Stanford enseña a sus coches autónomos a reaccionar como pilotos de carrera

Stanford

Investigadores de la Universidad de Stanford desarrollaron una red neuronal que mejorará la dinámica de la conducción autónoma en condiciones extremas.

El equipo de Stanford está constantemente estudiando nuevos enfoques y desarrollando algoritmos que pueden llevar a los coches autónomos al siguiente nivel, con todas las condiciones de seguridad garantizadas.

Uno de sus últimos proyectos se basa en un nuevo sistema de control basado en IA, que permite que los coches autónomos puedan mejorar su dinámica en situaciones imprevistas, por ejemplo, una carretera con nieve, dando una posible solución a uno de los problemas que enfrente la conducción autónoma:

Si los ingenieros quieren llevar un automóvil autónomo a sus límites de manera segura, como hacer que planee una maniobra de emergencia en el hielo, deben proporcionarle detalles, como la fricción de los neumáticos de la carretera, por adelantado. Esto es difícil en el mundo real, donde la fricción es variable y, a menudo, es difícil de predecir.

Para sortear este obstáculo, este sistema basado en una nueva red neuronal cuenta con una gran particularidad. No solo utiliza los datos en tiempo real de la conducción, sino que también introduce información de situaciones pasadas similares a la actual. Es decir, los coches autónomos aprenden del pasado para combinar esos datos con el escenario en tiempo real.

Así que, pueden valerse de miles de datos basados en trayectorias de conducción pasada, como un sistema de retroalimentación constante. Para probar la efectividad de esta dinámica, probaron sus dos coches autónomos (un Volkswagen GTI y un Audi TTS)  en una pista de carreras, ya que es un escenario que requiere de maniobras de profesionales para tener un trayecto exitoso.

Uno de los coches ya estaba programado para recorrer la pista, así que no hubo sorpresas en la trayectoria, y el otro, implementó el nuevo sistema de Stanford. El coche autónomo que utilizó la red neuronal tuvo óptimos resultados, a pesar de no tener ninguna referencia de la pista, como se comparte en detalles en esta en la exposición de esta investigación.

Esto muestra el potencial de  utilizar datos combinados, aunque aún queda mucho por recorrer para optimizar la dinámica que propone esta nueva red neuronal, y ver los resultados en situaciones reales.

Podemos ver un ejemplo de los coches autónomos de Stanford en este video.

Miriam Schuager