Investigadores Desarrollan Sistemas Autónomos Capaces de Detectar Cambios en las Sombras

Ingenieros en MIT han desarrollado un nuevo sistema que es extremadamente importante para los vehículos autónomos y su seguridad. El sistema es capaz de detectar pequeños cambios en las sombras en el suelo, y puede determinar si hay objetos en movimiento alrededor de la esquina. 

Uno de los objetivos principales para cualquier empresa que busque crear vehículos autónomos es aumentar la seguridad. Los ingenieros están trabajando constantemente para hacer que los vehículos sean mejores para evitar colisiones con otros coches o peatones, especialmente aquellos que están saliendo de una esquina de un edificio. 

El nuevo sistema también tiene el potencial de ser utilizado en robots que eventualmente naveguen por hospitales. Estos robots podrían entregar medicamentos o suministros en todo el hospital, y el sistema les ayudaría a evitar golpear a las personas. 

Un artículo será presentado la próxima semana en la Conferencia Internacional sobre Robots y Sistemas Inteligentes (IROS). Incluye descripciones de los experimentos exitosos realizados por los investigadores, incluyendo un coche autónomo que se maniobra alrededor de un garaje de estacionamiento y se detiene cuando se acerca a otro vehículo.

El sistema actual es a menudo LIDAR, que es capaz de detectar objetos visibles con más de medio segundo de antelación. Según los investigadores, las fracciones de un segundo pueden hacer una gran diferencia en los vehículos autónomos que se mueven rápidamente.  

“Para aplicaciones donde los robots se mueven alrededor de entornos con otros objetos o personas en movimiento, nuestro método puede dar al robot una advertencia temprana de que alguien está saliendo de la esquina, para que el vehículo pueda reducir la velocidad, adaptar su ruta y prepararse con anticipación para evitar una colisión”, agrega la coautora Daniela Rus, directora del Laboratorio de Ciencias de la Computación y la Inteligencia Artificial (CSAIL) y la profesora Andrew y Erna Viterbi de Ingeniería Eléctrica y Ciencias de la Computación. “El gran sueño es proporcionar ‘visión de rayos X’ a los vehículos que se mueven rápidamente en las calles”.

El nuevo sistema autónomo solo ha sido probado en interiores. En estas condiciones, las condiciones de iluminación son más bajas, y las velocidades de los robots son más lentas. El sistema autónomo puede analizar y detectar sombras mucho más fácilmente en este entorno. 

El artículo fue compilado por Daniela Rus; el primer autor Felix Naser, quien es un ex investigador de CSAIL; Alexander Amini, un estudiante de posgrado de CSAIL; Igor Gilitschenski, un postdoctorado de CSAIL; la estudiante de posgrado Christina Liao; Guy Rosman del Instituto de Investigación de Toyota; y Sertac Karaman, profesor asociado de aeronáutica y astronáutica en MIT. 

Sistema ShadowCam

Antes de los nuevos desarrollos, los investigadores ya tenían un sistema llamado “ShadowCam”. El sistema es capaz de identificar y clasificar cambios en las sombras en el suelo mediante el uso de técnicas de visión por computadora. Las versiones anteriores del sistema fueron desarrolladas por los profesores de MIT William Freeman y Antonio Torralba. Los dos profesores no fueron coautores del artículo de IROS, y su trabajo se presentó en 2017 y 2018. 

ShadowCam utiliza cuadros de video de una cámara específica, y es capaz de detectar cualquier cambio en la intensidad de la luz con el tiempo. Esto le dice al sistema si algo se está moviendo más lejos o acercándose, y luego analiza la información y clasifica cada imagen como un objeto estacionario o en movimiento. Esto permite al sistema proceder de la mejor manera posible. 

ShadowCam se ajustó y se cambió para ser utilizado en vehículos autónomos. Originalmente, utilizaba etiquetas de realidad aumentada llamadas “AprilTags”, que eran como códigos QR. ShadowCam utilizó estos para centrarse en ciertos grupos de píxeles para determinar si había sombras presentes. Sin embargo, este sistema resultó ser imposible de utilizar en escenarios del mundo real. 

Debido a esto, los investigadores crearon un nuevo proceso que utiliza el registro de imágenes y una técnica de odometría visual. El registro de imágenes superpone múltiples imágenes para identificar cualquier variación. 

La técnica de odometría visual que los investigadores utilizan se llama “Odometría Esparsa Directa” (DSO), y opera de manera similar a los AprilTags. DSO utiliza una nube de puntos 3D, y traza las diferentes características de un entorno en ella. Un pipeline de visión por computadora luego localiza una región de interés, como un piso. 

ShadowCam utiliza DSO y el registro de imágenes, y superpone todas las imágenes desde el mismo punto de vista del robot. El robot, en movimiento o quieto, puede entonces centrarse en el mismo parche de píxeles donde hay una sombra. 

¿Qué sigue?

Los investigadores continuarán trabajando en este sistema, y se centrarán en las diferencias entre las condiciones de iluminación interior y exterior. En última instancia, el equipo quiere aumentar la velocidad del sistema, así como automatizar el proceso.