.

Móvil

Esta imagen vale más que mil palabras para analizar los riesgos de la conducción autónoma

1

Este sistema de identificación ha confundido las fotos de ciclistas de las puertas de un vehículo con ciclistas reales. Por ello, los expertos recomiendan incluir el mayor número de tipos distintos de sensores y cámaras para minimizar las carencias de cada uno de ellos 

  • por Jamie Condliffe | traducido por Teresa Woods
  • 25 Julio, 2017

Los fabricantes de coches autónomos suelen presumir de estar equipados con una larga lista de sensores: cámaras, ultrasonidos, radar y LIDAR, por mencionar algunos. Pero si alguna vez se ha preguntado por qué se requieren tantos sensores, sólo tiene que mirar esta imagen para saberlo.

Lo que se ve en la fotografía es lo que en la industria del automóvil autónomo se conoce como un "caso límite". Es una situación en la que un vehículo se comporta de forma impredecible porque su software ha procesado un escenario inusual de una forma distinta a como lo haría un ser humano. En este ejemplo, el software de reconocimiento de imágenes a partir de los datos de una cámara normal ha llegado a la conclusión errónea de que las imágenes de ciclistas de la parte trasera de una camioneta son ciclistas humanos reales.

Este punto ciego en particular fue identificado por los investigadores de Cognata, una empresa que desarrolla simuladores de software (que básicamente son juegos de ordenador altamente detallados y programables) en los que los fabricantes de automóviles prueban sus algoritmos de conducción autónoma. Eso les permite exponer a los vehículos a casos límite hasta que averigüen cómo abordarlos, sin riesgo de causar un accidente.

La mayoría de los automóviles autónomos superan problemas como el de las imágenes engañosas mediante distintos tipos de detección. "El LIDAR no puede detectar el cristal, el radar distingue principalmente el metal, y la cámara puede ser engañada por las imágenes", explica el CEO de Cognata, Danny Atsmon. El experto añade: "Cada uno de los sensores necesarios para la conducción autónoma resuelve una parte distinta del desafío de la detección". Al descubrir gradualmente qué datos pueden ser utilizados para resolver correctamente casos límites específicos (tanto mediante simulaciones como en la vida real), los coches aprenden a abordar situaciones más complejas.

Tesla fue criticada por su decisión de emplear únicamente radar, cámaras y sensores de ultrasonido para proporcionar datos a su sistema Autopilot después de que uno de sus vehículos no fuera capaz de distinguir un remolque del brillante cielo azul. Este error provocó un choque entre los vehículos y acabó con la vida del conductor del vehículo de Tesla en el acto. Los críticos sostienen que el LIDAR es un elemento clave en el abanico de sensores. A diferencia de una cámara, este aparato funciona bien con poca luz y brillos, y proporciona datos más detallados que el radar o los ultrasonidos. Pero, como señala Atsmon, hasta el LIDAR tiene defectos: por ejemplo, no puede distinguir entre una señal de tráfico roja y otra verde.

Por lo tanto, la apuesta más segura es que los fabricantes sigan confiando en una mayor diversidad de sensores, con el fin de crear redundancia en sus sistemas. Los ciclistas, al menos, se lo agradecerán.

(Para saber más: Cómo enseñar a un coche autónomo a que conduzca solo sin salir de casa, Self-Driving Cars’ Spinning-Laser Problem, El futuro de la conducción autónoma pende del primer accidente mortal de Tesla

Móvil

Qué significa estar constantemente contectados unos a otros y disponer de inmensas cantidades de información al instante.

  1. TR10: Auriculares de traducción simultánea

    Los auriculares Pixel Buds de Google nos adelantan al futuro de la traducción en directo, a pesar de que el hardware actual sea un poco torpe

  2. "Nadie se imaginaba que el odio en internet llegaría al nivel actual"

    Yasmin Green lidera la I+D de una filial de Google especializada en abordar los mayores problemas de la red: radicalización, noticias falsas, intimidación... Su equipo suele viajar a zonas conflictivas para entender bien el problema y buscar soluciones, algunas de las cuales ya están dando resultados

  3. Si cree que ver los JJOO en realidad virtual es buena idea, se equivoca

    Pensaba que los deportes de invierno serían una opción estupenda para aprovecharse del potencial de la RV, pero no fue así. Caras borrosas, atletas que aparecen y desaparecen, malos juegos de cámaras, mareos y falta de nitidez son solo algunos de los problemas que persisten este año