Los vehículos autónomos, conocidos también como automotores, han evolucionado rápidamente de la ciencia ficción a una realidad tangible durante la última década. Estos vehículos dependen de una sofisticada fusión de sensores, inteligencia artificial y algoritmos complejos para percibir su entorno, tomar decisiones y navegar sin intervención humana. Los partidarios de la tecnología destacan su potencial para reducir dramáticamente los accidentes de tráfico, más del 90% de los cuales son causados por errores humanos, al tiempo que mejora la movilidad para la demanda ética y el desarrollo

Comprender los niveles de autonomía

Para enmarcar la discusión, es esencial entender la clasificación estándar definida por SAE International en su estándar J3016. Esta taxonomía define seis niveles de automatización de conducción, desde el nivel 0 (no automatización) hasta el nivel 5 (automatización completa bajo todas las condiciones). La mayoría de los vehículos de consumo en la carretera actual cuentan con el nivel 1 (por ejemplo, control de cruceros adaptables) o el nivel 2 (por ejemplo, autonomía Autopilot, Super Cruise)

Progresos tecnológicos recientes

Tecnología sensor

Los sensores de la cámara de reflexión pueden detectar objetos de alta resolución, una vez que se traten de unidades mecánicas de alta calidad que cuestan decenas de miles de dólares, están disponibles como dispositivos de alta resolución.

Inteligencia Artificial y aprendizaje automático

Las redes neuronales profundas, especialmente las redes neuronales convolutivas (CNN) para el procesamiento de imágenes y transformadores para datos secuenciales, se utilizan para la detección de objetos, clasificación, seguimiento y predicción de caminos. Sistemas como la pila de percepción de Waymo pueden identificar no sólo vehículos y peatones, sino también señales de tráfico, zonas de construcción, e incluso gestos de mano de los oficiales de tráfico.

Hardware de computación

Los sistemas de control autónomo de nivel 5 son inmensos. Los vehículos autónomos modernos llevan múltiples unidades de computación de alto rendimiento, a menudo con GPU o aceleradores de IA dedicados, que procesan terabytes de datos de sensores por segundo. Empresas como NVIDIA con sus plataformas de fallas de Drive Orin/Thor, Mobileye con sus chips de EyeQ, y el hardware diseñado a medida de Tesla proporcionan el dominio necesario de adherencia

Retos de ingeniería

Sensor Fusión y Percepción

Aunque los sensores individuales han mejorado, el desafío de combinar sus salidas en una representación coherente y fiable del medio ambiente sigue siendo formidable. Los sensores tienen diferentes puntos fuertes y debilidades: las cámaras son excelentes para la textura y el color pero lucha en el clima negativo; el lidar proporciona una profundidad precisa pero degrada en la lluvia pesada, la niebla o la nieve; el radar penetra el tiempo pero tiene una resolución angular menor.

Decision Making in Complex Environments

El manejo de la tecnología de la seguridad de la marca, el control de la hora, el sistema de búsqueda de la marca, el sistema de control de la carretera, el sistema de control de la carretera, el sistema de control de la autopista, el sistema de control de la velocidad, el sistema de control de la velocidad, el sistema de búsqueda de la tecnología de la mano, el sistema de control de la velocidad, el sistema de control de la velocidad, el sistema de búsqueda

Seguridad, Redundancia y Validación

Seguridad es la preocupación primordial. Los sistemas autónomos deben ser probados más allá de la duda razonable, una tarea mucho más compleja que la seguridad de los vehículos tradicionales.La industria sigue la seguridad del conductor (SOTIF) proceso de seguridad (ISO 21448) junto con la seguridad funcional (ISO 26262).Esto requiere identificar escenarios peligrosos para ambos fallos del sistema (por ejemplo, un fallo del sensor) y miles de rendimiento.

Mapping and Localization

Los vehículos altamente autónomos (Nivel 4 y 5) dependen de mapas de alta definición (HD) que contengan información de nivel centímétrico sobre geometría de carreteras, marcas de carriles, señales de tráfico y puntos de referencia 3D. Estos mapas se crean utilizando vehículos de encuesta equipados con lima, cámaras y GPS, y deben actualizarse frecuentemente a medida que las condiciones de carretera se ajusten a los datos de alta precisión del vehículo.

Consideraciones normativas y éticas

Evolución de las leyes y normas

Los marcos regulatorios de diferentes países siguen siendo compatibles con la tecnología. En los Estados Unidos, la Administración Nacional de Seguridad en el Tráfico (NHTSA) ha emitido directrices voluntarias pero aún no ha establecido estándares completos de seguridad federal para vehículos autónomos. Estados como California, Arizona y Texas han estado probando terrenos, cada uno con sus propios requisitos de proceso de autorización y presentación de informes.

Toma de decisiones éticas

Tal vez la pregunta ética más debatida es cómo un vehículo autónomo debe comportarse en escenarios de accidentes inevitables: el llamado "problema de retroiluminación" aplicado a la conducción. ¿Debería el vehículo priorizar la seguridad de sus ocupantes sobre los peatones? ¿Debería minimizar el daño general incluso si eso significa dañar a sus propios pasajeros?

Seguridad cibernética y privacidad de datos

Los datos de la IA son un problema de privacidad.Los datos de la IA son un problema de seguridad.Los datos de la IA son un problema de seguridad.Los datos de la IA son un problema de privacidad.Los datos de IA son un problema de seguridad, y los datos de IA, y los datos de IA, que son un problema de privacidad.

Infraestructura y conectividad

Los vehículos autónomos no funcionan en un vacío; dependen de la infraestructura. Vehículo a todo (V2X)] comunicación, incluyendo el vehículo a vehículo (V2V) y el tráfico de vehículos a infraestructura (V2I), puede mejorar la autonomía proporcionando datos más allá de los sensores del vehículo, por ejemplo, una señal de tráfico que emite su fase y tiempo.

Future Outlook

A pesar de los formidables desafíos, la trayectoria de los vehículos autónomos sigue siendo positiva, aunque con un tiempo más templado que algunas predicciones tempranas sugeridas. El servicio de conducción de Waymo (sin conductor de seguridad) en Phoenix y San Francisco demuestra que las operaciones de nivel 4 son factibles en áreas geográficas específicas con condiciones favorables. Cruise ha operado la robótica comercial en San Francisco, y el servicio de autonomía de Baidu Apollo Go se ha expandido a múltiples ciudades chinas.

Es probable que se amplíe el despliegue autónomo de vehículos en entornos controlados con fuerza: áreas urbanas geodefensas, carriles dedicados para camiones autónomos en carreteras, rutas de transporte de baja velocidad en campus o zonas del centro. La propiedad del consumidor de vehículos totalmente autónomos permanece más lejos, dado costo y obstáculos regulatorios. Sin embargo, el progreso acumulativo en sensores, computación e IA, combinado con lecciones de despliegues tempranos, posiciona la industria para superar rápidamente muchos de la ética.

Para más información sobre los estándares de seguridad de vehículos autónomos, visite la página NHTSA Automated Vehicles . Para más reciente sobre técnicas de fusión de sensores, consulte el IEEE Spectrum autonomous vehicles topic. Para las directrices éticas, consulte el Instituto de Ingenieros de Ética Eléctrica[IELT]