Unos investigadores de la Universidad de Oxford (Reino Unido) han publicado un detallado conjunto de datos que pone de relieve algunos de los retos más difíciles a los que se enfrentarán los coches autónomos. Los datos contienen miles de horas de información del mismo tramo de carretera de 10 kilómetros durante el transcurso de un año. Y demuestra cómo el tiempo, la iluminación e incluso las propias características de las carreteras pueden variar ampliamente en un período relativamente corto de tiempo.
Los investigadores rastrearon el tipo de variaciones con las que tendrán que lidiar cada día los coches autónomos. Ente los parámetros se incluyen vehículos en movimiento, coches aparcados de distintas maneras y cambios en la iluminación. "Después están los cambios a más largo plazo", explica el investigador del Mobile Robotics Group de la Universidad de Oxford Will Madde
. El experto se refiere a conceptos como "la construcción, las obras en la carretera, los cambios estacionales en la vegetación, etcétera".
Cuando los investigadores de Google empezaron a probar los coches autónomos, encontraron que solían tener problemas en rotondas muy concurridas. Los vehículos, programados para pecar de cautelosos, daban vueltas durante minutos antes de divisar la manera de escapar. El equipo de Oxford ha descubierto otro tipo de problema: durante el transcurso de un año, una rotonda fue trasladada tres veces por el ayuntamiento.
Foto: Datos de telémetro láser recopilados por un equipo de la Universidad de Oxford demuestran cómo los coches autónomos han de adaptarse a los cambios de vegetación durante el año. Crédito: Oxford Mobile Robotics Group.
Los sistemas que dependen de un mapeo preciso, incluidos los vehículos de Google, todavía luchan contra tales cambios. "Sigue siendo un problema abierto", afirma Madde
. El experto explica: "Uno de los motivos por el que recopilamos estos datos fue identificar dónde fallarán estos sistemas".
Algunas empresas, como Tesla, no emplean mapas detallados. En su lugar, dependen de los avances del procesamiento de las imágenes y de los datos de sensor para detectar y evitar obstáculos. Pero estos sistemas también se verían confundidos por el tipo de características identificadas por el equipo de Oxford. Google y Tesla son líderes en términos de la cantidad de datos de conducción recopilados, pero no dispondrán de tantos datos como el equipo de Oxford que demuestra las variaciones sufridas en un mismo trayecto.
"Este conjunto de datos es una maravillosa aportación al campo", afirma el profesor del Instituto Tecnológico de Massachusetts (MIT, EEUU) John Leonard, que ayudó a desarrollar algunos de los algoritmos clave para los coches autónomos. Leonard, que actualmente colabora en un esfuerzo de investigación coordinado por Toyota, explica: "Los conjuntos de datos a gran escala y de larga duración pueden proporcionar un enorme impulso para el ritmo de los progresos".
El experto añade que si las empresas que desarrollan coches autónomos compartiesen sus datos, podría acelerarse la llegada de la tecnología salvavidas. Leonard argumenta: "Creo que sería genial si más grupos que trabajan en los coches autónomos pudiesen compartir sus conjuntos de datos, y también poner más herramientas a disposición de todos como fuente abierta".
Otros de la industria hacen eco de este sentimiento. En una conferencia la semana pasada, el CEO del Toyota Research Institute en Califo ia (EEUU), Gill Pratt, dijo que dadas las implicaciones de seguridad, las automovilísticas también podrían considerar trabajar juntas, lo que podría incluir compartir parte de los datos que recopilan.
En palabras de Pratt: "Es importante recordar que no siempre tenemos que trabajar solos. Nuestra gran esperanza es una competencia constructiva y también la colaboración entre todos los fabricantes de coches, empresas, distintos gobie os y también fabricantes de hardware".