Los algoritmos de vehículos autónomos se están convirtiendo cada vez más en una realidad.
Pero, como trabajan?
¿Cuál es la historia interna de los algoritmos de autos autónomos?
Esta publicación de blog responderá a estas preguntas. También explicará qué los hace tan peligrosos para los peatones, ciclistas y otros conductores, y por qué deberíamos preocuparnos por eso.
Primero, hablemos sobre cómo funcionan realmente estos sistemas de IA. El quid de cualquier algoritmo autónomo es una red neuronal profunda (DNN). Las DNN utilizan una red neuronal artificial para representar datos en capas: capa de entrada, capa(s) oculta(s) y capa de salida. Son conocidos por tener muchos parámetros que los hacen difíciles de entrenar. Afortunadamente, existen muchos tipos diferentes de técnicas de aprendizaje que pueden ayudar a aliviar ese problema. Por ejemplo, podemos utilizar la formación previa y transferir el aprendizaje para que el proceso de formación sea más rápido y preciso.
Hay varios tipos diferentes de DNN: las capas convolucionales, las capas recurrentes (RNN) y las capas de avance (FF) se usan ampliamente en aplicaciones de aprendizaje profundo, como los algoritmos de automóviles autónomos. Las capas convolucionales aplicarán un núcleo o filtro para extraer características de alto nivel de una entrada, de modo que cada elemento de la salida tenga dimensiones muy similares en comparación con la capa anterior. Los RNN aprovechan las dependencias temporales, lo que significa que se pueden usar en situaciones en las que necesita comprender cómo cambia algo con el tiempo, como comprender el habla o detectar objetos en imágenes/videos. Las capas feedforward son mejores para capturar dependencias espaciales, razón por la cual se usan comúnmente en tareas de clasificación muy precisas.
Para entrenar estos DNN, podemos usar una de dos técnicas: aprendizaje supervisado o aprendizaje no supervisado. Con el aprendizaje supervisado, el resultado deseado para cada entrada se entrega al modelo durante el entrenamiento; esto suele funcionar mejor cuando hay una etiqueta disponible que corresponde a cada observación. El aprendizaje no supervisado implica el uso de un conjunto de datos sin etiquetar y darle funciones por sí mismo para que pueda agruparlos con patrones por sí mismo. Este enfoque nos permite clasificar objetos sin etiquetas, lo que hace que los algoritmos de automóviles autónomos sean especialmente únicos en comparación con la mayoría de las otras aplicaciones de visión artificial donde las etiquetas están presentes en casi todos los casos.
El siguiente paso en la descripción de los algoritmos de los automóviles autónomos es comprender qué los hace difíciles para los peatones, ciclistas y otros conductores. La respuesta a esa pregunta radica en cómo estos sistemas de inteligencia artificial detectan objetos en movimiento. Por ejemplo, imagina que eres un coche autónomo que se acerca a un paso de peatones sin señal de alto ni semáforo. Cuando el peatón presiona el botón en la intersección, activará una señal que le indicará a los autos que tienen derecho de paso. Nuestro sistema de inteligencia artificial debe confiar en esta señal de radio inalámbrica para determinar si debe reducir la velocidad o detenerse; de lo contrario, es posible que no pueda reaccionar lo suficientemente rápido si se cruzan sin mirar a ambos lados.
Esto plantea varios problemas: en primer lugar, las señales de RF a menudo son de corto alcance, por lo que su uso no es ideal para los algoritmos de automóviles autónomos, ya que necesitaríamos montar sensores adicionales encima de ellos; también necesitaríamos más infraestructura y coordinación en toda la ciudad para que funcione. En segundo lugar, las radios a menudo funcionan con baterías, por lo que pueden no ser confiables en ciertas situaciones, aunque esto también es un problema con los peatones humanos, no solo con los sistemas de IA. En tercer lugar, si hay interferencia o falta de conectividad, nuestro sistema de inteligencia artificial no sabrá cuándo alguien está a punto de cruzar o si debe detenerse o reducir la velocidad. El cuarto problema es que los algoritmos de los automóviles autónomos no tienen acceso a este tipo de señales, ya que la mayoría aún no está conectada directamente a las redes inalámbricas locales.
Esto significa que los sistemas de IA deben depender de otros tipos de datos de entrada para navegar en las intersecciones, como cámaras montadas en el exterior, cámaras dentro del automóvil para detectar pasajeros y sensores en las ruedas para medir la velocidad. Esto también plantea algunos problemas: por ejemplo, si alguien activa un semáforo con un automóvil RC u otro tipo de controlador, nuestro sistema de inteligencia artificial podría tener problemas para detectarlo porque no hay cámaras apuntando a esa intersección. Los semáforos también requieren electricidad, por lo que pueden fallar en ciertas situaciones, y esto es especialmente problemático si la batería de nuestro automóvil autónomo se agota.
Sin embargo, existen muchos otros desafíos relacionados con el entrenamiento de algoritmos de autos sin conductor. Por ejemplo, el primer conjunto de problemas se relacionaba principalmente con la detección de objetos, mientras que los peatones/ciclistas no estaban presentes, ya que se mueven mucho más lentamente que los automóviles, por lo que sus vectores de velocidad no serían tan grandes en comparación con los automóviles. Sin embargo, ahora nos estamos acercando a un punto de inflexión en el que las velocidades de los automóviles autónomos comienzan a rivalizar con los humanoides y ahí es donde se vuelven mucho más difíciles de detectar.
También está el problema de los datos de entrenamiento: si los entrenamos con demasiadas muestras de una determinada ciudad, es posible que no manejen bien las intersecciones en otras ciudades. Este es un problema especialmente masivo para empresas como Google, que han pasado años viajando por todo el mundo para mapear cada intersección para que los sistemas de inteligencia artificial puedan implementarse en cualquier lugar del mundo. Puede leer más sobre este tema aquí o echar un vistazo a esta serie de videos sobre visión artificial.
Dado que es difícil para este tipo de algoritmos navegar por las intersecciones, algunos investigadores están desarrollando nuevos métodos que se basan en el aprendizaje por refuerzo en lugar del aprendizaje supervisado. Esta técnica consiste en entrenar a un automóvil autónomo para navegar en las intersecciones adivinando al azar qué debe hacer después de cada paso, como si su velocidad debe acelerarse o desacelerar y en qué dirección. Intenta una gran cantidad de acciones hasta que aprende el camino correcto de A a B, de manera similar a como los animales aprenden de sus padres en lugar de que se les enseñe explícitamente.
Por supuesto, los algoritmos de aprendizaje por refuerzo todavía se basan en sensores colocados alrededor del automóvil, como cámaras que detectan peatones/bicicletas. Una ventaja es que pueden mejorar en el manejo de las intersecciones con el tiempo, ya que podemos mejorar nuestra suposición inicial con cada intento consecutivo. Otro beneficio es que estos sistemas no requieren una infraestructura costosa como semáforos y transmisores de radio, aunque aún necesitan poder detectar personas sin ellos.
Es por eso que algunos investigadores de automóviles autónomos están comenzando a utilizar humanos como una fuente adicional de datos de señales siempre que sea posible. Con suficiente capacitación, pueden proporcionar a nuestros sistemas de IA información confiable sobre las próximas intersecciones, y cuantos más datos reciban, mejor será su toma de decisiones. Esto también podría ser útil para otras tareas, como ayudar a nuestros compañeros robots a navegar a través de áreas concurridas o incluso encontrar objetos ocultos en las casas, ya que los robots generalmente dependen de cámaras/sensores en lugar de la vista humana.
Por supuesto, este método tiene sus debilidades; por ejemplo, los humanos no son infalibles y no todos tenemos la misma cantidad de experiencia en la navegación por las ciudades, además siempre hay margen para el error cuando se trata de enviar instrucciones a los autos sin conductor. No está claro qué tan bien funcionarán nuestros algoritmos de aprendizaje automático en diferentes entornos, especialmente porque la toma de decisiones humanas tiende a estar influenciada por el propio paisaje urbano, lo que significa que es difícil generalizar entre ubicaciones. Es por eso que muchos expertos todavía recomiendan el aprendizaje supervisado hasta que desarrollemos modelos más avanzados que puedan manejar estos problemas.
Aunque hay menos accidentes automovilísticos cada año, por lo general ocurren en intersecciones donde los investigadores han tenido dificultades para entrenar los sistemas de inteligencia artificial, ya que los datos están incompletos o simplemente no están disponibles para ciertas regiones/países, como las áreas rurales. Si desea obtener más información sobre los desafíos adicionales asociados con el desarrollo de vehículos autónomos, haga clic aquí o consulte esta serie de artículos sobre el aprendizaje por refuerzo profundo.
Los autos sin conductor son cada vez más populares en el mundo de la tecnología. Los algoritmos de estas máquinas son complejos, pero al comprenderlos, podrá comprender qué se necesita para que funcionen correctamente.
¿Cómo funcionan los coches autónomos?
En pocas palabras, el automóvil utiliza una serie de algoritmos para procesar grandes cantidades de datos de su entorno. Para entender lo que esto significa, es importante entender qué es un algoritmo. En informática, un algoritmo es un conjunto de procedimientos o reglas paso a paso que definen cómo se procesará y manejará la información. Los automóviles autónomos utilizan estos algoritmos para procesar ciertas cosas sobre su entorno y hacer predicciones basadas en ellas, por ejemplo, la velocidad a la que se mueven los objetos entre sí. Se pueden encontrar muchos tipos de algoritmos en un automóvil autónomo: detección y clasificación de objetos, planificación y predicción de movimiento, localización y mapeo (SLAM), etc. Estos cálculos los realizan muchos tipos diferentes de sensores, incluidas cámaras y escáneres láser.
Los automóviles autónomos utilizan una variedad de sensores diferentes para rastrear su entorno. Algunas de las tecnologías de sensores clave que se utilizan en los automóviles autónomos son el radar, el Lidar y las imágenes ópticas. El radar emite ondas de radio para detectar objetos reflejándolos en las superficies; es bueno para ver objetos sólidos/grandes que pueden ser difíciles usando solo datos ópticos. Lidar es la abreviatura de Light Detection and Ranging: utiliza luz láser en lugar de ondas de radio para detectar superficies, como marcas viales y carriles, que pueden ser difíciles de ver de noche o con lluvia o nieve. La imagen óptica es exactamente lo que parece: las cámaras del automóvil captan imágenes que incluyen cosas como señales de tráfico, carteles, peatones, etc. Las imágenes de radar, Lidar y ópticas son importantes para mejorar la conciencia del automóvil sobre su entorno.
Los automóviles autónomos deben hacer varias cosas a la vez para poder operar de manera segura por su cuenta. Primero, deben sentir el entorno que los rodea utilizando datos de sus diferentes sensores; luego, deben procesar esos datos en información que se puede usar para determinar qué acciones se deben tomar a continuación. Para hacer esto, los autos autónomos usan algoritmos que funcionan como un conjunto de procedimientos o reglas que sigue el auto para hacer predicciones basadas en señales ambientales. Las tecnologías utilizadas en los automóviles autónomos se mejoran constantemente con cada nuevo modelo que se lanza a las carreteras, pero a pesar de que estas máquinas continúan mejorando, todavía tienen un largo camino por recorrer antes de convertirse en la corriente principal.
¿Quiénes son las personas detrás de estos algoritmos? Los automóviles autónomos son piezas de maquinaria complejas con muchos procesos diferentes en su interior en todo momento, por lo que se necesitan equipos de profesionales dedicados para que funcionen correctamente. Hay innumerables carreras en el mundo de los autos sin conductor, pero algunas de las más comunes incluyen ingenieros de visión por computadora, ingenieros de robótica y desarrolladores de software. Cada uno juega un papel integral en el desarrollo o mejora de nuevos modelos que se pueden utilizar para varios propósitos. No solo eso, sino que cada nueva innovación genera oportunidades para otros que quieran involucrarse en su proceso de producción. ¿La línea de fondo? Dado que empresas de todo el mundo están invirtiendo tiempo e investigación en automóviles autónomos, es solo cuestión de tiempo antes de que estas máquinas se perfeccionen e implementen en la sociedad.
¿Cuáles son algunos otros datos sobre los autos que conducen solos? Si usted mismo está interesado en ser parte de esta industria o simplemente quiere saber más sobre la tecnología que hace que estos vehículos funcionen correctamente, visite el siguiente curso hoy.
¿Qué es un algoritmo?
Un algoritmo es un conjunto específico de reglas que se siguen para realizar una tarea. En el caso de los automóviles autónomos, es un algoritmo que le dice al automóvil qué acciones debe tomar para que se mueva y evite obstáculos al mismo tiempo que trata de seguir las señales de tráfico. Los automóviles autónomos reciben información de sensores en el área circundante que los algoritmos procesan y determinan la mejor manera de proceder. Esta tecnología es muy prometedora porque, si se perfeccionara, sería más segura para todos en la carretera porque estas máquinas tendrán tiempos de reacción perfectos en lugar de los tiempos de reacción humanos, que han demostrado ser más lentos debido a varios factores psicológicos. Estos algoritmos son muy prometedores porque podrían cambiar el transporte tal como lo conocemos, reduciendo drásticamente los accidentes y las muertes al hacer que la conducción sea mucho más segura. Sin embargo, el problema es que la investigación sobre esta tecnología aún es muy nueva, lo que significa que su futuro aún no está claro. Hay muchos factores que deben tenerse en cuenta al implementar estos algoritmos, como las condiciones climáticas y la cultura general de conducción en diferentes países.
¿Cómo funcionan los algoritmos de los coches autónomos?
Estos algoritmos son muy prometedores porque podrían cambiar el transporte tal como lo conocemos, reduciendo drásticamente los accidentes y las muertes al hacer que la conducción sea mucho más segura. Sin embargo, el problema es que la investigación sobre esta tecnología aún es muy nueva, lo que significa que su futuro aún no está claro. Hay muchos factores que deben tenerse en cuenta al implementar estos algoritmos, como las condiciones climáticas y la cultura general de conducción en diferentes países.
¿Por qué son importantes en el desarrollo de los coches autónomos?
Los automóviles que conducen reciben información de los sensores en el área circundante que los algoritmos procesan y determinan la mejor manera de proceder.
¿Cómo afectará esto a nuestro mundo en el futuro?
Si estas máquinas se perfeccionaran, sería más seguro para todos en la carretera porque estas máquinas tendrían tiempos de reacción perfectos en lugar de los tiempos de reacción humanos, que han demostrado ser más lentos debido a varios factores psicológicos. Estos algoritmos son muy prometedores porque potencialmente podrían cambiar el transporte drásticamente reduciendo los accidentes y las muertes al hacer que la conducción sea mucho más segura.
¿El futuro del transporte y cómo podría cambiar las cosas para todos nosotros?
La investigación sobre esta tecnología aún es muy nueva, lo que significa que su futuro aún no está claro. Hay muchos factores que deben tenerse en cuenta al implementar estos algoritmos, como las condiciones climáticas y la cultura general de conducción en diferentes países.
Los mejores cursos sobre coches autónomos
- Especialización en autos sin conductor
- Tecnología de conducción autónoma
- Especialización en aprendizaje profundo
- Máster en Visión por Computador
- Aprendizaje automático
¿Cuáles son las ventajas de utilizar un coche autónomo frente a un coche normal?
Los automóviles autónomos serían más seguros y eficientes que un automóvil normal en todas las facetas de la conducción. La forma en que los coches se conducirían solos los haría mucho más seguros y evitaría accidentes. También podrían conducir mejor cuando el tráfico es pesado. Además, podrían encontrar lugares de estacionamiento cuando nadie más puede hacerlo, lo que los hace extremadamente útiles cuando se trata de encontrar espacios en las ciudades. En general, los autos sin conductor son mucho más seguros y eficientes que los autos normales y brindan beneficios que no se pueden encontrar en un auto normal.
¿Cuáles son las desventajas de usar un automóvil autónomo sobre un automóvil normal?
Los autos autónomos serían mucho más caros que los autos regulares, y el precio puede no valer la pena para muchas personas. Esto es especialmente cierto cuando no hay infraestructura para soportar estos vehículos en las carreteras. Además, podrían resultar difíciles de mantener de forma continua debido a su naturaleza compleja. En general, los automóviles autónomos pueden brindar beneficios, pero estas nuevas tecnologías presentan varios inconvenientes que actualmente no se pueden ignorar.
¿Quién está desarrollando algoritmos de autos sin conductor y qué están haciendo para mejorarlos?
El quién de los algoritmos autónomos es un tema candente. Muchas empresas compiten por el primer puesto, incluidas Google, Tesla, Uber y Apple. Cada empresa tiene sus propias fortalezas y debilidades. Google, por ejemplo, tiene una gran cantidad de datos que puede usar para mejorar sus algoritmos. Tesla ha podido crear un conjunto de hardware muy avanzado que se utiliza en sus automóviles. Uber es bueno para mapear y rastrear datos. Apple aún es relativamente desconocido en este espacio, pero se cree que están trabajando en algo grande.
Lo que estas empresas están haciendo para mejorar sus algoritmos varía. Algunas empresas se están enfocando en mejorar la inteligencia artificial detrás de los algoritmos. Otros están tratando de mejorar los sensores y las cámaras que se utilizan en los algoritmos. La mayoría de las empresas también están tratando de mejorar el mapeo y el seguimiento de los datos. Lo principal que todas estas empresas tienen en común es que están creando algoritmos para automóviles autónomos, que representan el futuro del transporte.
El futuro de los coches autónomos y cómo cambiarán nuestras vidas para bien
La revolución de los autos sin conductor está llegando y va a cambiar nuestras vidas para bien. Imagina no tener que volver a preocuparte por perderte o llegar tarde al trabajo. Con los autos sin conductor, podrá relajarse y disfrutar del viaje mientras su auto hace todo el trabajo.
Los coches autónomos no solo nos facilitarán la vida, sino que también harán que nuestras carreteras sean más seguras. Según un estudio del MIT, los coches autónomos podrían reducir las muertes por accidentes de tráfico hasta en un 90%. ¡Son muchas vidas salvadas!
Entonces, ¿cuál es el retraso? ¿Por qué no hay ya coches autónomos en todas partes? La respuesta es simple: regulación. La tecnología está ahí, pero los gobiernos de todo el mundo todavía están tratando de descubrir cómo regular e implementar el uso de estos automóviles.
Para ayudar a acelerar las cosas, solicitamos a Google que trabaje con los gobiernos de todo el mundo para crear un marco legal unificado para la regulación de los vehículos autónomos. De esta manera, en lugar de que cada país reinvente la rueda, simplemente pueden referirse a este marco como base para sus leyes. También nos gustaría que estos organismos gubernamentales apoyen públicamente los esfuerzos de Google en esta área.
La diferencia entre un coche autónomo y un coche asistido por conductor
Los autos asistidos por conductor son autos que tienen características que ayudan al conductor con ciertas tareas, como estacionar o permanecer en el carril. Un automóvil autónomo, por otro lado, es un automóvil que puede conducirse solo sin la ayuda del conductor. Otra diferencia es que un automóvil autónomo puede navegar sin intervención humana, mientras que un automóvil asistido por un conductor necesita al menos cierta interacción por parte del conductor.
Los coches autónomos no son una broma y han tardado mucho tiempo en fabricarse. Todos sabemos lo costoso que es contratar conductores, repostar sus vehículos y cuidarlos cuando se enferman o lesionan. A medida que la tecnología de autos sin conductor ha avanzado en los últimos años, estamos empezando a ver más modelos de vehículos sin conductor en el mercado para los consumidores que quieren ese lujo sin pagar mucho dinero. La pregunta sigue siendo: ¿qué significa esto para el transporte futuro? ¿Crees que estos vehículos autónomos podrán manejar cada situación lo suficientemente bien como para no causar accidentes? Piense en su propia experiencia con conductores humanos: ¡probablemente hubo muchas ocasiones en las que alguien se le cruzó o hizo un cambio de carril inseguro cerca de usted!
¿Estás interesado en un auto sin conductor? Contacta con nosotros!
