Visión artificial: la piedra angular de los vehículos autónomos exitosos

Cuando Uber lanzó su primera flota autónoma en Pittsburgh, los puentes y calles sinuosas de la ciudad se convirtieron en un campo de pruebas para la tecnología autónoma. Los ingenieros aún se sientan en el asiento del conductor mientras los vehículos navegan, pero los primeros resultados muestran que el sistema puede recoger pasajeros de manera confiable en un entorno urbano complejo.

Este hito subraya el papel crítico de la visión artificial: una matriz de cámaras, LiDAR, radar y otros sensores que interpretan continuamente el entorno del vehículo. Más allá de simplemente reaccionar a choques, las plataformas autónomas modernas buscan prevenirlos por completo, un cambio que abre nuevas oportunidades para sistemas de seguridad basados en visión.

Arquitectura de seguridad proactiva

Los autos autónomos de grado de consumo están pasando de características de seguridad pasivas como bolsas de aire a sistemas activos y anticipatorios que detectan peligros antes de que se materialicen. Como señaló una investigación temprana del Centro Internacional de Ciencias Mecánicas (1989), la visión "nos permite interactuar con el entorno y tomar decisiones sin contacto físico".

Los vehículos autónomos equipados con suites multi-sensor operan en un estado constante de anticipación de peligros, monitoreando posición de carril, tráfico circundante y actividad de peatones en tiempo real.

Los desafíos de diseño surgen del enorme volumen de datos y la necesidad de procesamiento de alta velocidad. Los mazos de cables que una vez abarcaban millas en autos de lujo ahora deben simplificarse para acomodar miles de feeds de sensores sin comprometer la eficiencia. Yazaki Corporation, líder global en cableado automotriz, está pionera en mazos modulares y explorando comunicación inalámbrica en el vehículo para reducir peso y complejidad.

Viabilidad a largo plazo

En la conferencia Auto-Sens de septiembre de 2016, expertos destacaron varios obstáculos que deben superarse antes de que los autos autónomos sean comunes en cada entrada. Temas clave incluyen estimación de distancia robusta bajo todas las condiciones de iluminación y el alto costo de unidades LiDAR, actualmente alrededor de 80.000 USD por escáner.

La escalabilidad también depende de la gestión del espectro: "¿Qué sucede cuando cientos de vehículos equipados con LiDAR comparten la misma banda de frecuencia en carreteras multi-carril congestionadas?" preguntó el panel de la conferencia. Los fabricantes deben diseñar estrategias de colocación de procesadores y fusión de sensores que sigan siendo efectivas a medida que las flotas se expanden.

Dado que la tecnología autónoma estará en servicio por décadas, los proveedores de componentes deben entregar piezas que permanezcan compatibles por al menos diez años más allá del despliegue inicial. Especificaciones consistentes asegurarán que futuras actualizaciones puedan integrarse sin rediseños costosos de vehículos.

La interacción de la visión artificial con el control de movimiento y algoritmos avanzados redefinirá cómo percibimos el auto. Así como los robots colaborativos dependen de retroalimentación visual en fábricas, los vehículos autónomos dependerán de los mismos principios para navegar de forma segura y eficiente.

En la prueba de Uber en Pittsburgh, los vehículos tuvieron que adaptarse a conductores humanos y clima impredecible, como destacó un artículo de Business Insider. Manténgase informado y explore recursos más profundos en A3automate.org.