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 lo informado por ScienceDailyun 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 de hardware y software para hacerlo.
Mejorar la seguridad de los vehículos autónomos sigue siendo una de las tareas más difíciles de la IA 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 cambian constantemente, como las condiciones de la carretera, la topografía, el clima, la iluminación y el tráfico.
El panorama y los algoritmos de los vehículos autónomos cambian constantemente, y las empresas necesitan una forma de mantenerse al día con los cambios y responder a los nuevos problemas. Los investigadores de Illinois están trabajando en una plataforma que permite a las empresas abordar problemas de seguridad identificados recientemente con un método rápido y rentable. Sin embargo, la gran complejidad de los sistemas que impulsan los vehículos autónomos hacen que esta sea una tarea enorme. El equipo de investigación está diseñando un sistema que podrá realizar un seguimiento 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 con bastante seguridad. Sin embargo, cuando ocurre una falla o un evento inesperado, actualmente es más probable que un vehículo autónomo tenga un accidente que los conductores humanos, ya que el vehículo a menudo tiene problemas para negociar emergencias repentinas. Si bien es cierto que es difícil cuantificar qué tan seguros son los vehículos autónomos y que tiene la culpa de los accidenteses evidente que las averías de un vehículo que circula a 70 mph por una carretera pueden resultar extremadamente peligrosas, de ahí la necesidad de mejorar la gestión de emergencias por parte de los vehículos autónomos.
Saurabh Jha, candidato a doctorado y uno de los investigadores involucrados en el programa, explicó a ScienceDaily la necesidad de mejorar el manejo de fallas en vehículos autónomos. Jaha explicó:
“Si un conductor de un automóvil típico detecta un problema, como que el vehículo se desvía o tira, puede ajustar su comportamiento y guiar el automóvil a 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 capacitado para tales problemas. En el mundo real, hay un número infinito de tales casos”.
Los investigadores tienen como objetivo resolver este problema mediante la recopilación y el análisis de datos relacionados con los informes de seguridad presentados por las empresas de vehículos autónomos. Las empresas como Waymo y Uber deben presentar informes al DMV en California al menos una vez al año. Estos informes contienen datos sobre estadísticas como la distancia que han recorrido los automóviles, cuántos accidentes ocurrieron y en qué condiciones estaban operando los vehículos.
El equipo de investigación de la Universidad de Illinois analizó informes que abarcan los años 2014 a 2017. Durante este período, los vehículos autónomos recorrieron alrededor de 1,116,000 millas distribuidas en 144 vehículos diferentes. Según los hallazgos del equipo de investigación, en comparación con la misma distancia recorrida por conductores humanos, los accidentes tenían 4000 veces más probabilidades de ocurrir. Los accidentes pueden implicar que la IA del vehículo no pudo desconectarse correctamente y evitar el accidente, confiando en cambio en el conductor humano para tomar el control.
Es difícil diagnosticar errores potenciales en el hardware o software del vehículo autónomo porque muchos errores se manifestarán solo bajo las condiciones correctas. Tampoco es factible realizar pruebas en todas las condiciones posibles que podrían ocurrir en la carretera. En lugar de recopilar datos sobre cientos de miles de millas reales registradas por vehículos autónomos, el equipo de investigación está utilizando entornos simulados para reducir drásticamente la cantidad de dinero y el tiempo dedicado a generar datos para el entrenamiento de vehículos autónomos.
El equipo de investigación utiliza los datos generados para explorar situaciones en las que pueden ocurrir fallas AV y problemas de seguridad. Parece que el uso de las simulaciones realmente puede ayudar a las empresas a encontrar riesgos de seguridad que de otro modo no podrían. Por ejemplo, cuando el equipo probó el Apollo AV, creado por Baidu, aisló más de 500 casos en los que el AV no pudo manejar una situación de emergencia y, como resultado, se produjo un accidente. El equipo de investigación espera que otras empresas hagan uso de su plataforma de pruebas y mejoren la seguridad de sus vehículos autónomos.