La Tecnología de los Vehículos Autónomos

Con tantas personas a bordo, la conducción autónoma está más cerca de lo que piensa

En nuestro último blog, hablamos sobre algunos de los principales actores de los vehículos autónomos y la rapidez con la que evoluciona la tecnología. Poco sabíamos que, solo unos días después de nuestra publicación, habría una gran sorpresa relacionada con una aplicación de automóvil sin conductor muy destacada. Poco después del lanzamiento del servicio de taxis autónomos de Uber en San Francisco, California, el 14 de diciembre de 2016, apareció un video que mostraba a uno de los vehículos de conducción autónoma pasándose un semáforo en rojo. Aunque Uber dijo que el automóvil estaba siendo conducido por un conductor humano en ese momento y no tenía pasajeros a bordo, las repercusiones no se hicieron esperar:solo una semana después del lanzamiento, Uber retiró sus automóviles autónomos de la carretera cuando el estado de California revocó la autorización. matriculaciones de coches.

Claramente, habrá algunos desvíos en el viaje de una gran idea a autos autónomos para todos. Pero lo que podemos decir con certeza es que, incluso con contratiempos ocasionales, la tecnología detrás de los vehículos autónomos continúa avanzando, llevándonos a repensar drásticamente las máquinas que nos llevan del punto A al punto B.

¿Dónde están ahora los coches autónomos y hacia dónde van?

La diferencia básica entre la automatización de los automóviles que conducimos actualmente en el día a día y la de los vehículos autónomos de un futuro no muy lejano tiene que ver principalmente con el nivel de participación del conductor. Muchos vehículos más nuevos hoy en día ya incluyen una variedad de controles que manejan automáticamente ciertos aspectos de la conducción para nosotros, como el frenado asistido y el control de crucero adaptativo, cosas que se consideran nivel 1 de automatización.

Los autos autónomos que están disponibles comercialmente en este momento están alrededor del nivel 2 de automatización; un buen ejemplo son las capacidades semiautónomas de asistencia al conductor ("piloto automático") de Tesla de las que hablamos en nuestro último blog sobre vehículos autónomos. La mayoría de los prototipos que se están probando están en el nivel 3, donde el conductor puede no prestar atención en ciertas situaciones, o en el nivel 4, donde el conductor no necesita participar a menos que haya condiciones meteorológicas adversas o condiciones inesperadas en la carretera. Sin embargo, como ha demostrado la investigación, un "conductor" humano que revisa los textos o se queda dormido simplemente no puede recuperar la atención y concentrarse lo suficientemente rápido para reaccionar correctamente y lo suficientemente rápido como para recuperar el control y tomar medidas efectivas en una situación de emergencia inminente. Por lo tanto, muchos fabricantes están concluyendo que los niveles 3 y 4 simplemente no van a funcionar, porque el mecanismo de seguridad, el ser humano, no es capaz de responder lo suficientemente rápido para evitar un peligro para ellos mismos o para los demás.

El último grado de automatización es el nivel 5, donde no es necesario que un conductor esté presente en absoluto. Esta es la tecnología requerida para el futurismo completo de viajes compartidos. Ese es el escenario previsto en el que nadie posee automóviles; en cambio, solo llamas a un vehículo y viene a recogerte. Los conceptos de vehículos autónomos de Google y Mercedes son de nivel 5 y no usan intervención humana excepto el destino deseado.

¿Qué impulsa la automatización?

Si bien los fabricantes de automóviles y otros jugadores tienen cuidado de revelar demasiados detalles, hay algunos componentes tecnológicos básicos que sabemos que son parte integral del diseño de vehículos autónomos. Por ejemplo, se utilizan varios tipos de sensores para recopilar la información visual necesaria para que un automóvil autónomo navegue por las carreteras de manera exitosa y segura. Las cámaras son un tipo de sensor relativamente económico que puede proporcionar la información visual básica que un ser humano recopilaría mientras conduce; Se utilizan varias cámaras para proporcionar profundidad de campo. El radar ya se usa para ciertos controles de vehículos de nivel 1; el inconveniente es que el radar solo funciona a corta distancia.

LIDAR (detección y rango de luz) es un sistema láser integrado que mapea los alrededores de un automóvil a medida que se mueve. Probablemente esté familiarizado con LIDAR como la gran unidad giratoria que se encuentra en la parte superior de la mayoría de los vehículos de prueba de Google; LIDAR de estado sólido no requiere giro y también se está utilizando en algunos vehículos autónomos que ahora se están desarrollando. Aunque LIDAR crea mapas 3D de alta precisión, tiene inconvenientes; Además de ser muy costosa, la tecnología se ve afectada por el clima, con su señal rebotando en la lluvia o la nieve.

En los automóviles de hoy en día, que ya están altamente computarizados, gran parte de la transferencia de información de los sensores se produce a través de una red de área de controlador (bus CAN), un protocolo diseñado para permitir que los microcontroladores y los dispositivos se comuniquen entre sí sin una computadora host. Sin embargo, los autos verdaderamente autónomos requieren una conectividad de datos más robusta, así como el poder de cómputo y el software para tomar toda la entrada visual y otros datos recopilados, organizarlos, interpretarlos y convertirlos en una conducción procesable, todo en tiempo real. Esto a su vez requiere:

* Una cantidad significativa (se podría decir, masiva) de poder de procesamiento
* Reunir datos de diferentes sensores ("fusión de sensores") para calcular algo más de lo que podría determinar un solo sensor

Es por eso que el aprendizaje automático, un tipo de inteligencia artificial (IA) que brinda a las computadoras la capacidad de, básicamente, aprender "por su cuenta" cuando se exponen a nuevos datos, es un aspecto crítico y de rápido desarrollo del diseño de conducción autónoma. Yendo un paso más allá, el tipo de aprendizaje automático llamado *aprendizaje profundo* busca emular la forma en que los seres humanos obtienen nuevos conocimientos. Al automatizar el análisis predictivo, el aprendizaje profundo podría permitir que un automóvil se vuelva más inteligente cada vez que se conduce e incluso aprender de otros conductores y otros automóviles.

¡Naturalmente, por seguridad, un vehículo autónomo debe ser muy inteligente para empezar! Pero ya sea que el vehículo esté diseñado para interpretar la entrada sensorial y luego seleccione de una serie de decisiones de manejo codificadas O se use para mapear directamente la entrada (de sensores y otras fuentes) para conducir la salida de un extremo a otro, el aprendizaje automático es sin duda parte de cada automóvil en el tablero de dibujo o en la carretera.

¿Cuáles son las implicaciones más allá de conducir?

Por supuesto, dondequiera que haya tecnología informática, la seguridad de la información es una preocupación importante y los vehículos autónomos no son una excepción. De hecho, las implicaciones de la piratería en los vehículos autónomos son enormes. Alguien que viaja en un vehículo de varias toneladas a alta velocidad ciertamente no quiere tener que preocuparse de que un tercero se haga cargo del vehículo y lo controle de forma remota.

En 2015, Chrysler retiró del mercado más de un millón de vehículos cuando dos investigadores de seguridad (no malos, afortunadamente) descubrieron una vulnerabilidad de software que les permitía piratear de forma inalámbrica un Jeep y hacerse cargo de las funciones del tablero, la dirección, la transmisión y los frenos. Chrysler proporcionó a los propietarios de vehículos una actualización de software basada en unidades USB y tomó medidas a nivel de red para detectar y bloquear la piratería a través de la conexión de red celular de los vehículos. Luego, en 2016, un laboratorio de seguridad demostró un truco de un Tesla Model S, accediendo y controlando de forma remota el vehículo en los modos de estacionamiento y conducción a través del bus CAN del automóvil y un punto de acceso WiFi malicioso. En cuestión de días, Tesla implementó una actualización de software inalámbrica para abordar los posibles problemas de seguridad.

Estos casos demostraron a los fabricantes de automóviles y a sus socios que es vital intensificar la seguridad, lo que garantiza que se seguirán implementando salvaguardas más estrictas. Sin embargo, dado que cada automóvil autónomo requiere una computadora y conectividad de red para conducir, puede ser solo cuestión de tiempo antes de que alguien piratee un vehículo autónomo mientras está en uso.

En una nota relacionada, la privacidad también es un área cada vez más desafiante para los automóviles y los conductores. Hoy en día, alguien en fuga podría apagar el GPS en su automóvil y desplegar un mapa. Pero con la funcionalidad innata de un automóvil autónomo que requiere un uso casi constante de GPS, ese vehículo debe ser rastreado prácticamente todo el tiempo. Además, si bien las cámaras cumplen importantes funciones de sensor y proporcionarán información para el aprendizaje automático, también son herramientas de vigilancia. Por lo tanto, existe la posibilidad de que cada centímetro del espacio vial sea fotografiado y examinado de forma casi constante una vez que los automóviles autónomos (y su sistema de sensores de cámara) estén completamente implementados.

Y en una nota más humana, si bien la llegada de vehículos de conducción totalmente autónomos y fiables creará puestos de trabajo en la fabricación y campos relacionados, en algún nivel también significará la pérdida de algunos puestos de trabajo. Las aplicaciones de movilidad bajo demanda y viajes compartidos dejarán obsoletos a los conductores de taxis y autobuses. Los vehículos autónomos en la granja reducirán cada vez más la cantidad de trabajadores humanos necesarios. Todavía se necesitarán camioneros para mantener sus plataformas, pero no las conducirán y, por lo tanto, se requerirán menos para mantener una flota de camiones para el despliegue automatizado. Y a fines de 2016, una empresa de comida para llevar en línea lanzó la entrega de comida robótica en Londres. Por lo tanto, desde el manipulador de paquetes hasta el niño que lleva la pizza a su puerta, estos trabajadores eventualmente pueden ser reemplazados, si no por vehículos autónomos, por una tecnología relacionada en forma de bots de entrega.

¿Por qué el corte de metales habla de ello?

Metal Cutting ofrece un servicio de corte de metal personalizado para productos especiales y precisión, piezas de metal pequeñas para una amplia gama de industrias, incluidas las empresas automotrices y sus socios tecnológicos, proporcionando corte de piezas, mecanizado, acabado y otras técnicas necesarias para aplicaciones que requieren tolerancias estrictas. , acabados superficiales específicos y extremos, conicidades y diámetros altamente personalizados.

¿Quiere explorar si Metal Cutting es el mejor socio para *sus* piezas automotrices u otras aplicaciones? Descargue la guía gratuita, 7 secretos para elegir un nuevo socio de contrato:guía técnica para subcontratar su fabricación de metal de precisión.