El camino hacia el desarrollo del vehículo autónomo

Durante años, las empresas de automoción han trabajado para hacer realidad un sueño a largo plazo, en el que automóviles que se autoconducen viajan por las vías públicas, llevando a sus pasajeros de forma cómoda y segura a sus destinos.

Ha habido grandes avances hacia esta nueva realidad. Muchas empresas automovilísticas ya están incorporando a sus vehículos software con distintos niveles de autónomía en la conducción, aunque sólo unas cuantas han puesto esas características al alcance del conductor.

El progreso hacia este fin no se ve necesariamente frenado por la disponibilidad tecnológica -ya está en muchos automóviles que circulan actualmente-, sino más bien por la reglamentación e interoperabilidad de las tecnologías.

Es bien sabido que algunas empresas que han hecho accesible la funcionalidad de la conducción autónoma han tenido graves problemas, con lesiones e incluso muertes entre los conductores y los peatones. Resultados terribles como estos complican aún más el contexto jurídico relacionado con el desarrollo y el despliegue de esta tecnología, lo que puede hacer retroceder el ritmo de desarrollo durante años.

Entonces, ¿cómo podemos acelerar con seguridad hacia un futuro con conducción autónoma?

Cinco pasos hacia la tecnología de vehículo autónomo

Hay cinco niveles de tecnología de conducción autónoma, en los que el nivel uno representa algunas características automáticas, como la detección de colisiones o las advertencias de salida del carril, y el nivel cinco representa la automatización total, en la que no se necesita ningún conductor.

Los niveles más altos de automatización dependen de que los sensores del vehículo perciban los obstáculos externos y tengan en cuenta el juicio del conductor en función de la distancia y el tiempo, tal como lo haría un conductor humano. Por lo tanto, es esencial que los vehículos estén equipados con inteligencia basada en «verdades» o datos de conducción validados y de origen colectivo, así como con otros sensores secundarios de alta calidad y sistemas de cámaras secundarias que permitan el etiquetado exterior en 2D ó 3D y la extracción de escenarios.

Para que este equipamiento de inteligencia y extracción de escenarios se produzca se necesita trabajo manual como el etiquetado y el enriquecimiento de los datos -hasta ahora, esto ha supuesto un significativo esfuerzo. Sin embargo, la inteligencia artificial lo hace más fácil creando lo que son, esencialmente, verdades automatizadas y colaborativas.

En un nivel humano, los ingenieros no son capaces de procesar esa masividad de datos de manera eficiente. Así que, para garantizar que los vehículos estén equipados con una inteligencia de escenarios precisa y sin redundancias, la automatización es crítica.

Implementación de la tecnología de vehículos autónomos

Actualmente, incluso los líderes del mercado se encuentran sólo en el nivel tres, y las características no superiores al nivel dos son legales para su uso en vías públicas. Por ejemplo, el modo «autopiloto» aún requiere que el conductor esté despierto y alerta, listo para intervenir manualmente dirigiendo y frenando cuando sea necesario.

Esto en sí mismo requiere de una tecnología enormemente sofisticada, no sólo con el vehículo detectando externamente las condiciones y eventos de la calzada, sino también monitorizando lo que está haciendo el conductor, incluso cuando ha cambiado a autopiloto y ha entregado el control a los procesadores.

Los sistemas avanzados de asistencia al conductor (Advanced Driver Assistance System – ADAS) son una pieza fundamental en el rompecabezas, especialmente al funcionar en distintos niveles de autonomía en la conducción. El nivel tres, por supuesto, es donde las cosas se complican. No sólo la tecnología es exponencialmente más compleja, sino que, en cada paso, cada componente tecnológico debe desarrollarse para que pueda comportarse correctamente en diferentes situaciones. Después debe ser validado y asegurado de forma independiente para su uso efectivo y seguro.

Para algunas de las nuevas compañías de automoción, las pruebas y el despliegue de tecnología han estado en su ADN desde el principio, con una visión cuyo objetivo es la conducción autónoma. Sin embargo, para las empresas más establecidas en el mercado y los OEM, el viaje hacia esta tecnología es posiblemente un mayor reto. Estas empresas no pueden simplemente hacer borrón y cuenta nueva y rediseñar sus procesos de desarrollo desde cero, a menos que sea a través de una escisión experimental completamente nueva sin obstáculos por procesos heredados. Incluso en esa situación, a medida que la tecnología ADAS se generaliza, los consumidores esperan que los automóviles nuevos vengan equipados con características ADAS de nivel uno y dos de serie. Esto significa que el fabricante tendrá que adaptar estas nuevas tecnologías a las gamas ya existentes y, por lo tanto, será necesario agregar nuevos elementos a los procesos de diseño, prueba y fabricación.

Muy pocas empresas tienen los recursos o el tiempo para realizar sus propia experimentación y desarrollar nuevos procesos de implementación de ADAS. Comprar e implementar pruebas de concepto funcional podría reducir el tiempo y el presupuesto de desarrollo y liberarlos de algunas de las cargas regulatorias a las que se enfrentan.

Los datos tras la conducción

ADAS y la conducción autónoma tienen otro elemento fundamental más allá de la tecnología y la legalidad, y son los datos.

Los niveles más altos de funcionalidad de conducción autónoma requieren más situaciones y decisiones para calcular y ejecutar decisiones. Ningún vehículo podría viajar suficientes kilómetros en la vía pública para experimentar todas las eventualidades posibles, por lo que el modelado virtual se convierte en una parte fundamental de las pruebas, y esto significa que se genera y procesa big data.

La digitalización también juega un papel fundamental en la validación de datos, especialmente en funciones necesarias y en las actualizaciones de software. Las actualizaciones inalámbricas de software y de interfaz de usuario son mucho más convenientes con los procesos de gestión de lanzamiento de funciones y software implementados en lugar de los métodos tradicionales que se basaban en actualizaciones basadas en hardware. Además, las comunicaciones de vehículo a vehículo (V2V) y las interacciones con dispositivos y activos que son, por ejemplo, parte de la nueva infraestructura inteligente en carreteras (comunicaciones de vehículo hacia todo o Vehicle-to-Everything – V2X), también exigen la transferencia de volúmenes de datos, incluso a través de nuevas redes 5G. Pero más que esto, todos los datos que produce y procesa un vehículo deben almacenarse, anotarse, visualizarse, analizarse y luego ponerse a disposición de todas las partes interesadas en el desarrollo.

Experiencia e ideas para el futuro

De acuerdo al estudio AI in Automotive report del Capgemini Research Institute, los mayores OEM pueden aumentar sus ganancias operativas en un 16% con el despliegue de la Inteligencia Artificial a escala. El informe también destaca en qué áreas debería focalizar sus inversiones los fabricantes.

Capgemini trabaja con clientes de la industria del automóvil para validar, verificar y estandarizar la inteligencia utilizada en todos los niveles de autonomía, y llevar a las organizaciones pruebas de concepto y data sets continuamente actualizados a sus procesos de diseño y desarrollo.

5G es una de las tecnologías core que permitirá la conducción autónoma en vías públicas. Este nuevo estándar acelera la velocidad de conexión, reduce la latencia y permite que los vehículos se comuniquen entre sí y con una gran cantidad de infrasestructuras y activos conectados al instante.

Capgemini tiene una amplia experiencia en el despliegue de la conducción autónoma 5G, desde la construcción de la infraestructura hasta el diseño y fabricación de vehículos con tecnología 5G incorporada. Y con Capgemini Engineering, somos una empresa global, con una amplia experiencia en ingeniería de producto y dominio de datos, capaz de implementar la tecnología a escala que apuntala el progreso de la industria inteligente. Sobre todo, podemos co-desarrollar sistemas y tecnologías de vehículo autónomo, así como validar y verificar las responsabilidades relevantes para su seguridad, de forma que los vehículos avanzados y autónomos puedan estar en la carretera de forma segura antes.

¡Descubre más sobre la validación de sistemas de automatización de conducción!

Cloud

Equipo directivo

Inteligencia Artificial