Sin conductor

El vehículo sin conductor, Standley

A veces hay coincidencias asombrosas. O, quizá, a veces nuestro cerebro se empeña en encontrar similitudes entre dos sucesos, haciéndonos creer que son más similares y próximos en el tiempo de lo que son en realidad. En cualquier caso, recientemente me han llegado por dos caminos muy diferentes referencias al mundo de los vehículos que se conducen sin intervención humana.

Ya sea por conspiración del universo que pone ante mi ambas referencias, o por un capricho de mi mente asociando dos eventos independientes, no puedo dejar pasar la oportunidad de compartirlo con todos vosotros.

La primera referencia me llegó durante el acto de inauguración de un nuevo centro de investigación y desarrollo, liderado por la empresa que me da de comer. Uno de los ponentes puso la capacidad de auto-conducción como uno de los adelantos que la tecnología nos traerá en los próximos años, haciendo nuestra vida más fácil y segura.

La segunda referencia me llegó en el curso de Introducción a la Inteligencia Artificial que la Universidad de Stanford imparte gratuitamente a través de internet. Como ejemplo de aplicación del material explicado, uno de los profesores puso un ejemplo real de su propia experiencia como investigador en IA: la creación de un vehículo sin conductor que ganó el gran desafío de DARPA (The DARPA Grand Challenge), una carrera de 212km a través del desierto de Mojave que tuvo lugar en 2005.

Os dejo el vídeo, parte del curso en IA de Stanford, donde se explica brevemente el funcionamiento del robot. Para más información, existe otro vídeo de una charla de aproximadamente 50 minutos (en inglés, por desgracia sin subtítulos) con muchos más detalles.

Dos horas antes de empezar la carrera, los equipos recibían una lista de coordenadas GPS, separadas entre si unos 72m (más juntas en los pasos complicados). En la primera edición del desafío, en 2004, la mayoría de robots se limitaban a seguir a raja tabla los puntos de control. El éxito fue escaso, el vehículo ganador únicamente cubrió 11,78km.

Para la segunda edición, los equipos se vieron obligados a añadir algo de inteligencia a sus vehículos, simplemente perseguir coordenadas no era suficiente para evitar obstáculos. El sistema utilizado por Stanley, el robot ganador de 2005 fabricado por Stanford, funcionaba gracias a la aplicación de técnicas de aprendizaje automático y visión por computador.

En primer lugar, el vehículo contaba con un escáner láser que sondeaba el entorno buscando el camino practicable. De esta forma, el ordenador de Standley era capaz de conocer la orografía de la zona, y elegir el camino más plano y seguro que le acercaba al siguiente punto de control. De esta forma, era capaz de detectar los bordes del camino y los posibles obstáculos, planeando las maniobras necesarias para sortearlos.

No obstante, el escáner láser era de muy corto alcance, apenas unos 25m. Todo lo que hemos dicho siempre de la distancia de frenado sigue siendo cierto para los robots, por lo que un campo de visión tan reducido no le permitía ir muy rápido.

Para solucionarlo, el equipo del profesor Sebastian Thrun (que también participó en la creación del vehículo autónomo de Google) colocó una cámara de visión normal en el interior de su vehículo. Existen algoritmos computacionales que permiten detectar en una imagen objetos previamente conocidos. Es decir, esos algoritmos aprenden a partir de unos cuantos ejemplos.

En este caso, lo que Thrun y sus estudiantes querían era detectar las zonas donde era seguro conducir desde lejos. Así que bastaba con enseñarle al algoritmo qué aspecto tiene un camino seguro, y él lo detectará.
El vehículo sin conductor, Standley
El problema es que los caminos seguros no siempre tienen el mismo aspecto, ¿verdad? Es imposible enseñarle al algoritmo suficientes carreteras posibles para que sea suficientemente flexible.

La solución que los campeones de Stanford diseñaron combina la cámara con el escáner láser. El segundo es capaz de detectar el camino seguro con una fiabilidad muy alta, pero a muy corta distancia. El truco consiste en utilizar este trozo de camino cercano para enseñar al algoritmo de decisión el aspecto que tiene un camino seguro en el lugar donde se encuentra el vehículo en ese momento.

Dicho de otra forma, básicamente los láseres le decían a la cámara “mira, ¿ves este camino que hay justo aquí delante? Por favor, busca si hay camino con ese mismo aspecto más allá“. Si el camino más allá tiene el mismo aspecto que la parte segura detectada por los láseres, entonces es seguro coger velocidad. En caso contrario, mejor reducir, de forma que cuando el posible obstáculo esté al alcance de los láseres la velocidad sea suficientemente moderada como para maniobrar de forma segura.

Si os fijáis, es una estrategia muy similar a lo que los conductores humanos deberíamos hacer de forma natural. Miramos a lo lejos, si todo tiene buena pinta seguimos adelante. Si algo no lo vemos claro, entonces reducimos y nos acercamos para observar mejor, de forma que la velocidad moderada nos permitirá maniobrar con tranquilidad y seguridad.

Stanley terminó la carrera en algo menos de siete horas, con una velocidad media de 30,7km/h. En el desierto no está nada mal. Él, junto con el resto de participantes en las diferentes ediciones del gran desafío DARPA, son las bases de un futuro en que podremos confiar en las máquinas para llevarnos a donde queremos con un nivel de seguridad y eficiencia que ningún humano jamás alcanzó. Los días en que la seguridad vial quedará limitada por la inteligencia natural están contados.

En Circula seguro | Conducción autónoma Google, ¿adiós al conductor?
Video | knowitvideos
Fotos | Stanford Racing