El futuro de los vehículos autónomos: tecnología, desafíos e innovaciones

Con tantos actores a bordo, la conducción autónoma está más cerca de lo que cree

En nuestro último blog, hablamos sobre algunos de los principales actores en vehículos autónomos y qué tan rápido evoluciona la tecnología. Poco sabíamos que, solo días después de nuestra publicación, habría un gran revuelo involucrando una aplicación de coche autónomo muy prominente. Poco después del lanzamiento del servicio de taxis autónomos de Uber en San Francisco, CA, el 14 de diciembre de 2016, surgió un video mostrando uno de los vehículos de conducción autónoma saltándose un semáforo en rojo. Aunque Uber dijo que el coche estaba siendo operado por un conductor humano en ese momento y no tenía pasajeros a bordo, las repercusiones fueron rápidas: solo una semana después del lanzamiento, Uber retiró sus coches autónomos de la carretera cuando el estado de California revocó los registros de los coches.

Claramente, va a haber algunos desvíos en el camino de gran idea a coches autónomos para todos. Pero lo que podemos decir con certeza es que, incluso con contratiempos ocasionales, la tecnología detrás de los vehículos autónomos sigue avanzando, obligándonos a repensar drásticamente las máquinas que nos llevan del punto A al punto B.

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

La diferencia básica entre la automatización en los coches que conducimos actualmente día a día y la de los vehículos de conducción autónoma del futuro no tan distante tiene que ver principalmente con el nivel de implicación del conductor. Muchos vehículos más nuevos hoy ya incluyen una gama de controles que manejan automáticamente ciertos aspectos de la conducción por nosotros, como frenado asistido y control de crucero adaptativo —cosas que se consideran nivel 1 de automatización.

Los coches autónomos que están disponibles comercialmente ahora están alrededor del nivel 2 de automatización; un buen ejemplo son las capacidades de asistencia al conductor semi-autónoma ("autopilot") de Tesla de las que hablamos en nuestro último blog sobre vehículos autónomos. La mayoría de los prototipos que se están probando están en nivel 3, donde el conductor puede no prestar atención en ciertas situaciones, o nivel 4, donde el conductor no necesita estar comprometido a menos que haya condiciones climáticas severas o condiciones de carretera inesperadas. Sin embargo, como la investigación ha demostrado, un "conductor" humano revisando mensajes o dormitando simplemente no puede recuperar la atención y el enfoque lo suficientemente rápido para reaccionar correctamente y con la rapidez suficiente para recuperar el control y tomar acciones efectivas en una situación de emergencia inminente. Por tanto, muchos fabricantes están concluyendo que los niveles 3 y 4 simplemente no van a funcionar, porque el sistema de seguridad —el ser humano— no es capaz de responder lo suficientemente rápido para evitar un peligro para sí mismos u otros.

El grado máximo de automatización es el nivel 5, donde no se necesita un conductor en absoluto. Esta es la tecnología requerida para el futurismo de viajes compartidos total. Ese es el escenario imaginado donde nadie posee coches; en su lugar, solo llama un vehículo y viene a recogerle. Los conceptos de vehículos autónomos de tanto Google como Mercedes son de nivel 5, usando cero entrada humana excepto el destino deseado.

¿Qué impulsa la automatización?

Aunque los fabricantes de automóviles y otros actores son reservados sobre revelar demasiados detalles, hay algunos componentes tecnológicos básicos que sabemos son integrales al diseño de vehículos autónomos. Por ejemplo, se usan varios tipos de sensores para recopilar la entrada visual necesaria para que un coche autónomo navegue por carreteras con éxito y seguridad. Las cámaras son un tipo de sensor relativamente barato que puede proporcionar la información visual básica que un humano recopilaría al conducir; se usan múltiples cámaras para proporcionar profundidad de campo. El radar ya se usa para ciertos controles de vehículo de nivel 1; el inconveniente es que el radar solo es bueno a corta distancia.

LIDAR (detección y rango de luz) es un sistema láser a bordo que mapea los alrededores de un coche mientras 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 usando en algunos vehículos autónomos que se están desarrollando ahora. Aunque LIDAR crea mapeo 3D altamente preciso, tiene inconvenientes; además de ser muy caro, la tecnología se ve afectada por el clima, con su señal rebotando en la lluvia o la nieve.

En los coches ya altamente informatizados de hoy, gran parte de la transferencia de información de sensores ocurre a través de una Red de Área de Control (CAN bus), un protocolo diseñado para permitir que microcontroladores y dispositivos se comuniquen entre sí sin un ordenador anfitrión. Sin embargo, los coches verdaderamente autónomos requieren conectividad de datos más robusta, así como la potencia de cómputo y el software para tomar toda la entrada visual y otros datos recopilados, organizarlos, interpretarlos y convertirlos en conducción accionable —todo en tiempo real. Esto a su vez requiere:

* Una cantidad significativa (podríamos decir, masiva) de potencia de procesamiento
* Unir datos de diferentes sensores ("fusión de sensores") para calcular algo más de lo que podría determinarse por un solo sensor

Por eso el aprendizaje automático —un tipo de inteligencia artificial (IA) que da a los ordenadores la capacidad de, básicamente, "aprender por sí mismos" 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 deep learning busca emular la forma en que los seres humanos adquieren nuevo conocimiento. Al automatizar analíticas predictivas, el deep learning podría permitir que un coche se vuelva más inteligente cada vez que se conduce e incluso aprenda de otros conductores y otros coches.

Naturalmente, por seguridad un vehículo autónomo debe ser muy inteligente desde el principio. Pero ya sea que el vehículo esté diseñado para interpretar la entrada sensorial y luego seleccionar de una serie de decisiones de conducción codificadas O se use para mapear directamente la entrada (de sensores y otras fuentes) a la salida de conducción de extremo a extremo, el aprendizaje automático es seguramente parte de cada coche en la mesa de dibujo o en la carretera.

¿Cuáles son las implicaciones más allá de la conducción?

Por supuesto, donde hay tecnología informática, la seguridad de la información es una preocupación importante, y los vehículos autónomos no son una excepción. De hecho, las implicaciones del hackeo en coches autónomos son enormes. Alguien viajando en un vehículo de varias toneladas a alta velocidad ciertamente no quiere tener que preocuparse de que el vehículo pueda ser tomado y controlado remotamente por un tercero.

En 2015, Chrysler retiró más de un millón de vehículos cuando dos investigadores de seguridad (no malos, afortunadamente) descubrieron una vulnerabilidad de software que les permitió hackear inalámbricamente un Jeep y tomar el control de sus funciones de tablero, dirección, transmisión y frenos. Chrysler proporcionó a los propietarios una actualización de software basada en USB y tomó medidas a nivel de red para detectar y bloquear hackeos a través de la conexión de red celular de los vehículos. Luego en 2016, un laboratorio de seguridad demostró un hackeo de un Tesla Model S, accediendo y controlando el vehículo remotamente en modos de aparcamiento y conducción a través del CAN bus del coche y un punto de acceso WiFi malicioso. En pocos días, Tesla desplegó una actualización de software over-the-air para abordar los problemas de seguridad potenciales.

Estos casos mostraron a los fabricantes de coches y sus socios que la seguridad reforzada es vital, asegurando que salvaguardas más fuertes continuarán implementándose. Sin embargo, con cada coche autónomo requiriendo un ordenador y conectividad de red para que la conducción tenga lugar, puede ser solo cuestión de tiempo antes de que alguien hackee un vehículo autónomo mientras está en uso.

En una nota relacionada, la privacidad también es un área cada vez más desafiante para coches y conductores. Hoy, alguien huyendo podría apagar el GPS en su coche y desplegar un mapa. Pero con la funcionalidad innata de un coche autónomo requiriendo uso casi constante de GPS, ese vehículo debe ser rastreado virtualmente todo el tiempo. Además, aunque las cámaras sirven funciones importantes de sensores y proporcionarán entrada para aprendizaje automático, también son herramientas de vigilancia. Así que hay el potencial de que cada centímetro de espacio vial sea fotografiado y escrutado casi constantemente una vez que los coches autónomos (y su sistema de sensores de cámara) se desplieguen completamente.

Y en una nota más humana, mientras que el advenimiento de vehículos de conducción totalmente autónomos fiables creará empleos en fabricación y campos relacionados, en algún nivel también significará la pérdida de algunos empleos. La movilidad bajo demanda y aplicaciones de viajes compartidos harán obsoletos a taxistas y conductores de autobús. Vehículos autónomos en la granja reducirán cada vez más el número de trabajadores humanos requeridos. Los camioneros seguirán siendo necesarios para mantener sus camiones, pero no los conducirán y por tanto se requerirán menos para mantener una flota de camiones para despliegue automatizado. Y a finales de 2016, una empresa de comida para llevar online lanzó reparto robótico de comida en Londres. Así que, desde el manipulador de paquetes hasta el chico que lleva pizza a su puerta, estos trabajadores pueden eventualmente ser reemplazados por, si no vehículos autónomos, entonces una tecnología relacionada en forma de bots de reparto.

¿Por qué Metal Cutting habla de esto?

Metal Cutting ofrece servicio personalizado de corte de metales para productos especiales y piezas metálicas pequeñas de precisión para una amplia gama de industrias, incluidas empresas automotrices y sus socios tecnológicos —proporcionando corte, mecanizado, acabado y otras técnicas necesarias para aplicaciones que requieren tolerancias ajustadas, 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 contratista: Guía técnica para externalizar su fabricación de metales de precisión.