El gran desaf¨ªo de los coches aut¨®nomos: las bicicletas

En las calles de las ciudades actuales conviven cada vez m¨¢s bicicletas, autom¨®viles y otros medios de transporte. Esto est¨¢ suponiendo todo un reto para muchos conductores para evitar accidentes, as¨ª que resulta f¨¢cil imaginar lo complejo que puede resultar esa misma situaci¨®n para la inteligencia artificial que gu¨ªa a los coches aut¨®nomos. Sin embargo, se est¨¢n desarrollando cada vez mejores algoritmos y m¨¦todos inform¨¢ticos para que las m¨¢quinas puedan actuar correctamente.

C¨®mo 've' un coche aut¨®nomo

M¨¢s informaci¨®n

La bicicleta reta al autom¨®vil

Nuevo navegador manos libres para ciclistas

Los veh¨ªculos aut¨®nomos son capaces de circular sin demasiados problemas gracias al procesamiento de lo que ven sus c¨¢maras de v¨ªdeo y los datos del LIDAR (una especie de radar l¨¢ser), los mapas detallados de las calles y a diversos sensores de proximidad. Adem¨¢s de reconocer los carriles y al resto de veh¨ªculos interpretan tambi¨¦n las se?ales de tr¨¢fico, los sem¨¢foros e incluso las acciones de los peatones, prediciendo su probable comportamiento.

Pero cuando se trata de crear un modelo matem¨¢tico del escenario completo en tiempo real las cosas se complican. Por un lado han de reconocer a todos los veh¨ªculos independientemente de su tama?o, forma y color: coches, autobuses, motocicletas, furgonetas, camiones¡­ Otro tanto sucede con los peatones, que aunque suelen circular por la acera tambi¨¦n cruzan las calles o pueden aparecer de forma imprevista. Un gran ejemplo es el algoritmo YOLO, capaz de analizar hasta 90 im¨¢genes por segundo.

Pero los expertos dicen que el premio gordo se lo llevan las bicicletas: su peque?o tama?o, sus movimientos zigzagueantes y su variable velocidad a?aden gran complejidad. La cosa empeora por el hecho de que tiendan a aparecer de ninguna parte, a cambiar de los carriles principales a los carriles bici e incluso a las aceras. Todo ello hace muy dif¨ªcil detectarlas, clasificarlas y predecir su comportamiento. La complejidad aumenta porque el an¨¢lisis de una bicicleta no muestra claramente si circula en un sentido o en el contrario: a veces se sabe que una bicicleta est¨¢ ah¨ª, pero no hacia d¨®nde va a moverse de forma natural.

En un reciente trabajo de la George Mason University estadounidense tres expertos han desarrollado una f¨®rmula mediante redes neuronales y el llamado aprendizaje profundo para convertir los objetos 2D que se ven en las c¨¢maras planas en cajas 3D que resultan m¨¢s efectivas a la hora de clasificar como objetos concretos con una orientaci¨®n precisa. El algoritmo comienza identificando la parte frontal y trasera del objeto, procurando hacerlo de la forma m¨¢s ajustada posible. A partir de esos rect¨¢ngulos dibuja una caja o paralelep¨ªpedo 3D y comprueba su orientaci¨®n y los ¨¢ngulos. Entonces, teniendo en cuenta las medidas y proporciones y otros detalles que ha aprendido durante su entrenamiento, los clasifica como camiones, coches o autobuses.

Sin embargo, incluso m¨¦todos como este en el que el porcentaje de aciertos suele estar entre el 70 y el 85% son insuficientes en el caso de las bicicletas, que siguen muy lejos del valor ideal. Y todo esto a pesar de haber entrenado a esos sistemas con m¨¢s de mil ejemplos similares previamente. A veces es necesario realizar muchos m¨¢s entrenamientos o idear otro sistema que procese la informaci¨®n de maneara diferente ¨C en ello trabajan diversos equipos para mejorar las capacidades de los coches del futuro.

Un futuro previsiblemente mejor

No obstante lo anterior, eso no hace que los sistemas actuales dejen de ser ¨²tiles. Reconocer correctamente las bicicletas en un porcentaje alto de ocasiones es suficiente para una conducci¨®n segura, especialmente porque no es el ¨²nico dato que se tiene en cuenta. Si se a?aden los datos de los sensores de proximidad y se siguen las pautas de circulaci¨®n segura (incluyendo interpretar correctamente las se?ales) su efectividad es mucho mayor. Buena prueba de ello es que Jaguar ya equip¨® uno de sus veh¨ªculos hace un par de a?os con un sistema llamado Bike Sense que dota al coche de una especie de sentido ciclista a semejanza del sentido ar¨¢cnido de Spider-Man: el coche avisa e incluso frena cuando detecta una bicicleta cerca, o impide que se abra la puerta si un ciclista est¨¢ pasando justo al lado del veh¨ªculo.

Puede que los veh¨ªculos aut¨®nomos no sean todav¨ªa demasiado buenos detectando a las bicicletas en condiciones complejas, pero por un lado evitan los puntos ciegos y tambi¨¦n algunos problemas como las aperturas de puertas que derriban a los ciclistas, adem¨¢s de los impactos por alcance (gracias a las c¨¢maras o el LIDAR, que no tienen problemas de baja visibilidad). Los expertos est¨¢n convencidos que la inteligencia artificial y los ¡°reflejos¡± de los coches aut¨®nomos, adem¨¢s del hecho de que cumplan a rajatabla con el c¨®digo ¨Cincluyendo las distancias de seguridad¨C pueden llegar a ser tan buenos al menos como los de los conductores humanos, por lo que en el futuro este tipo de accidentes deber¨ªa reducirse.