211service.com
Una forma sencilla de acelerar la llegada de los coches autónomos
Un nuevo conjunto de datos públicos para automóviles autónomos muestra que incluso un viaje sencillo por la ciudad puede llevar la conducción automatizada al límite. También destaca cómo compartir datos podría ayudar a los autos autónomos a salir a la carretera mucho antes.
Investigadores de la Universidad de Oxford publicaron el conjunto de datos detallados, que destaca algunos de los problemas más desafiantes que enfrentarán los autos sin conductor. Los datos consisten en miles de horas de datos del mismo tramo de carretera de 10 kilómetros en el transcurso de un año. Y muestra cómo el clima, la iluminación e incluso las características de las carreteras pueden variar enormemente en un período de tiempo relativamente corto.
Los investigadores rastrearon el tipo de variación que los autos autónomos necesitarán para hacer frente día a día: vehículos en movimiento, autos estacionados de diferentes maneras y variaciones en la iluminación. Luego hay cambios a más largo plazo, dice Will Maddern , investigador sénior en el Grupo de Robótica Móvil de la Universidad de Oxford. Construcción, obras viales, cambios estacionales en la vegetación, etc.
Cuando los investigadores de Google comenzaron a probar los autos autónomos, descubrieron que los vehículos rotativos ocupados los desconcertaban fácilmente. Los vehículos, programados para errar por el lado de la precaución, dieron vueltas durante minutos antes de descubrir cómo escapar. El equipo de Oxford descubrió otro tipo de problema: en el transcurso de un año, la ciudad movió una rotonda tres veces.
Los datos de alcance láser recopilados por un equipo de la Universidad de Oxford muestran cómo los automóviles autónomos deben adaptarse a la forma en que cambia la vegetación durante el año.
Los sistemas que se basan en mapas precisos, que incluyen los vehículos de Google, tendrán dificultades con tales cambios. Es en gran medida un problema abierto, dice Maddern. Una de las razones por las que recopilamos estos datos fue para encontrar dónde fallarían los sistemas que estamos construyendo.
Algunas empresas, como Tesla, no utilizan mapas detallados, sino que confían en los avances en el procesamiento de imágenes y sensores para detectar y evitar obstáculos. Pero estos sistemas también se confundirían con el tipo de características identificadas por el equipo de Oxford. Google y Tesla lideran el camino en términos de la cantidad de datos de conducción recopilados, pero no tendrán tantos datos como Oxford mostrando variaciones en una sola ruta.
Este conjunto de datos es una maravillosa contribución al campo, dice juan leonardo , un profesor del MIT que ayudó a desarrollar algunos de los algoritmos clave para los autos sin conductor y que está trabajando en un esfuerzo de investigación coordinado por Toyota. Los conjuntos de datos a gran escala y de larga duración pueden proporcionar un gran impulso a la tasa de progreso.
Leonard agrega que si las empresas que desarrollan automóviles autónomos compartieran sus datos, podría acelerar la llegada de la tecnología que salva vidas. En términos más generales, creo que sería genial si más grupos que trabajan en autos autónomos pudieran compartir conjuntos de datos, y también hacer que más herramientas estén disponibles como código abierto, dice.
Otros en la industria se hacen eco de su sentimiento. Hablando en una conferencia la semana pasada, Gill Pratt, director ejecutivo del Instituto de Investigación de Toyota en California, dijo que dadas las implicaciones de seguridad, las compañías automotrices también podrían considerar trabajar juntas, lo que podría incluir compartir algunos de los datos que recopilan.
Es importante recordar que no siempre tenemos que trabajar solos, dijo Pratt. Nuestra gran esperanza es la competencia constructiva y también la colaboración entre todos los fabricantes de automóviles, empresas de TI, diferentes gobiernos y también fabricantes de hardware.