AI en los coches autónomos
Explora cómo la visión por ordenador en los vehículos autónomos permite la percepción y la toma de decisiones en tiempo real, mejorando la seguridad y la experiencia general de conducción.
Los coches autónomos ya no son solo una idea futurista; se están convirtiendo en una realidad gracias a los avances en inteligencia artificial (AI) para la conducción autónoma. Estos vehículos dependen en gran medida de sistemas avanzados de AI, especialmente de la visión por ordenador, para comprender e interpretar el mundo que los rodea. Esta tecnología les permite identificar objetos, reconocer señales de tráfico y desplazarse de forma segura por entornos complejos en tiempo real.
Con un valor de más de 27 000 millones de dólares estadounidenses en 2021 —y con una previsión de crecimiento hasta casi 62 000 millones en 2026—, está claro que la AI para la conducción autónoma está dando forma al futuro del transporte. En este artículo analizaremos más de cerca cómo se aplica la visión por ordenador en los coches autónomos, abordando aplicaciones clave como la detección de peatones, el reconocimiento de señales de tráfico y los sistemas de mantenimiento de carril, y mostraremos cómo estas innovaciones están transformando el futuro de la conducción.
El papel de la AI en los coches autónomos#
La AI puede ayudar enormemente a los coches autónomos a comprender su entorno y tomar decisiones en tiempo real. Veamos cómo la AI, entre sus muchas aplicaciones, ayuda en la detección de peatones y el reconocimiento de señales de tráfico, dos elementos clave que mejoran la fiabilidad de la conducción autónoma.
AI para la detección de peatones#
Conducir requiere concentración y atención constantes a lo que ocurre a tu alrededor mientras estás al volante. La AI en los coches autónomos puede ayudar en innumerables aspectos del uso diario de nuestros coches. Por ejemplo, la AI puede desempeñar un papel importante en la protección de los peatones al detectarlos y predecir sus movimientos. Según el «Estudio sobre la detección de peatones en coches autónomos», este proceso comienza con las cámaras del coche, situadas por todo el vehículo para capturar una vista completa del entorno, incluidas las carreteras, las aceras y los pasos de peatones. Estas cámaras captan continuamente datos visuales, lo que ayuda al coche a «ver» a los peatones, incluso en situaciones concurridas o difíciles.
Los datos visuales recopilados pueden procesarse mediante modelos de visión por ordenador como Ultralytics YOLOv8. Para ello, el primer paso es utilizar la detección de objetos, que consiste en identificar la ubicación de posibles objetos, como peatones, vehículos y señales de tráfico, dentro de la imagen. Una vez detectados, el modelo de AI pasa al siguiente paso: la clasificación, que determina qué es realmente cada objeto detectado. Los modelos se entrenan con grandes conjuntos de datos, lo que les permite reconocer peatones en distintas posturas, condiciones de iluminación y entornos, incluso cuando están parcialmente ocultos o en movimiento.
Mientras que algunos modelos de visión por ordenador destacan en la detección y la clasificación, otros se centran en tareas como predecir el movimiento de los peatones detectados. En estos sistemas, una vez que un objeto se clasifica como peatón, el modelo de AI va un paso más allá y predice su próximo movimiento. Por ejemplo, si alguien está de pie al borde de un paso de peatones, el coche puede anticipar si podría entrar en la calzada. Esta capacidad predictiva es crucial para que el vehículo reaccione en tiempo real reduciendo la velocidad, deteniéndose o cambiando de dirección para evitar cualquier peligro potencial. Para tomar decisiones aún más inteligentes, los sistemas de AI pueden combinar los datos visuales de las cámaras con las entradas de otros sensores, como LIDAR, proporcionando al coche una comprensión más completa de su entorno.
Fig. 1. Ultralytics YOLOv8 detectando a un peatón.
AI para el reconocimiento de señales de tráfico#
El reconocimiento de señales de tráfico, abreviado como TSR, es otra parte importante de los coches autónomos. Ayuda al vehículo a reconocer y responder a las señales de tráfico en tiempo real, como las señales de stop, los límites de velocidad y las indicaciones. Esto garantiza que el coche siga las normas de tráfico, evite accidentes y permita a los pasajeros disfrutar de un trayecto cómodo y seguro.
En el núcleo de TSR se encuentran algoritmos de aprendizaje profundo que utilizan las cámaras del coche para identificar las señales. Estos sistemas deben funcionar en distintas condiciones, como lluvia, poca luz o cuando la señal se observa desde un ángulo. Los métodos antiguos se basan en técnicas como el análisis de la forma y el color de las señales, pero a menudo pueden fallar en situaciones complejas, como cuando hace mal tiempo.
En el artículo de investigación «Un enfoque basado en Ultralytics YOLOv8 para la detección multiclase de señales de tráfico», los autores describen el uso del modelo YOLOv8 para identificar las zonas de las imágenes en las que se encuentran las señales de tráfico. El modelo se entrenó con un conjunto de datos que incluye imágenes de señales de tráfico en diversas condiciones, como distintos ángulos, niveles de iluminación y distancias. Una vez que el modelo YOLOv8 detecta las regiones que contienen señales de tráfico, las clasifica con precisión y alcanza una precisión del 80,64 %. Estas capacidades podrían ayudar a los vehículos autónomos a comprender las condiciones de la carretera mediante la identificación de señales de tráfico importantes en tiempo real, contribuyendo potencialmente a tomar decisiones de conducción más seguras.
Fig. 2. Modelo de visión por ordenador que detecta y clasifica con precisión una señal de tráfico, lo que permite una navegación segura para vehículos autónomos. (Fuente: computervision.zone)
Ventajas de la AI en los coches autónomos#
La AI está cambiando progresivamente el funcionamiento de los coches autónomos, haciéndolos más seguros y eficientes. Gracias a algoritmos inteligentes y a la capacidad de procesar datos rápidamente, estos coches pueden detectar peligros, tomar mejores decisiones de conducción e incluso reducir su impacto en el medio ambiente. Estas son algunas de las principales ventajas que la AI aporta a los coches autónomos.
Mayor seguridad#
La AI puede mejorar la seguridad de los coches autónomos al permitir detectar y responder a los peligros en tiempo real. Según un informe de la Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA), el 94 % de los accidentes graves se deben a errores humanos. La AI podría reducir este tipo de incidentes al reaccionar más rápido que los conductores humanos, disminuyendo potencialmente las tasas de accidentes hasta un 90 % a medida que los sistemas autónomos sean más avanzados.
Mayor fluidez del tráfico y eficiencia del combustible#
La AI en la detección de objetos de vehículos autónomos no solo ayuda a mejorar la seguridad, sino también la fluidez del tráfico. Mediante la AI, estos vehículos pueden ajustar su velocidad, mantener una distancia óptima y reducir la necesidad de frenar o acelerar bruscamente, lo que ayuda a minimizar la congestión del tráfico. Los algoritmos de AI también optimizan la eficiencia del combustible al garantizar que los coches sigan las rutas más eficientes, eviten paradas innecesarias y gestionen mejor el consumo de combustible que los conductores humanos. Como resultado, la AI no solo mejora la experiencia de conducción, sino que también contribuye a reducir las emisiones y los costes de combustible.
El futuro de los coches autónomos#
El futuro de los coches autónomos gira en torno a alcanzar la autonomía de nivel 5, lo que significa una conducción totalmente autónoma sin necesidad de intervención humana, independientemente del entorno o la situación. Para comprender hacia dónde se dirige la tecnología, es importante desglosar los cinco niveles de conducción autónoma definidos por la Society of Automotive Engineers (SAE):
- Nivel 0: Sin automatización. El conductor humano tiene el control absoluto.
- Nivel 1: Asistencia al conductor. Los sistemas básicos, como el control de crucero, ayudan en la conducción, pero requieren supervisión humana.
- Nivel 2: Automatización parcial. El vehículo puede controlar tanto la dirección como la aceleración, pero el conductor debe mantenerse atento y preparado para tomar el control.
- Nivel 3: Automatización condicional. El vehículo puede gestionar la mayoría de las tareas de conducción, pero se requiere intervención humana en situaciones complejas.
- Nivel 4: Automatización elevada. El coche puede conducirse solo en la mayoría de entornos y condiciones, aunque un conductor podría seguir siendo necesario en condiciones extremas.
- Nivel 5: Automatización total. El vehículo es completamente autónomo y puede funcionar en cualquier condición sin intervención humana.
Actualmente, la mayoría de los vehículos disponibles comercialmente funcionan con una autonomía de nivel 2, en la que el coche puede ayudar con la dirección y el control de la velocidad, pero aún requiere que el conductor permanezca atento. Mercedes-Benz es una de las primeras empresas en alcanzar la autonomía de nivel 3, que permite a los conductores, en condiciones específicas, apartar las manos del volante, dejar de mirar la carretera y observar su entorno.
Sin embargo, alcanzar la autonomía de nivel 5 —en la que los vehículos puedan circular por todo tipo de terrenos, desde centros urbanos concurridos hasta carreteras rurales remotas, sin mapas ni intervención humana— plantea importantes desafíos. Estos desafíos incluyen desarrollar una AI avanzada capaz de tomar decisiones en tiempo real en entornos impredecibles, gestionar condiciones meteorológicas complejas y garantizar la seguridad en todas las situaciones de conducción.
Conclusiones clave#
La AI es la clave para convertir los coches autónomos en una realidad aún mayor. Ayuda a estos vehículos a detectar objetos, reconocer señales de tráfico, mantenerse en sus carriles y, con modelos de visión por ordenador como YOLOv8, ayuda a gestionar el tráfico y optimizar la gestión del aparcamiento, haciendo que la conducción sea más segura y fluida. Tecnologías como YOLO y las CNN permiten a los coches tomar decisiones inteligentes en la carretera. Actualmente, la mayoría de los coches autónomos funcionan en el nivel 2, en el que ayudan con la conducción, pero siguen necesitando la atención humana, mientras se prueba la autonomía de nivel 3, que permite una conducción con las manos parcialmente apartadas del volante.
El gran desafío que queda por delante es alcanzar la autonomía de nivel 5, en la que los coches puedan conducirse solos en cualquier condición sin ayuda humana. Esto requerirá más trabajo para gestionar acontecimientos inesperados y crear sistemas capaces de tomar decisiones en tiempo real en cualquier situación. A medida que la AI mejora, los coches totalmente autónomos están cada vez más cerca, lo que promete carreteras más seguras y una experiencia de conducción más cómoda.
¿Te interesa la AI? Explora nuestro repositorio de GitHub para descubrir proyectos innovadores y conectar con nuestra creciente comunidad. Desde avances en sanidad hasta innovaciones en la conducción autónoma, ¡estamos impulsando el futuro de la AI!
