Sensores de IA podrían ayudar a los vehículos autónomos en ciudades nevadas

Uno de los mayores desafíos que enfrentan los vehículos autónomos es que luchan por navegar en malas condiciones climáticas, lo que limita en gran medida su implementación en ciudades nevadas como Detroit y Chicago. Los vehículos dependen de datos de sensores cruciales para detectar obstáculos y mantenerse en el lado correcto de la carretera, pero estos datos luchan en la nieve.

En dos nuevos artículos presentados en SPIE Defense + Commercial Sensing 2021, investigadores de la Universidad Tecnológica de Michigan discutieron nuevas soluciones para escenarios de conducción en nieve con vehículos autónomos.

Hay una amplia gama de vehículos autónomos, incluyendo algunos con puntos ciegos o asistencia de frenado, y otros con modos de conducción autónoma encendidos y apagados. Algunos de los mejores vehículos pueden operar completamente por sí solos.

Dado que la tecnología aún está en su infancia en muchos sentidos, los fabricantes de automóviles y las universidades de investigación están trabajando continuamente para mejorar la tecnología y los algoritmos. Cuando ocurren accidentes, a menudo son el resultado de un error de juicio del AI del coche o un error humano.

Sensores humanos

Los ojos humanos también son una forma de sensores, ya que detectan el equilibrio y el movimiento. Nuestro cerebro actúa como un procesador, lo que nos ayuda a entender nuestro entorno. Estos juntos nos permiten conducir en todos los escenarios, incluso en aquellos que son nuevos, ya que nuestro cerebro puede generalizar experiencias nuevas.

Los vehículos autónomos suelen tener dos cámaras montadas en cardanes, y escanea y percibe la profundidad utilizando visión estereoscópica para imitar la visión humana. Al mismo tiempo, el equilibrio y el movimiento se pueden medir con una unidad de medición inercial. Los ordenadores, por otro lado, solo pueden reaccionar a escenarios que ya han sido encontrados o que ya han sido programados para reconocer.

Fusión de sensores

Los vehículos autónomos dependen de algoritmos de inteligencia artificial específicos de la tarea, que requieren múltiples sensores como cámaras de ojo de pez, sensores de infrarrojos, radar, detección de luz y lidar.

Nathir Rawashdeh es profesor asistente de informática en la Facultad de Informática de Michigan Tech y uno de los autores principales del estudio.

“Cada sensor tiene limitaciones, y cada sensor cubre la espalda de otro”, dijo Rawashdeh. “La fusión de sensores utiliza múltiples sensores de diferentes modalidades para comprender una escena. No puedes programar exhaustivamente para cada detalle cuando las entradas tienen patrones difíciles. Por eso necesitamos IA”.

Los colaboradores del estudio incluyeron a Nader Abu-Alrub, estudiante de doctorado en ingeniería eléctrica y de computadoras, y Jeremy Bos, profesor asistente de ingeniería eléctrica y de computadoras. Otros colaboradores incluyeron a estudiantes de maestría y graduados del laboratorio de Bos: Akhil Kurup, Derek Chopp y Zach Jeffreies.

Los sensores autónomos y los algoritmos de conducción autónoma se desarrollan casi exclusivamente en paisajes soleados y despejados. El laboratorio de Bos comenzó a recopilar datos en un vehículo autónomo de Michigan Tech en la nieve pesada, y se recopilaron más de 1.000 fotogramas de lidar, radar y datos de imagen de carreteras nevadas en Alemania y Noruega.

Según Bos, la detección de sensores es difícil debido a la variedad de nieve. Es importante preprocesar los datos y asegurarse de que la etiquetación sea precisa.

“No toda la nieve es igual”, dijo Bos. “La IA es como un chef: si tienes buenos ingredientes, habrá una excelente comida”, dijo. “Dale a la red de aprendizaje de IA datos de sensores sucios y obtendrás un mal resultado”.

Algunos otros desafíos importantes involucran datos de baja calidad y suciedad, y la acumulación de nieve en los sensores causa sus propios problemas. Incluso después de que los sensores se limpian, no siempre hay acuerdo en la detección de obstáculos. A menudo es muy difícil hacer que los sensores y sus evaluaciones de riesgo se comuniquen y aprendan entre sí, ya que cada uno puede llegar a su propia conclusión. Sin embargo, el equipo quiere que los sensores autónomos lleguen colectivamente a una conclusión utilizando la fusión de sensores.

“En lugar de votar estrictamente, al utilizar la fusión de sensores, obtendremos una nueva estimación”, dice Bos.

Los sensores de los vehículos autónomos seguirán aprendiendo y mejorando en malas condiciones climáticas, y nuevos enfoques como la fusión de sensores podrían liderar el camino para los vehículos autónomos en carreteras nevadas.