Caso práctico: Vehículo autónomo

Uno de los productos más interesantes de la era de la IA es el vehículo autónomo.

Los vehículos autónomos también son una de las cosas más misteriosas de las
que se oye hablar en la IA ahora. En este vídeo me gustaría compartir contigo una
descripción algo simplificada del vehículo autónomo para que entiendas cómo unir
varios componentes de IA a fin de construir estos increíbles objetos. Empecemos.
Estos son los pasos clave para decidir cómo conducir tu vehículo autónomo, El
vehículo tendrá como entrada varios sensores, como imágenes de lo que hay
delante del vehículo a los lados o detrás, y quizá un radar o un lidar, que significa
lectura de sensor láser. A partir de estas entradas, imágenes y tal vez otras cosas,
tiene que detectar otros vehículos. Con todo eso, es de esperar que averigües que
hay un vehículo allí, así como peatones, porque queremos evitar otros vehículos y
a los peatones. Tanto la detección de vehículos como la detección de peatones se
pueden hacer con aprendizaje automático, usando asignaciones de entrada y
salida, o de A a B que toman como entrada la imagen y tal vez el radar y el lidar,
envía las entradas y nos dice dónde están los otros vehículos y peatones. Por
último, ahora que ya sabes dónde están los otros vehículos y los peatones,
puedes enviar esta información a otra pieza especializada de software, llamada
software de planificación de movimiento, que planea los esquemas de movimiento
o la ruta que quieres que tome tu vehículo, para que puedas avanzar hacia tu
destino evitando cualquier colisión. Una vez que has planeado el movimiento del
vehículo, esto se puede traducir en el ángulo concreto del volante y comandos de
aceleración y freno es decir, cuánto pisar el acelerador, y cuánto frenar para que el
vehículo se mueva en el ángulo y velocidad deseados. Veamos los tres pasos
claves: detección de vehículo, detección de peatones y planificación de
movimiento en más detalle. La detección de vehículo utiliza aprendizaje
supervisado. Ya hemos visto cómo un algoritmo de aprendizaje puede tomar como
entrada imágenes como estas y como salida los vehículos detectados. La mayoría
de los vehículo autónomos en lugar de usar solo una cámara frontal, una cámara
que mira hacia adelante, usan además con frecuencia cámaras que miran hacia la
izquierda, a la derecha y a la parte trasera, por lo que pueden detectar vehículos
no solo delante sino alrededor. Esto se hace generalmente usando no solo
cámaras sino otros sensores, como el radar y el lidar. Lo siguiente es la detección
de peatones, y usando un tipo bastante similar de sensores y técnicas, los
vehículos autónomos pueden detectar peatones. Por último, mencioné
brevemente la fase de planificación de movimiento. ¿Qué es eso? Aquí tienes un
ejemplo. Supongamos que estás conduciendo tu vehículo y tienes este vehículo
azul claro delante. La función del software de planificación de movimiento es
decirte cuál es el camino, que se muestra aquí en rojo, que debes seguir para
estar dentro de la carretera y no tener un accidente. Así que la tarea del software
de planificación de movimiento es obtener la ruta y la velocidad a la que debes
conducir el vehículo para seguir la carretera, y la velocidad que deberías llevar
para no alcanzar al otro vehículo, y además conducir a una velocidad razonable en
esta carretera. Aquí hay otro ejemplo: Si aparece este vehículo gris estacionado
en el lado derecho de la carretera, querrás pasar a este vehículo parado. El
software de planificación de movimiento debe trazar un camino como este para
que gires un poco a la izquierda y te adelantes con seguridad al vehículo parado.
Hasta ahora he dado una descripción bastante simplificada del vehículo autónomo
que incluye principalmente estos tres componentes. Veamos un poco más en
detalle cómo podría funcionar un vehículo autónomo real. Esta es la imagen que
has visto hasta ahora. Entradas: imagen, radar o lidar, lecturas de sensores para
la detección de vehículos y peatones y eso se envía a la planificación de
movimiento que te asistirá al seleccionar la ruta y la velocidad. Ahora, en un
vehículo autónomo real, se suelen utilizar más cosas además de cámaras, radar y
lidar. La mayoría de los vehículos autónomos actuales también usan GPS para
detectar su posición, así como acelerómetros, a veces llamados IMU, que significa
acelerómetros, y giróscopos, y además un mapa porque sabemos que es más
probable que encontremos vehículos en la carretera, y que es más probable que
los peatones estén en las aceras, aunque a veces se encuentran en la calzada
también. Todo esto suele ser información adicional que se suministra para
detectar vehículos y peatones y otros objetos de los que vamos a hablar en un
segundo. Además de solo detectar vehículos y peatones, para conducir con
seguridad también se necesita saber a dónde irán estos vehículos y peatones en
el futuro. Así, otro componente común de los vehículos autónomos es la
predicción de trayectoria, donde hay otro componente de IA que te indica no solo
los vehículos y los peatones que encuentras, sino también dónde es probable que
vayan en los próximos pocos segundos, así puedes evitarlos incluso mientras se
están moviendo. Para conducir con seguridad se requiere más que simplemente
navegar entre otros vehículos y peatones. También hay que saber dónde están los
carriles, así podrías detectar las marcas de carril. Si hay un semáforo también se
necesita averiguar donde está, y si está en rojo, amarillo o verde. A veces hay
otros obstáculos, como conos de tráfico inesperados o tal vez hay una manada de
gansos caminando delante de tu vehículo que debe ser detectada también. Así el
vehículo puede evitar otros obstáculos además de vehículos y peatones. En un
gran equipo de vehículos autónomos, no sería tan inesperado tener un equipo o
tal vez algunas personas que trabajan en cada uno de los cuadros que te muestro
aquí en rojo. Creando todos estos componentes y poniéndolos juntos se puede
construir un vehículo autónomo. Como puedes ver, tanto en la secuencia de IA de
este ejemplo algo complejo como en la del ejemplo anterior, la secuencia de IA en
cuatro pasos para el altavoz inteligente, a veces se necesita un equipo para
construir todos estos diferentes componentes de un producto complejo de IA. En
el siguiente vídeo me gustaría compartir contigo cuáles son los roles clave en los
grandes equipos de IA. Si en el equipo hay solo una persona o si el equipo de IA
es pequeño, está bien, pero quiero que tengas una idea de cómo será crear un
equipo de IA grande, quizás en un futuro lejano. Continuemos con el siguiente
vídeo.