.

Otros

Un algoritmo predice con éxito el 90% de las acciones de los conductores

1

La información de los movimientos de la cabeza y la velocidad, combinados con la ubicación le permiten adelantarse 3,5 segundos a la acción

  • por The Physics Arxiv Blog | traducido por Teresa Woods
  • 18 Enero, 2016

Si ahora se compra un coche nuevo probablemente vendrá equipado con un sistema de tecnologías de asistencia para la conducción. Estas sirven para ayudar a igualar la velocidad a la de otro coche, gestionar el cambio de carril de forma segura y hasta frenar para evitar a otro vehículo. Así que una pregunta interesante es cuánto podrán mejorar estos sistemas de seguridad antes de que ocurra lo inevitable y el coche asuma el control completamente.

Hoy recibimos una respuesta parcial gracias al trabajo de Ashesh Jain de la Universidad de Cornell (EEUU). Su equipo ha desarrollado un sistema que puede predecir la próxima maniobra de un conductor humano tres segundos antes de que la realice. Esta información, afirman, puede entonces ser empleada para identificar y prevenir accidentes en potencia.

El enfoque es sencillo en teoría. El equipo de Jain señala que un exhaustivo conocimiento del entorno de conducción, tanto dentro como fuera del coche, permite adivinar las intenciones del conductor con bastante fiabilidad. Por ejemplo, normalmente los conductores miran los carriles colindantes antes de cambiar de carril. Así que monitorizar los movimientos de la cabeza del conductor ayuda a predecir si el conductor tiene intención de cambiar de carril durante los próximos segundos.

Igualmente, datos procedentes de GPS y mapas callejeros muestran cuando un coche se acerca a un cruce donde existan opciones de girar a la izquierda o a la derecha. Y la velocidad también es un importante indicador puesto que los conductores generalmente aminoran la marcha antes de realizar un giro.

Pero estos datos son dispares. Los datos de los movimientos de cabeza son totalmente distintos a los datos de velocidad o del mapa. La dificultad reside en combinar y analizar estos flujos de información para realizar buenas predicciones.

La solución que ha diseñado el equipo de Jain es analizar estos flujos de forma conjunta con el uso de unos avanzados algoritmos de inteligencia artificial que aprenden a reconocer indicios de que se avecina una maniobra.

La primera parte de su trabajo se centró en recopilar los datos que se necesitaban para entrenar su máquina. El equipo colocó una cámara en uno de los coches para monitorizar al conductor y otra para monitorizar la carretera. También emplearon datos de GPS y mapas, y una herramienta de rastreo de velocidad.

10 conductores que recorrieron unos 625 kilómetros por carretera y ciudad durante dos meses permitieron generar el conjunto de datos. Anotaron los datos a mano para indicar las maniobras producidas. En total, identificaron 700 "eventos": unos 300 cambios de carril, 130 giros y casi 300 casos, elegidos al azar, de conducción en línea recta.

Emplearon estos datos para entrenar varias máquinas distintas de cálculo numérico para identificar las condiciones bajo las que un conductor giraría a izquierda o derecha, cambiaría de carril hacía la izquierda o la derecha o simplemente seguiría conduciendo en línea recta.

Los resultados representan una lectura interesante. El algoritmo de mejor rendimiento fue capaz de determinar correctamente una futura maniobra la mayor parte del tiempo: acertó en alrededor del 90% de sus predicciones. Y de media emitió su predicción unos 3,5 segundos antes de producirse la maniobra en cuestión.

Por supuesto, queda más trabajo por hacer. Un problema en potencia es determinar lo bien que funciona el algoritmo bajo las condiciones de conducción más peligrosas, especialmente por la noche o cuando la visibilidad sea limitada por nieve o tormentas de lluvia o cuando el Sol esté bajo en el cielo.

Los accidentes son más probables bajo estas condiciones así que un buen algoritmo predictivo podría proporcionar el mayor beneficio. Pero cómo será el rendimiento de estos sistemas bajo dichas condiciones no está claro.

Otra pregunta es qué hacer con estas informaciones una vez recopiladas. ¿Cómo puede emplearse para prevenir accidentes? De nuevo, no está claro cómo los fabricantes automovilísticos podrán aprovechar estos datos.

No obstante, el nuevo enfoque podría señalar un cambio interesante en la forma de abordar la conducción segura. La predicción fiable de maniobras del conductor seguramente ayudará a hacer que los coches sean más seguros en un futuro próximo. A no ser, por supuesto, que la tecnología de conducción autónoma haga tanto que los humanos como la tecnología que predice sus acciones se vuelvan obsoletos mucho antes de lo que esperamos.

Ref: arxiv.org/abs/1601.00740 : Brain4Cars: Car That Knows Before You Do via Sensory-Fusion Deep Learning Architecture

Otros

  1. Argentina rastrea a niños 'sospechosos' con reconocimiento facial

    El sistema para identificar a presuntos delincuentes en tiempo real, que se implantó sin ningún tipo de consulta pública, funciona con una base de datos que puede encontrarse fácilmente en internet y que incluye información privada de hasta 166 menores, algunos de ellos de entre uno y tres años de edad

  2. El peligro de que solo Microsoft pueda acceder a GPT-3

    Aunque OpenAI se fundó sin ánimo de lucro y bajo la premisa de desarrollar IA enfocada al bien de la humanidad, ha concedido acceso exclusivo a su herramienta de generación de lenguaje. La medida no hace más que concentrar el poder de la inteligencia artificial en manos de los gigantes tecnológicos

  3. ¿Qué se esconde tras el hackeo masivo a cuentas famosas de Twitter?

    A simple vista, el ataque parecía una simple estafa de Bitcoin. Pero la brecha de seguridad, provocada mediante engaños a los empleados de la red social, permitió a los ciberdelincuentes acceder a mensajes privados de personajes de gran relevancia como Joe Biden, Barack Obama, Elon Musk y Bill Gates