Protección de los sistemas avanzados de asistencia al conductor (ADAS): Estrategias de seguridad para la próxima década

Los sistemas avanzados de asistencia al conductor (ADAS) mejoran la seguridad vial monitorizando el entorno, emitiendo advertencias, aplicando frenos y asistiendo en la dirección. La próxima década verá una rápida expansión de estos sistemas, impulsada por avances en tecnología de sensores y LiDAR y por la evolución de los requisitos regulatorios.

Según Jeff Phillips, responsable de Marketing Automotriz en National Instruments, la Unión Europea exigió en 2020 que todos los vehículos nuevos incluyan sistemas de Frenado de Emergencia Autónomo (AEB) y Alerta de Colisión Frontal (FCW).

Aunque los ADAS están en una fase incipiente, sus capacidades de seguridad están llamadas a convertirse en un factor diferenciador clave para los fabricantes de automóviles, especialmente a medida que avanzan hacia vehículos totalmente autónomos.

OEMs y empresas tecnológicas compiten actualmente en este ámbito mayormente no regulado para ganar cuota de mercado y ofrecer los coches más seguros. Con casi 1,3 millones de muertes anuales en accidentes de tráfico en todo el mundo y un máximo de cinco años con 1792 fallecidos en carreteras del Reino Unido, la seguridad de la tecnología ADAS es más urgente que nunca.

Escenario pesadilla

Los ingenieros de pruebas se enfrentan a un panorama desafiante: regulaciones en evolución, tecnologías de sensores emergentes y arquitecturas impulsadas por IA que pueden ser opacas. Las apuestas son altas: cada incidente de alto perfil que involucra a un vehículo semiautónomo aumenta el escrutinio público, y el limitado número de accidentes documentados de vehículos autónomos ha erosionado la confianza del consumidor.

Los ingenieros deben determinar cuánta verificación es necesaria para satisfacer tanto los estándares regulatorios y legales como las expectativas del público. La ausencia de directrices claras para sistemas de IA significa que los enfoques de prueba tradicionales son insuficientes.

Según un estudio de Rand Corporation de 2018, un vehículo autónomo necesitaría recorrer decenas de millones de millas de pruebas para demostrar estadísticamente paridad —o superioridad— respecto a conductores humanos. Lograr este volumen en un plazo realista exige estrategias de prueba innovadoras y entornos de simulación a gran escala.

La historia del Machine Learning

La conducción totalmente autónoma depende en gran medida de modelos de machine learning, ya que el espectro de escenarios del mundo real es prácticamente infinito. Los ingenieros recopilan grandes cantidades de datos de conducción humana, los etiquetan y entrenan redes neuronales para replicar la toma de decisiones humana.

Si bien los equipos de diseño pueden desarrollar los algoritmos subyacentes, los modelos resultantes funcionan como cajas negras, complicando la validación. Los ingenieros de prueba deben idear bibliotecas de escenarios exhaustivas que cubran una amplia gama de casos límite, ya que la falta de visibilidad de la lógica interna impide las pruebas unitarias tradicionales.

Una nueva hoja de ruta

Las carteras de sensores evolucionan rápidamente, reduciendo costes y permitiendo nuevas opciones arquitectónicas. Los fabricantes deben decidir entre procesamiento centralizado a bordo y procesamiento distribuido en el borde (edge), y planificar la incorporación futura de sensores como LiDAR, radar y matrices de cámaras adicionales.

La computación en la nube y la conectividad 5G añaden otra capa de complejidad, permitiendo el intercambio de datos en tiempo real y diagnósticos remotos, pero también planteando consideraciones de latencia y ancho de banda.

Dado que la combinación de sensores de las plataformas futuras es incierta, los equipos de prueba necesitan infraestructuras flexibles que puedan integrar nuevo hardware sin costosas reconstrucciones. Los bancos de prueba modulares y los entornos virtualizados permiten un escalado rápido de cargas útiles de cámaras, radar y LiDAR.

Construyendo para el cambio

A medida que las funciones autónomas pasan de prototipo a producto, los organismos reguladores deben evolucionar para proteger a los consumidores. Estándares como ISO 26262 para seguridad funcional y protocolos de choque EURO-NCAP ya están moldeando la industria, mientras que el marco ético publicado recientemente por Alemania para vehículos autónomos sienta precedentes para las reglas de toma de decisiones.

Incluso a medida que maduran los estándares formales, las empresas introducirán capas de pruebas propietarias para diferenciarse. Una infraestructura de prueba abierta y adaptable dará a los ingenieros la agilidad para incorporar nuevos requisitos regulatorios y objetivos internos de seguridad.

El autor de este blog es Jeff Phillips, responsable de Marketing Automotriz, National Instruments