Un equipo de la Scuola Superiore Sant’Anna ha desarrollado un vehículo experimental capaz de aprender por sí mismo, de mejorar su comportamiento con la experiencia y de adaptarse a situaciones nuevas sin depender de actualizaciones remotas enviadas desde un servidor central.
Es decir, un coche ‘autodidacta’ y ‘hecho a sí mismo’ que evoluciona con el uso, como si fuese un alumno ‘aventajado’ que cada día entiende e interpreta mejor su entorno y el mundo que le rodea. La idea rompe con el modelo que predomina en la industria, donde la inteligencia del vehículo depende de grandes centros de datos que procesan millones de kilómetros recorridos por infinidad de vehículos y envían mejoras periódicas a los coches conectados.
El proyecto se basa en un sistema de conducción autónoma completamente open source -es decir, abierto al público y modificable-, algo poco habitual en un sector donde casi todo el software es propietario -lo que suele significar que es cerrado y solo el fabricante o marca lo pueden ‘tocar’-. Esto permite que los módulos que componen la inteligencia del coche -percepción, planificación, control, gestión energética- puedan modificarse, ampliarse o reorganizarse sin necesidad de reconstruir el sistema desde cero.
El vehículo experimental utiliza un competo hardware con seis cámaras, sensores lídar -un láser que mide distancias y genera un mapa tridimensional del entorno-, sistemas de posicionamiento y un ordenador de a bordo capaz de procesar toda esa información en tiempo real. Con este conjunto, el coche puede reconocer peatones, ciclistas, señales, semáforos y obstáculos, y ajustar/mejorar su comportamiento en función de lo que ocurre a su alrededor.
Lo que convierte a este prototipo en algo distinto no es solo su capacidad para detectar el entorno, sino para aprender de él. Cada situación vivida se convierte en un dato útil que el sistema incorpora para mejorar su precisión. Si un cruce resulta especialmente complejo, el coche lo recordará y ajustará su comportamiento la próxima vez. Si una señal está parcialmente tapada, el sistema aprenderá a interpretarla con mayor tolerancia. Y si un peatón actúa de forma imprevisible, el algoritmo incorporará ese patrón para anticiparlo en el futuro.
Este tipo de aprendizaje incremental y acumulativo -que, como decimos, no depende de la nube, sino del propio vehículo- reduce la necesidad de enviar datos sensibles a servidores externos y permite que el coche evolucione incluso en entornos sin conectividad -algo que también puede tener repercusiones positivas en cuanto a la ciberseguridad-.
El proyecto está dirigido por el laboratorio ReTiS del Instituto TeCIP, bajo la coordinación del profesor Giorgio Buttazzo, y forma parte de una iniciativa financiada por el programa europeo NextGenerationEU dentro del PNRR italiano. Además del desarrollo del software, la Scuola Sant’Anna está construyendo un circuito urbano experimental en colaboración con el Ayuntamiento de Pisa. Será un entorno realista, con cruces, semáforos y señalización, donde se podrán probar tecnologías autónomas en condiciones controladas. La idea es reproducir la complejidad de una ciudad sin poner en riesgo a nadie, algo esencial para validar sistemas que aprenden de la experiencia.
Este enfoque plantea preguntas interesantes sobre el futuro de la movilidad. Si un coche puede mejorar por sí mismo, ¿cómo se certifica un sistema que cambia con el tiempo? ¿Qué papel tendrá el fabricante cuando el vehículo sea capaz de evolucionar sin depender de él? ¿Y cómo se garantiza que ese aprendizaje no derive en comportamientos inesperados?
Autodidacta o no, la ciberseguridad será fundamental
La idea de un coche que aprende por sí mismo es muy interesante, pero también abre un frente crítico: la ciberseguridad. A medida que los vehículos incorporan más sensores, más software y más capacidad de decisión, también aumentan los puntos vulnerables. Un sistema autodidacta puede ser más flexible, pero como nos recuerdan los expertos del Área Técnica de la empresa EUROCYBCAR -cuya CEO y fundadora es Azucena Hernández– también más difícil de auditar, porque su comportamiento evoluciona con el tiempo.
Esto obliga a diseñar mecanismos de supervisión que verifiquen que el aprendizaje no introduce sesgos peligrosos o reacciones inesperadas. Además, incluso si el coche no depende de actualizaciones remotas, sigue necesitando protección frente a ataques locales, manipulación de sensores o interferencias en las comunicaciones internas.
La ciberseguridad es, en definitiva, un factor importante en la conducción autónoma del tipo que sea; por eso, los fabricantes y, en este caso, los centros de investigación deben integrar esa seguridad desde el primer día, no como un parche posterior.
