Herramientas de seguridad de vehículos autónomos escalables desarrolladas por investigadores

A medida que aumenta la velocidad de fabricación y despliegue de vehículos autónomos, la seguridad de los vehículos autónomos se vuelve aún más importante. Por esa razón, los investigadores están invirtiendo en la creación de métricas y herramientas para rastrear la seguridad de los vehículos autónomos. Según ScienceDaily, un equipo de investigación de la Universidad de Illinois en Urbana-Champaign ha utilizado algoritmos de aprendizaje automático para crear una plataforma de análisis de seguridad de vehículos autónomos escalable, utilizando mejoras tanto de hardware como de software para hacerlo.

Mejorar la seguridad de los vehículos autónomos ha seguido siendo una de las tareas más difíciles en la inteligencia artificial, debido a las muchas variables involucradas en la tarea. No solo los sensores y algoritmos involucrados en el vehículo son extremadamente complejos, sino que también hay muchas condiciones externas que están en constante cambio, como las condiciones de la carretera, la topografía, el clima, la iluminación y el tráfico.

El paisaje y los algoritmos de los vehículos autónomos están cambiando constantemente, y las empresas necesitan una forma de mantenerse al día con los cambios y responder a nuevos problemas. El equipo de investigación de Illinois está trabajando en una plataforma que permita a las empresas abordar preocupaciones de seguridad recientemente identificadas de una manera rápida y rentable. Sin embargo, la complejidad extrema de los sistemas que impulsan los vehículos autónomos hace que esto sea una tarea masiva. El equipo de investigación está diseñando un sistema que podrá rastrear y actualizar los sistemas de vehículos autónomos que contienen docenas de procesadores y aceleradores que ejecutan millones de líneas de código.

En general, los vehículos autónomos conducen bastante seguros. Sin embargo, cuando ocurre un fallo o un evento inesperado, un vehículo autónomo es actualmente más probable que se vea involucrado en un accidente que los conductores humanos, ya que el vehículo a menudo tiene problemas para negociar emergencias repentinas. Aunque es cierto que es difícil cuantificar cuán seguros son los vehículos autónomos y qué es lo que causa los accidentes, es obvio que los fallos de un vehículo que viaja a 70 mph por una carretera podrían ser extremadamente peligrosos, de ahí la necesidad de mejorar el manejo de emergencias por parte de los vehículos autónomos.

Saurabh Jha, un candidato a doctorado y uno de los investigadores involucrados en el programa, explicó a ScienceDaily la necesidad de mejorar el manejo de fallos en los vehículos autónomos. Jha explicó:

“Si el conductor de un coche normal siente un problema, como el deslizamiento o la tracción del vehículo, el conductor puede ajustar su comportamiento y guiar el coche hasta un punto de parada seguro. Sin embargo, el comportamiento del vehículo autónomo puede ser impredecible en tal escenario, a menos que el vehículo autónomo esté explícitamente entrenado para tales problemas. En el mundo real, hay un número infinito de tales casos”.

Los investigadores están tratando de resolver este problema recopilando y analizando datos de informes de seguridad presentados por empresas de vehículos autónomos. Empresas como Waymo y Uber están obligadas a presentar informes al DMV en California al menos anualmente. Estos informes contienen datos sobre estadísticas como la distancia recorrida por los coches, el número de accidentes ocurridos y las condiciones en las que los vehículos estaban operando.

El equipo de investigación de la Universidad de Illinois analizó informes que cubrían los años 2014 a 2017. Durante este período, los vehículos autónomos condujeron alrededor de 1.116.000 millas distribuidas en 144 vehículos diferentes. Según los hallazgos del equipo de investigación, cuando se comparó con la misma distancia recorrida por conductores humanos, los accidentes fueron 4000 veces más probables de ocurrir. Los accidentes pueden implicar que el AI del vehículo no logró desenganchar y evitar el accidente, y en su lugar se basó en el conductor humano para tomar el control.

Es difícil diagnosticar posibles errores en el hardware o software del vehículo autónomo porque muchos errores solo se manifiestan bajo las condiciones adecuadas. También no es factible realizar pruebas bajo todas las condiciones posibles que podrían ocurrir en la carretera. En lugar de recopilar datos sobre cientos de miles de millas reales recorridas por vehículos autónomos, el equipo de investigación está utilizando entornos simulados para reducir drásticamente la cantidad de dinero y tiempo invertidos en la generación de datos para el entrenamiento de los AV.

El equipo de investigación utiliza los datos generados para explorar situaciones en las que pueden ocurrir fallos de los AV y problemas de seguridad. Parece que utilizar las simulaciones puede ayudar genuinamente a las empresas a encontrar riesgos de seguridad que no podrían encontrar de otra manera. Por ejemplo, cuando el equipo probó el AV Apollo, creado por Baidu, aislaron más de 500 instancias en las que el AV no logró manejar una situación de emergencia y ocurrió un accidente como resultado. El equipo de investigación espera que otras empresas hagan uso de su plataforma de pruebas y mejoren la seguridad de sus vehículos autónomos.