Un lunes por la mañana de enero de este año, un hombre se subió a su sedán Tesla, se detuvo en una autopista en las afueras de Los Ángeles, y activó el modo "piloto automático" semiautónomo del vehículo. El coche hizo malabarismos con las entradas de 8 cámaras, 12 sensores ultrasónicos y un radar para navegar por la carretera, evitando otros vehículos y manteniéndose dentro de las líneas punteadas. Luego, se estrelló contra la parte trasera de un camión de bomberos detenido.

La tecnología de vehículos autónomos a menudo es elogiada por su capacidad para hacer que las carreteras sean más seguras, y por una buena razón. Pero situaciones como la descrita anteriormente demuestran que incluso los vehículos semiautónomos de hoy en día tienen algunos problemas serios que resolver. Afortunadamente, Investigadores como Xin Li están trabajando arduamente para solucionar algunos de los problemas más fundamentales que enfrenta actualmente la tecnología de vehículos autónomos para eventualmente reducir las muertes de vehículos motorizados.

"Hace unos años comencé a hablar con algunas de las compañías automotrices de EE. UU. Sobre los problemas que enfrentaban con los autos autónomos, "dice Li, profesor en el Departamento de Ingeniería Eléctrica e Informática tanto en Duke como en Duke Kunshan University. Debido a su doble nombramiento, Li pasa mucho tiempo en China, donde ha continuado la conversación sobre vehículos autónomos con los fabricantes de automóviles chinos.

Li dice que hay dos problemas principales que se interponen actualmente en el camino de la tecnología de conducción totalmente autónoma:el problema de verificación y el problema de integración.

El problema de verificación se reduce al siguiente dilema:para que se demuestre que algo es seguro, primero debe aprender qué circunstancias hacen que falle. "Si le pide a su cliente que conduzca un automóvil autónomo en la carretera, la tasa de fallas debe ser muy, muy pequeña, "dice Li. Descubrir cómo calcular esa tasa y, por extensión, entonces, cómo corregir esos fallos, se ha convertido en una cuestión de investigación central para Li.

Entonces, ¿cómo se calcula la tasa de fallas? Una solución es simplemente dejar que el automóvil autónomo navegue por un área hasta que cometa un error, sin detenerse en una señal de alto, por ejemplo. Pero la mayoría de estas fallas ocurren en circunstancias muy raras llamadas "casos de esquina" (piense, una roca que cae sobre una carretera de montaña), lo que significa que este enfoque tomaría una cantidad de tiempo prohibitiva.

"Es difícil observar físicamente todos los escenarios posibles en todos los casos de esquina, así que pensamos, '¿Por qué no usamos una computadora y le pedimos a la computadora que genere sintéticamente estos posibles casos?' ", dice Li. En lugar de esperar un automóvil en la carretera para descubrir cada extraña confluencia de clima y conductores erráticos que hacen que el sistema leer mal un semáforo, El enfoque único del equipo de Li crea estos escenarios utilizando programas informáticos inteligentes. Estos programas utilizan modelos estadísticos y algoritmos para generar situaciones sintéticas para que navegue el sistema autónomo.

En un artículo reciente publicado en la edición de noviembre de 2017 de Computer-Aided Design, su equipo demostró que las altas temperaturas y los circuitos envejecidos pueden degradar las imágenes recopiladas por las cámaras de un automóvil autónomo. El equipo utilizó una técnica de aprendizaje automático llamada Redes Adversariales Generativas Consistentes en Ciclo para generar datos de imágenes sintéticas como si se hubieran recopilado a alta temperatura o utilizando circuitos antiguos. Cuando introdujeron esas imágenes degradadas en el sistema autónomo, luchó para identificar correctamente las señales de alto. Al crear casos de fallas sintéticas como este, La investigación de Li permite a los fabricantes de automóviles verificar con mayor precisión con qué frecuencia y, más importante, bajo qué escenarios un sistema podría fallar. Luego, Li trabaja con sus colaboradores en la industria para implementar esta nueva tecnología en hardware y software que hace que los vehículos autónomos sean más seguros.

Desafortunadamente, Cuantos más componentes se agreguen a un vehículo autónomo, mayores serán las posibilidades de que algo salga mal. Este es el paradigma del segundo obstáculo para los vehículos autónomos:el problema de la integración. Los vehículos autónomos deben combinar a la perfección todo tipo de sistemas complicados, desde módulos para evitar colisiones hasta detección de semáforos, todo ello mientras navegan por un entorno a 60 millas por hora. Averiguar cómo garantizar que los componentes funcionen juntos de forma rápida y eficaz formará la siguiente fase en la investigación de Li.

"Honestamente, es un problema muy difícil y todavía no tenemos una buena solución, "dice Li, aunque tiene la esperanza de que el desarrollo de un sistema informático más centralizado para el automóvil pueda contribuir en gran medida a integrar la funcionalidad del vehículo.

Li dice que también hay un problema más fundamental al que se enfrenta el campo del desarrollo de vehículos autónomos:la educación. Si bien el diseño de vehículos convencionales es dominio de los ingenieros mecánicos, la construcción de vehículos autónomos requerirá una amplia experiencia en inteligencia artificial, diseño de software e ingeniería de sistemas. Para afrontar los problemas del mañana será necesario un enfoque interdisciplinario novedoso. "Creo que es muy importante para una institución educativa como Duke capacitar a estudiantes con la formación adecuada para que puedan participar en estas áreas emergentes cuando se gradúen, "dice Li.

Hacer una investigación fundamental sobre los vehículos autónomos tiene mucho en juego. "Cuando la industria adopta mi solución, Tengo la responsabilidad de asegurarme de que esto funcione ... Si hay un error, la gente podría morir, "dice Li. Al mismo tiempo, trabajar en algunas de las cuestiones más importantes en el desarrollo de vehículos autónomos es una oportunidad increíble. "En este momento, la conducción autónoma es un campo emergente con muchos problemas abiertos. Esto hace que sea un momento muy emocionante para académicos como yo, "dice Li.