Los ingenieros automotrices ya han desarrollado vehículos semiautónomos. Los vehículos totalmente autónomos no están lejos de la realidad. Según una investigación reciente, la conducción autónoma (AD) podría generar ingresos de entre 300.000 y 400.000 millones de dólares para 2035.
El coche autónomo no sólo muestra lo avanzada que es la tecnología, sino que también es objeto de controversia. Existen preocupaciones válidas sobre la seguridad, la tecnología defectuosa, la piratería informática y la posible pérdida de puestos de trabajo como conductores. Por otro lado, puede ocurrir lo contrario. La AD puede generar viajes más seguros, mayor comodidad y más productividad o tiempo libre. En lugar de perder horas en el tráfico, los “conductores” del futuro podrían pasar su trayecto trabajando, leyendo o viendo una serie de televisión.
Un componente crítico de los vehículos autónomos es la tecnología de sensores: sensores heterogéneos, para ser precisos. Los datos de los sensores se entrenan utilizando inteligencia artificial (IA) y aprendizaje automático (ML) para observar y responder al entorno. Basado en algoritmos de IA y ML, un vehículo utiliza sensores para encontrar la ruta ideal, decidir dónde conducir o no, detectar objetos cercanos, peatones u otros vehículos para evitar colisiones y reaccionar ante escenarios inesperados.
Ha habido dos esfuerzos principales en el desarrollo de vehículos autónomos.
1. Usar cámaras y visión por computadora para conducir
2. Emplear fusión de sensores (es decir, utilizar sensores heterogéneos para hacer que el automóvil vea, escuche y sienta su entorno)
La mayoría de los ingenieros han determinado que la AD sólo puede tener éxito con cámaras de vehículos y visión por computadora. En cambio, la fusión de sensores es la opción más segura y confiable.
Hay cuatro tecnologías de sensores principales utilizadas en vehículos autónomos:
- Cámaras
- LIDERAR
- Radar
- Sonar
Gracias a la tecnología de fusión de sensores y a la rápida mejora de la IA, los vehículos autónomos han comenzado a ganar reconocimiento como una posibilidad real en el futuro. Se prevé que para 2030, alrededor del 12% de las matriculaciones de vehículos en todo el mundo serán AD.
En lo que respecta a la pérdida de puestos de trabajo como conductores, surgieron preocupaciones similares cuando se introdujeron las computadoras, y sabemos que esta tecnología ha creado millones de empleos en todo el mundo. También es probable que los vehículos autónomos aumenten la necesidad de empleos basados en habilidades en la industria automotriz.
Exploremos las tecnologías de sensores que permiten la conducción autónoma.
La Cámara
Las cámaras ya se utilizan en vehículos para estacionamiento en reversa, dirección en reversa, control de crucero adaptativo y advertencias de cambio de carril. 
Los vehículos autónomos utilizan cámaras de imágenes en color de alta resolución para obtener una vista de 360 grados del entorno que los rodea. Las imágenes se pueden recopilar como datos multidimensionales, desde diferentes ángulos y/o como segmentos de vídeo. Actualmente se están probando diferentes métodos de captura de imágenes y vídeos junto con el uso de tecnología de inteligencia artificial. Es necesario garantizar que sea posible tomar decisiones fiables en la carretera para una conducción segura. Estas son tareas que requieren muchos recursos.
Estas cámaras muestran potencial, especialmente con IA y ML avanzados. Las cámaras de alta resolución pueden detectar y reconocer objetos correctamente, detectar el movimiento de otros vehículos, determinar una ruta y ver el entorno en 3D. Se acercan más a los ojos humanos, lo que permite que un vehículo se conduzca de forma similar a un vehículo tripulado por una persona real.
Pero hay desventajas. Por ejemplo, la visibilidad de una cámara depende de las condiciones ambientales. Dado que la cámara es un sensor pasivo, no es confiable en condiciones de baja visibilidad. Las cámaras infrarrojas pueden ser una opción, pero estas imágenes deben ser interpretadas por IA y ML, que aún están en desarrollo.
Se utilizan dos tipos de sensores de cámara para AD: cámara mono o estéreo. La cámara mono tiene una sola lente y sensor de imagen. Sólo puede capturar imágenes bidimensionales, que pueden reconocer objetos, personas y señales de tráfico. Sin embargo, las imágenes 2D no son útiles para determinar la profundidad o la distancia de los objetos. Hacerlo requeriría algoritmos de aprendizaje automático altamente complejos con resultados cuestionables.
Una cámara estéreo tiene dos lentes y dos sensores de imagen. Se toman dos imágenes simultáneamente desde diferentes ángulos. Después de procesar las imágenes, la cámara puede determinar la profundidad o la distancia de un objeto, lo que la convierte en la mejor opción para la EA, excepto en el caso de problemas de visibilidad con poca luz.
Algunos desarrolladores están combinando cámaras mono con técnicas de medición de distancia como LIDAR o fusión de radar y sensores para predecir con precisión las condiciones del tráfico.
Sin duda, las cámaras desempeñan un papel importante en la EA. Sin embargo, necesitarán ayuda.
LIDERAR
LIDAR es una de las tecnologías destacadas que permite vehículos autónomos. Es una tecnología de imágenes utilizada para la detección geoespacial desde la década de 1980. Los coches autónomos normalmente tenían un sensor LIDAR giratorio montado en el techo.
Se pueden utilizar dos tipos de sensores LIDAR para AD. Uno de ellos es el sistema LIDAR giratorio mecánicamente montado en el techo de un vehículo. Pero estos sistemas suelen ser caros y sensibles a las vibraciones. LIDAR de estado sólido es otra opción que no requiere rotación. Son la opción preferida para los vehículos autónomos.
Un sensor LIDAR es un sensor activo. Funciona según el principio del tiempo de vuelo: emite miles de rayos láser infrarrojos a su entorno y detecta los pulsos reflejados mediante un fotodetector. El sistema LIDAR mide el tiempo transcurrido entre la emisión del rayo láser y su detección por el fotodetector.
En función del tiempo transcurrido entre la emisión y la detección, la distancia se calcula a medida que el rayo láser viaja a la velocidad de la luz. Se crea una nube de puntos tridimensional en función de la distancia recorrida por diferentes pulsos. Los pulsos reflejados se registran como nubes de puntos (es decir, un conjunto de puntos en el espacio que representan un objeto 3D).
Estos sistemas LIDAR son muy precisos y pueden detectar objetos extremadamente pequeños. Sin embargo, al igual que las cámaras de luz visible, LIDAR no es fiable en condiciones de mala visibilidad, ya que el reflejo de los pulsos láser puede verse afectado por las condiciones climáticas. Otra desventaja es el costo, que es de miles.
Pero LIDAR sigue siendo prometedor para la AD a medida que se prueban nuevos desarrollos.
Radar
Los sensores de radar ya se utilizan en muchos vehículos para control de crucero adaptativo, asistencia al conductor, prevención de colisiones y frenado automático. Normalmente, se utiliza un radar de 77 GHz para la detección de largo alcance o un radar de 24 GHz para la detección de corto alcance. El radar de corto alcance (24 GHz) llega hasta los 30 metros. Es económico para evitar colisiones y ayudar al estacionamiento. El largo alcance (77 GHz) llega hasta los 250 metros. Se utiliza para detección de objetos, control de crucero adaptativo y frenado asistido.
El radar es excelente para detectar objetos metálicos. Se puede utilizar con cámaras para monitorear con precisión el movimiento de los vehículos circundantes y detectar posibles obstrucciones.
El radar tiene capacidades limitadas de conducción autónoma porque no puede clasificar objetos. Los datos de radar pueden detectar objetos pero no reconocerlos. En el mejor de los casos, el radar de baja resolución puede admitir cámaras mono y LIDAR o cámaras estéreo para manejar situaciones de baja visibilidad.
Sonar
También se están probando tecnologías de sonar para detectar AD. El sonar pasivo escucha los sonidos de los objetos circundantes y estima la distancia de un objeto a ellos. El sonar activo emite ondas sonoras y detecta ecos para estimar la distancia a objetos cercanos basándose en el principio del tiempo de vuelo.
El sonar puede funcionar con poca visibilidad, pero tiene más desventajas que ventajas para los vehículos autónomos. La velocidad del sonido limita el funcionamiento del sonar en tiempo real para un AD seguro. Además, el sonar puede dar falsos positivos. Por último, puede detectar objetos grandes a corta distancia, pero no puede reconocerlos ni clasificarlos. La sonda sólo es útil para evitar colisiones en condiciones inesperadas.
Sensores inerciales
Los sensores inerciales como acelerómetros y giroscopios son muy útiles para permitir la conducción autónoma. Los sensores inerciales se pueden utilizar para rastrear el movimiento y la orientación de un vehículo. Se pueden utilizar para indicarle a un vehículo que se estacione en caminos irregulares o para tomar medidas para evitar un posible accidente.
GPS
Un GPS autocorrector es un requisito vital para la conducción autónoma. Utilizando una técnica de triangulación basada en satélites, el GPS permite que un vehículo lo ubique con precisión en un espacio tridimensional.
A veces, las señales de GPS no están disponibles o se ven interferidas debido a obstáculos o suplantaciones. En estos casos, los vehículos autónomos deben depender de una red celular local y de datos de sensores inerciales para rastrear con precisión la posición del automóvil.
Conclusión
Los vehículos autónomos suelen utilizar múltiples sensores heterogéneos. Una ventaja de utilizar muchos sensores es el respaldo: si un sensor falla, otro puede compensarlo. Se necesitará una técnica de fusión de sensores para vehículos totalmente autónomos, utilizando datos de diferentes sensores para determinar el entorno.
Actualmente, se están probando múltiples enfoques en el desarrollo de AD. Se basa en cámaras estéreo para permitir la conducción totalmente autónoma. Otro enfoque utiliza cámaras mono para proporcionar una vista de 360 grados, incorporando tecnología LIDAR o radar para detectar la distancia. Un tercer enfoque utiliza cámaras estéreo con sensores de radar.
Es probable que se necesiten cámaras con sensores para que AD clasifique y reconozca objetos de manera efectiva. Las tecnologías de radar y LIDAR pueden ayudar a utilizar la fusión de sensores para crear una solución de conducción autónoma resistente a la intemperie. Se pueden agregar a un elemento 3D, lo que garantiza una mejor comprensión del entorno de conducción.
Los sensores de sonar o ultrasónicos también desempeñarán un papel clave, ya que son resistentes a la intemperie y razonablemente rentables, proporcionando una solución eficaz para evitar colisiones y hacer frente a emergencias. Los coches autónomos dependerán en última instancia de alguna combinación de todas estas tecnologías.
(tagsToTranslate) pic