-the-air.78
Waymo ofrece desde octubre de 2020 el servicio de robotaxis para el público general en la
ciudad estadounidense de Phoenix.9

HISTORIA DE LOS VEHICULOS AUTONOMOS

La presentación más antigua de un vehículo autónomo que se conoce fue por Norman Bel
Geddes en la feria de muestras Futurama patrocinada por General Motors para la Exposición
Universal de 1939, que consistía en un vehículo eléctrico que era controlado por un circuito
eléctrico embebido en el pavimento de la carretera.
En 1980 una furgoneta guiada por visión de Mercedes-Benz, diseñada por Ernst Dickmanns y
su equipo de la Universidad de Múnich alcanzó los 100 km/h en calles sin tráfico. La Comisión
Europea se mostró interesada en el proyecto y realizó una inversión de 800 millones de € para
el proyecto EUREKA Prometheus que buscaba desarrollar un vehículo autónomo.
En 1980 Defense Advanced Research Projects Agency (DARPA) consiguió el primer vehículo
que funcionaba mediante un radar, un láser, y visión computarizada. En 1987, los laboratorios
HRL demostraron que se podía construir un vehículo que podía diseñar su propia ruta una vez
que se salía del mapa. El vehículo pudo moverse más de 600 metros a través de terreno
complejo como pendientes, grandes rocas y vegetación.
En 1994, dos vehículos robots gemelos VaMP y Vita-2 de Daimler-Benz y Ernst Dickmans,
condujeron solos más de mil kilómetros en una autopista de París con 3 carriles, en días
habituales y con tráficos intensos a velocidades de 130 km/h. Los vehículos funcionaron de
forma autónoma con pequeñas intervenciones humanas. Demostraron que la conducción en
carriles libres, en convoy y los cambios de carril a derecha e izquierda podían realizarse de
forma autónoma.
En 1995, el equipo de Dickmanns modificó un Mercedes-Benz Clase S para que hiciera un
viaje entre Múnich y Copenhague y vuelta, usando una visión computarizada con movimientos
sacádicos y un ordenador para reaccionar en tiempo real. El robot consiguió alcanzar
velocidades superiores a 175 km/h en las Autobahn alemanas, con un tiempo medio entre
intervenciones humanas de 9 km, lo que supuso un 95% de conducción autónoma. De nuevo
el vehículo condujo en tráfico, ejecutando maniobras para adelantar a otros vehículos.
Los trabajos pioneros en España fueron desarrollados por el CSIC 1011. Posteriormente, los
primeros ensayos de conducción autónoma en España fueron realizados en el año 2012 en un
trayecto de 100km de El Escorial a Madrid realizados por el grupo AUTOPIA del Centro de
Automática y Robótica. Un vehículo manual generaba dinámicamente un mapa de alta
precisión para ser seguido por el vehículo de seguimiento totalmente autónomo. El viaje cubrió
una amplia gama de escenarios de conducción, incluidas zonas urbanas, carreteras
secundarias y autopistas, en condiciones de tráfico estándar12.
Por su parte, Audi anunció en 2014 que su modelo RS7 autónomo, alcanzó los 240 km/h en
el circuito de Hockenheim en Alemania. El automóvil completó una vuelta a la pista en poco
más de dos minutos. Audi también colocó a un humano detrás del volante para una vuelta de
comparación, siendo este cinco segundos más lento que el auto no tripulado.13

Automóvil sin conductor de Google

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.

DEFINICIONES Y CLASIFICACIONES DE LOS

VEHICULOS AUTONOMOS

Existe cierta incoherencia en la terminología utilizada en el sector de los coches autónomos.

Varias organizaciones han propuesto definir un vocabulario preciso y coherente. SAE
International, un organismo de normalización de la automoción, publicó en 2014 un sistema de
clasificación con seis niveles -que van desde los sistemas totalmente manuales a los
totalmente automatizados- con el nombre de J3016 Taxonomy and Definitions for Terms
Related to On-Road Motor Vehicle Automated Driving Systems. Esta clasificación se basa en
la cantidad de intervención del conductor y en la atención requerida, más que en las
capacidades del vehículo, aunque están vagamente relacionadas. En Estados Unidos, en
2013, la Administración Nacional de Seguridad del Tráfico en Carretera (NHTSA) publicó un
sistema de clasificación formal, pero lo abandonó en favor de la norma SAE en 2016. También
en 2016, SAE actualizó su clasificación, denominada J3016_201609.

Niveles de automatización de la conducción[editar]

Nivel 0: El sistema automatizado emite avisos y puede intervenir momentáneamente, pero no
tiene un control sostenido del vehículo.
Nivel 1 : El conductor y el sistema automatizado comparten el control del vehículo. Ejemplos
de ello son los sistemas en los que el conductor controla la dirección y el sistema
automatizado controla la potencia del motor para mantener una velocidad determinada
(control de crucero) o la potencia del motor y de los frenos para mantener y variar la velocidad
(control de crucero adaptativo o ACC); y la asistencia al aparcamiento, en la que la dirección
está automatizada mientras que la velocidad está bajo control manual. El conductor debe
estar preparado para retomar el control total en cualquier momento.
Nivel 2: El sistema automatizado toma el control total del vehículo: aceleración, frenado y
dirección. El conductor debe supervisar la conducción y estar preparado para intervenir
inmediatamente en cualquier momento si el sistema automatizado no responde
correctamente. El contacto entre la mano y el volante suele ser obligatorio durante la
conducción SAE 2, para confirmar que el conductor está preparado para intervenir. Los ojos
del conductor pueden ser vigilados por cámaras para confirmar que el conductor mantiene su
atención en el tráfico.
Nivel 3: El conductor puede desviar su atención de las tareas de conducción de forma segura,
por ejemplo, el conductor puede enviar mensajes de texto o ver una película. El vehículo se
encargará de las situaciones que requieran una respuesta inmediata, como una frenada de
emergencia. El conductor debe seguir estando preparado para intervenir en un tiempo
limitado, especificado por el fabricante, cuando el vehículo le pida que lo haga. En ocasiones
se define este sistema automatizado como un copiloto que avisa de forma ordenada cuando
es necesario una conducción manual.
Nivel 4: Como el nivel 3, pero nunca se requiere la atención del conductor para la seguridad,
por ejemplo, el conductor puede irse a dormir o abandonar el asiento del conductor con
seguridad. Sin embargo, la autoconducción sólo se admite en áreas espaciales limitadas o en
circunstancias especiales. Fuera de estas áreas o circunstancias, el vehículo debe ser capaz
de abortar el viaje de forma segura, por ejemplo, reducir la velocidad y aparcar el coche, si el
conductor no retoma el control. Un ejemplo sería un taxi robotizado o un servicio de reparto
robotizado que cubra lugares seleccionados de una zona, en un horario y cantidades
determinadas.
Nivel 5: (También llamado "volante opcional"): No se requiere ninguna intervención humana.
Un ejemplo sería un vehículo robotizado que trabaje en todo tipo de superficies, en todo el
mundo, durante todo el año y en todas las condiciones meteorológicas.

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:

 Reduce la cantidad de espacio requerido para el estacionamiento (se podrían

aparcar más cerca). Aliviaría la escasez de aparcamiento, ya que el vehículo
dejaría a los pasajeros y luego seguiría solo hacia un lugar donde pudiera
aparcar.
 Incrementa de la capacidad de las carreteras debido a la reducción de
la distancia de seguridad entre vehículos.17
La eficiencia económica:

 Reduce los costos e inconvenientes de los conductores humanos contratados

(transporte público o vehículos comerciales).21
 Ya que los vehículos autónomos no pueden violar la ley, se reducirían las
multas, los costes de la policía de tráfico y se reduciría los costes de los
seguros.21
 La señalización de carreteras no sería necesaria, ya que los vehículos
podrían recibir la información por tecnología móvil.2223
La circulación eficiente:

 Evita que los ocupantes del vehículo se entretengan en las tareas de

conducción y navegación.24
 Evita pasajeros redundantes, es decir, evitaría el conductor que no va al sitio
pero que tiene que llevar a más pasajeros a un lugar.

COMPONENTES DE LOS VEHICULOS

AUTONOMOS

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.

INGENIERO ESTOS TEMAS SON LO QUE VOY

A EXPONER. EN VEHICULOS AUTONOMOS
HAY GRAN GAMA DE INFORMACION. LA
IDEA ES QUE DESDE SU PERSPECTIVA
EXTRAIGA LA INFORMACION QUE USTED
VA A EXPONER Y LA PLASME EN LA
PRESENTACION.