Cómo la fusión de sensores mejora la fiabilidad, seguridad y eficiencia en sistemas autónomos

La fusión de sensores sigue siendo una piedra angular de la tecnología moderna, especialmente a medida que el Internet de las Cosas se expande y los vehículos autónomos y los sistemas avanzados de asistencia al conductor (ADAS) se vuelven mainstream. Aunque el concepto data de la década de 1960, la industria actual está desbloqueando nuevos conocimientos sobre qué flujos de sensores combinar y cómo extraer inteligencia accionable. La combinación correcta depende de la aplicación específica y el equilibrio entre costo, riesgo y beneficio.

Cuánta fusión de sensores es suficiente depende de la aplicación y los beneficios de costo/riesgo (Imagen: SAR Insight and Consulting)

En una era donde actores individuales y agencias respaldadas por estados plantean amenazas crecientes a los sistemas autónomos, la fusión de sensores es más crítica que nunca. Si bien el debate político a menudo se centra en los riesgos de seguridad de la información del 5G, el malware que puede sabotear o extorsionar a operadores de sistemas autónomos presenta un peligro tangible. Los arquitectos de sistemas deben reconocer estas amenazas y evitar errores costosos que han afectado a gigantes automotrices y de aviación. Por ejemplo, el retiro del Pinto de Ford en los años 70 subrayó el costo humano de medidas de seguridad insuficientes, y la decisión de Boeing de cobrar extra por redundancia crítica de fusión de sensores en el 737 MAX sigue repercutiendo en su cadena de suministro.

Más allá de la seguridad, las ventajas económicas y de salud de la fusión avanzada de sensores —ya sea monitoreando actividad humana o impulsando automatización industrial— ya son evidentes.

Tolerancia a Fallos y Resiliencia

Cada sensor y modelo predictivo conlleva error inherente. Al agregar múltiples mediciones de la misma variable, los sistemas ganan fiabilidad y resiliencia, mitigando fallos que de otro modo podrían ser catastróficos. Si bien la redundancia introduce costo y complejidad, los casos de Ford y Boeing ilustran que los atajos miope pueden llevar a resultados desastrosos.

Resistencia a Ataques

Los atacantes de malware buscan constantemente formas de interrumpir sistemas basados en sensores. Estrategias robustas de fusión de datos, junto con protocolos seguros y detección de anomalías impulsada por IA, pueden proteger las operaciones de tales intrusiones. Los vectores de ataque típicos incluyen:

• Suplantación de señal de LiDAR y cámaras;
• Cancelación de señal e interferencia con sensores magnéticos ABS o señales de tráfico vandalizadas;
• Filtraciones de canal lateral donde malware implantado extrae información sensible vía sensores.

Fusión Multisensor de Actividad Humana

Combinar sensores wearables y ambientales para interpretar comportamiento humano ofrece mejores resultados de salud y ahorro de costos —crítico a medida que las poblaciones envejecen. Los casos de uso abarcan cuidado de ancianos, detección de caídas, vigilancia de seguridad, monitoreo de atletas, estado de primeros respondedores y ayudas de navegación para personas con discapacidad.

Fusión de Datos en la Red

Históricamente, la fusión y analítica ocurrían en servidores centrales o en la nube. La miniaturización y reducción de costos de sensores ahora permiten IA y aprendizaje automático a nivel de borde. Las arquitecturas híbridas futuras estratificarán la fusión de datos en tres niveles:

• Fusión de bajo nivel en dispositivos inteligentes o gateways agregando múltiples entradas;
• Fusión de nivel medio en gateways hub y nodos de computación perimetral para analítica más profunda en un conjunto más amplio de dispositivos;
• Fusión de alto nivel en centros de datos o la nube, ofreciendo la perspectiva más amplia del sistema.

Costos Operativos Menores

La fusión de sensores extiende el alcance y utilidad de dispositivos autónomos —UAVs, robótica y más— reduciendo gastos operativos. Los beneficios incluyen evitación automática de colisiones para drones de inspección, intervención remota de conductor en transporte mayormente autónomo y reducción de costos laborales en escenarios de operaciones remotas.

Tendencias

La miniaturización y recortes de costos continúan en sensores, procesadores y conectividad, impulsados por la consumerización en ecosistemas industriales e IoT. CES 2020 mostró avances en sensores MEMS, como espejos LiDAR más pequeños que benefician sistemas automotrices y de transporte inteligente.

El filtro de Kalman sigue siendo el algoritmo estándar para fusión de sensores, modelando estados del sistema con medición y predicción continua. En sistemas cada vez más complejos, los arquitectos también emplean aprendizaje automático y redes neuronales para contrarrestar ataques sofisticados de inyección de señal.

Al integrar cuidadosamente la fusión de sensores, diseñadores y arquitectos pueden fortalecer la integridad, fiabilidad y robustez del sistema —protegiendo personas, propiedad e intereses económicos tanto de fallos como de actividad maliciosa.

>> Este artículo se publicó originalmente en nuestro sitio hermano, EE Times Europe.