REVISTA DE INGENIERIA DYNA

Los sensores LIDAR emiten pulsos de rayos láser infrarrojos que son recogidos por una lente y posteriormente tratados por un procesador para generar mapas 3D del entorno. Los coches autónomos los utilizan porque necesitan ver qué es lo que ocurre a su alrededor para poder conducir por sí mismos y con estos sensores pueden reconocer el entorno casi como lo hacen los conductores con sus propios ojos.

Una ventaja fundamental de estos sensores es que permiten tanto identificar los objetos del entorno como la distancia a la que se encuentran. Además, lo hacen con una gran precisión. Resultan, por tanto, realmente efectivos. Por ello, en la actualidad, la gran mayoría de los fabricantes de automóviles parecen dispuestos a apostar por esta tecnología. Incluso Tesla, uno de los pocos que hasta ahora no se mostraba a favor de su implantación, parece estar probándolos con vistas a utilizarlos en sus modelos de coches autónomos. O, al menos, eso es lo que desprende de algunas noticias publicadas recientemente en la prensa.

Sin embargo, y a pesar de todo el potencial que parecen tener, los sensores LIDAR tiene un problema. La cantidad de datos en 3D que generan es inmensa, por lo que demandan una enorme capacidad de procesamiento computacional. Basta un dato para ilustrar la dimensión del problema: un sensor típico de 64 canales puede generar en total más de dos millones de puntos por segundo. Analizar este flujo de información con los modelos 3D de última generación precisa hasta 14 veces más cálculos que los que se necesitan para procesar imágenes en 2D, lo que ha llevado a que, hasta ahora para poder conseguir una navegación eficaz, los ingenieros se hayan visto forzados a colapsar los datos en modelos 2D, con la consiguiente pérdida de información que esto supone.

Para resolver este problema, un grupo de investigadores del MIT ha estado trabajando en un sistema de conducción autónoma capaz de navegar usando únicamente datos de nubes de puntos 3D sin procesar y mapas GPS de baja resolución como los que están disponibles en los actuales teléfonos inteligentes.

El equipo de investigadores del MIT ha desarrollado una serie de nuevos componentes de aprendizaje profundo capaces de aprovechar de una forma mucho más eficiente el actual hardware GPU para controlar el vehículo en tiempo real. Para ello, optimizaron su solución tanto a nivel de algoritmo como de sistema, lo que les llevó a conseguir tasas de eficiencia hasta nueve veces superiores a las que ofrecen los sistemas LIDAR 3D actuales.

En las pruebas que realizaron, su solución consiguió reducir la frecuencia con la que un conductor humano tenía que hacerse cargo del control del vehículo, así como sobrellevar los graves errores que se pueden producir en los sensores en situaciones como las que se dan cuando las condiciones meteorológicas son adversas o como cuando el vehículo sale al exterior desde un túnel y tiene que hacer frente a un súbito cambio en las condiciones de luminosidad.

El sistema desarrollado por estos investigadores demostró ser capaz de estimar hasta qué punto una predicción dada es segura, asignándole en función de su nivel de certeza un peso mayor o menor a la hora de tomar decisiones. De este modo, el sistema puede adaptarse y responder mucho mejor ante eventos inesperados.

El siguiente paso que planean dar estos investigadores es escalar su sistema a situaciones del mundo real con mayores niveles de complejidad. Entre estas situaciones se incluyen condiciones climáticas adversas e interacciones dinámicas con otros vehículos.