La reciente muerte de un automóvil autónomo de Uber subraya el hecho de que la tecnología aún no está lista para su adopción generalizada. Una razón es que no hay muchos lugares donde los autos autónomos puedan conducir. Empresas como Google solo prueban sus flotas en las principales ciudades donde han pasado incontables horas etiquetando meticulosamente las posiciones exactas en 3D de los carriles. bordillos rampas de salida y señales de alto.

En efecto, si vive a lo largo de millones de millas de carreteras estadounidenses que no están pavimentadas, apagados o marcados de forma poco fiable, no tienes suerte. Estas calles suelen ser mucho más complicadas de mapear, y obtener mucho menos tráfico, por lo que es poco probable que las empresas desarrollen mapas 3D para ellos en el corto plazo. Desde el desierto de Mojave en California hasta las Montañas Blancas de Vermont, Hay grandes extensiones de Estados Unidos para las que los autos autónomos simplemente no están preparados.

Una forma de evitar esto es crear sistemas lo suficientemente avanzados para navegar sin estos mapas. En un primer paso importante, un equipo del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT (CSAIL) ha desarrollado MapLite, un nuevo marco que permite que los coches autónomos circulen por carreteras en las que nunca antes habían estado sin mapas en 3D.

MapLite combina datos GPS simples que encontrará en Google Maps con una serie de sensores que observan las condiciones de la carretera. En tándem, Estos dos elementos permitieron al equipo conducir de forma autónoma en múltiples carreteras rurales sin pavimentar en Devens, Massachusetts, y detecta de manera confiable la carretera con más de 100 pies de anticipación. (Como parte de una colaboración con el Toyota Research Institute, los investigadores utilizaron un Toyota Prius que equiparon con una gama de sensores LIDAR e IMU).

"La razón por la que este tipo de enfoque 'sin mapas' realmente no se ha hecho antes es porque generalmente es mucho más difícil alcanzar la misma precisión y confiabilidad que con mapas detallados, "dice el estudiante de posgrado de CSAIL, Teddy Ort, quien fue el autor principal de un artículo relacionado. "Un sistema como este, que puede navegar solo con sensores integrados, muestra el potencial de que los autos autónomos sean capaces de manejar carreteras más allá del pequeño número que las empresas de tecnología han mapeado".

El papel, que se presentará en mayo en la Conferencia Internacional sobre Robótica y Automatización (ICRA) en Brisbane, Australia, fue coescrito por la profesora del MIT Daniela Rus y el graduado de doctorado Liam Paull, quien ahora es profesor asistente en la Universidad de Montreal.

Cómo funciona

Por todo el progreso que se ha logrado con los vehículos autónomos, sus habilidades de navegación aún palidecen en comparación con las de los humanos. Considere cómo se desplaza usted mismo:si está tratando de llegar a una ubicación específica, probablemente conecte una dirección en su teléfono y luego la consulte ocasionalmente en el camino, como cuando te acercas a intersecciones o salidas de autopistas.

Sin embargo, si se moviera por el mundo como la mayoría de los autos autónomos, Básicamente, estarías mirando tu teléfono todo el tiempo que estuvieras caminando. Los sistemas existentes todavía dependen en gran medida de los mapas, utilizando únicamente sensores y algoritmos de visión para evitar objetos dinámicos como peatones y otros coches.

A diferencia de, MapLite utiliza sensores para todos los aspectos de la navegación, confiando en los datos del GPS solo para obtener una estimación aproximada de la ubicación del automóvil. El sistema primero establece tanto un destino final como lo que los investigadores llaman un "objetivo de navegación local", que tiene que estar a la vista del coche. Sus sensores de percepción luego generan un camino para llegar a ese punto, utilizando LIDAR para estimar la ubicación de los bordes de la carretera. MapLite puede hacer esto sin marcas viales físicas al hacer suposiciones básicas sobre cómo la carretera será relativamente más plana que las áreas circundantes.

"Nuestro enfoque minimalista del mapeo permite la conducción autónoma en carreteras rurales utilizando la apariencia local y características semánticas como la presencia de un lugar de estacionamiento o una carretera secundaria, "dice Rus.

El equipo desarrolló un sistema de modelos que están "parametrizados", lo que significa que describen múltiples situaciones que son algo similares. Por ejemplo, un modelo puede ser lo suficientemente amplio como para determinar qué hacer en las intersecciones, o qué hacer en un tipo específico de carretera.

MapLite se diferencia de otros enfoques de conducción sin mapas que se basan más en el aprendizaje automático mediante el entrenamiento con datos de un conjunto de carreteras y luego se prueban en otros.

"Al final del día, queremos poder hacerle preguntas al automóvil como '¿cuántas carreteras se están uniendo en esta intersección?'", Dice Ort. "Al utilizar técnicas de modelado, si el sistema no funciona o se ve involucrado en un accidente, podemos entender mejor por qué ".

MapLite todavía está limitado de muchas maneras. Todavía no es lo suficientemente confiable para carreteras de montaña, ya que no tiene en cuenta los cambios dramáticos en la elevación. Como siguiente paso, el equipo espera ampliar la variedad de caminos que puede manejar el vehículo. En última instancia, aspiran a que su sistema alcance niveles de rendimiento y fiabilidad comparables a los de los sistemas mapeados, pero con una gama mucho más amplia.

"Me imagino que los coches autónomos del futuro siempre utilizarán mapas 3D en áreas urbanas, "dice Ort." Pero cuando se le pide que haga un viaje fuera de los caminos trillados, estos vehículos deberán ser tan buenos como los humanos para conducir por carreteras desconocidas que nunca antes habían visto. Esperamos que nuestro trabajo sea un paso en esa dirección ".