¿Vas todos los días en coche al trabajo? Seguro que ya te conoces el camino como la palma de tu mano… Pues bien, un equipo de investigadores trabaja para que los coches autónomos puedan aprenderse las rutas igual que tú.
Gracias a sus redes neurales artificiales, los vehículos autónomos reconocen a otros automóviles, peatones, obstáculos… Sin embargo, estas redes no les proporcionan memoria, por lo que no son capaces de determinar si ya habían pasado antes por esa vía.
Un grupo de investigadores del Colegio Ann S. Bowers de Informática y Ciencias de la Información de la Universidad de Cornell, así como de su Colegio de Ingeniería, se han ocupado de esta deficiencia. En la Conferencia sobre Visión Computacional y Reconocimiento de Patrones 2022 –CVPR-, celebrada en Nueva Orleans, han presentado tres artículos en los que tratan precisamente de proporcionar memoria a estos coches.
Tres publicaciones y un gran paso
El primero de dichos artículos analiza las representaciones que se puede construir un vehículo autónomo gracias al aprendizaje profundo. Los investigadores, bajo la coordinación del doctorando Carlos Díaz-Ruiz, recopilaron una serie de datos del sensor LiDAR de un coche autónomo, fruto de un paseo de 15 kilómetros.
El vehículo realizó dicho trayecto un total de 40 veces, a lo largo de un año y medio. Lo hizo además con condiciones meteorológicas muy diversas y a distintas horas del día. Y es que las condiciones climáticas siguen siendo uno de los grandes desafíos de los vehículos autónomos, porque sus redes neurales no son capaces de identificar un mismo sitio cuando hace Sol, que cuando nieva o llueve…
El segundo artículo científico se centra en el juego de datos procedentes del radar LiDAR. A este conjunto de datos lo llamaron “Ithaca365”, por la ciudad neoyorquina en la que realizaron las pruebas. De acuerdo con los hallazgos, sería posible aprovechar las rutas ya realizadas repetidas veces para mejorar la percepción en 3D que utiliza el vehículo. De esta forma, el coche podría cometer un error en la primera ocasión -por ejemplo, al identificar una forma como un peatón o un árbol-, pero no en las siguientes.
Muy pronto, imitarán la memoria humana
Con esta información, los investigadores proponen adoptar el enfoque “HINDSIGHT”. Al aplicarlo, las redes neurales artificiales procesan descripciones de objetos, las comprimen y las almacenan en un mapa virtual. Este mapa sería lo más parecido a una memoria humana que ha llegado a tener un vehículo autónomo.
Así, el vehículo por fin puede acceder a una base de datos para recordar algo ya aprendido. Paralelamente, los datos se compartirían entre vehículos, mejorando la información disponible para todos ellos. Una vez que el enfoque HINDSIGHT se incorpora a los sensores LiDAR, no hace falta intervención humana en ningún momento para que la máquina aprenda.
La tercera publicación recoge los esfuerzos para lograr que un coche autónomo aprenda desde cero; es decir que, al contrario que con HINDSIGHT, en este caso la red neural ni siquiera ha sido expuesta a objetos previamente. Con MODEST, la red neural artificial aprende progresivamente qué objetos se mueven y cuáles permanecen estáticos.
En consecuencia, sabe distinguir cuándo está ante otros vehículos. Gracias a su aprendizaje sobre los distintos objetos, el algoritmo los detecta con independencia de la vía en la que el vehículo se encuentre, o de si ya había pasado por ella antes.
¿Te fiarás más de los vehículos autónomos cuando tengan tanta memoria? La próxima vez que te pierdas, tal vez sean ellos los que te ayuden a encontrarte…
