Los robomobiles rastrean perfectamente otros autos, y son mejores para notar a los peatones, ardillas y pájaros. El principal problema sigue siendo solo el medio de transporte más ligero, silencioso y rápido.
"El desafío de encontrar bicicletas es quizás el más difícil de los desafíos que enfrenta el desarrollo de sistemas para vehículos robóticos", dijo el ingeniero de investigación
Stephen Schladover de la Universidad de California en Berkeley.
Nuno Vasconcelos, un experto en visión por computadora de la Universidad de California en San Diego, dice que encontrar bicicletas es difícil debido a su tamaño, velocidad y variedad relativamente pequeños. “Una máquina es esencialmente un gran bloque de materia. La masa de bicicletas es mucho más pequeña y pueden verse diferentes: tienen muchas formas y colores, y sucede que la gente las cuelga con basura ”.
Por lo tanto, la precisión de detección de automóviles en los últimos años ha superado la precisión de detección de bicicletas. La mayoría de las mejoras se produjeron en la formación de sistemas en los que estudiaron miles de fotografías con objetos marcados. Y la mayor parte del entrenamiento se centró en imágenes de automóviles, no en bicicletas.
Tome el algoritmo
Deep3DBox recientemente introducido por investigadores de la Universidad. George Mason y el desarrollador de
Robotaxi Zoox de Menlo Park. En la prueba del sistema estándar de la industria, en la que intenta
analizar imágenes bidimensionales , Deep3DBox identificó el 89% de los automóviles. Hace varios años, tales sistemas se enfrentaron en no más del 70%.
Deep3DBox también se adapta bien a una tarea más compleja: predecir en qué dirección va el transporte y con la generación de un contenedor tridimensional para objetos en una imagen bidimensional. “El aprendizaje profundo generalmente se usa para detectar fácilmente secuencias en píxeles. Hemos encontrado una forma efectiva de usar esta tecnología para determinar las propiedades geométricas de los objetos ”, dijo la participante del proyecto Jana Košecká, programadora de la Universidad. George Mason
Pero el sistema es mucho peor para detectar y orientar bicicletas y ciclistas. Deep3DBox es uno de los mejores sistemas, pero en las pruebas solo reconoce el 74% de las bicicletas. Y aunque puede orientar correctamente más del 88% de los autos en las imágenes, en el caso de las bicicletas, lo hace solo en el 59% de los casos.
Koschecka dice que los sistemas comerciales hacen un mejor trabajo cuando los desarrolladores obtienen acceso a enormes conjuntos de imágenes capturadas en el camino que pueden entrenar una computadora. Según ella, la mayoría de los robomobiles de prueba complementa el procesamiento de imágenes con escaneo láser (
lidar ) y radares que ayudan a reconocer las bicicletas y su posición con respecto al robomobile, incluso si no informan nada sobre su orientación.
Los mapas de alta resolución, por ejemplo,
Road Experience Management de Mobileye, una compañía israelí, ayudan a romper nuevos avances tecnológicos. Dichas tarjetas le dan a la computadora una ventaja para reconocer las bicicletas, ya que estas bicicletas parecen anomalías en imágenes de carreteras pregrabadas. Ford Motor dice que los mapas tridimensionales y altamente detallados son el corazón de los 70 robots de prueba que planea lanzar en la carretera este año.
Júntalo todo y obtendrás resultados bastante impresionantes, y fueron
demostrados el año pasado por dispositivos de Google .
Waymo , una compañía que se separó del departamento de robomóviles de Google, ha
demostrado su propia tecnología de sensores que mejora la capacidad del sistema para reconocer las bicicletas.
Vasconcelos duda de que los sistemas de reconocimiento y automatización de objetos disponibles en la actualidad puedan reemplazar a los conductores humanos, pero cree que ya están lo suficientemente desarrollados para ayudar a las personas a evitar accidentes. El reconocimiento de los ciclistas ya está comenzando a ponerse como una adición al sistema de frenado automático comercial (AEB), instalado en automóviles comunes y capaz de reconocer no solo automóviles, sino también peatones con ciclistas.
El
primer sistema de reconocimiento
AEB de Volvo fue presentado por Volvo en 2013. Procesa datos de la cámara y el radar, prediciendo posibles colisiones. Una tecnología similar este año se probará en autobuses europeos. Se espera que otros fabricantes de automóviles se pongan al día después de esto, ya que los reguladores europeos comienzan a evaluar los sistemas AEB para la calidad del reconocimiento de los ciclistas el próximo año.
Pero tales sistemas aún sufren serias limitaciones, de las cuales se sigue la siguiente tarea difícil para los desarrolladores: predecir la dirección del movimiento de los objetos en movimiento. Será especialmente difícil extraer aún más datos de los sistemas AEB que reconocen a los ciclistas, según Olaf Op den Camp, consultor senior de la Organización de Investigación Aplicada de los Países Bajos. Opden Kamp, quien dirigió el desarrollo de la
prueba europea para sistemas AEB con reconocimiento de bicicleta , dice que es el más difícil de predecir los movimientos de los ciclistas.
Koschecka está de acuerdo con él: "Los ciclistas son mucho menos predecibles que los automóviles, ya que es mucho más fácil para ellos hacer giros repentinos o saltar de la nada".
Esto significa que tomará mucho tiempo antes de que los ciclistas puedan evitar los errores humanos que están asociados con el 94% de los accidentes, según los reguladores de EE. UU. "Todos los ciclistas esperan este momento", dijo Brian Wiedenmeier, director ejecutivo de la Coalición de Ciclistas de San Francisco. Pero él dice que será correcto esperar hasta que las tecnologías de automatización maduren.
En diciembre, Weidenmeyer
advirtió que los robots patrocinados por Uber Technologies estaban infringiendo las regulaciones de tránsito de California que fueron diseñadas específicamente para proteger a los ciclistas de automóviles y camiones que cruzan los carriles para bicicletas designados. Apoyó la
revocación de los registros de dichos automóviles después de que la empresa se negó a recibir permisos para ellos. Uber todavía está probando sus autos robóticos en Arizona y Pittsburgh, y recientemente recibió permiso para devolver algunos autos a las calles de San Francisco, pero solo como máquinas de marcado, que necesariamente serán conducidas por los conductores.
Weidenmeyer dice que Uber tiene prisa por ingresar al mercado, y eso está mal. Él afirma: "Al igual que cualquier tecnología nueva, esto debe verificarse con mucho cuidado".