Desarrollan IA para hacer que los vehículos autónomos sean más seguros

Los carros autónomos dependen de la inteligencia artificial para predecir hacia dónde irán los autos cercanos. Pero cuando esas predicciones no coinciden con la realidad, esa discrepancia puede potencialmente provocar accidentes y carreteras menos seguras.

Por eso, un estudio de la Universidad de Georgia desarrolló un nuevo modelo de IA para hacer que los autos autónomos sean más seguros.

El estudio presenta un modelo de IA para vehículos autónomos, diseñado para predecir el movimiento del tráfico cercano e incorporar características innovadoras para planificar movimientos seguros de los vehículos.

Los investigadores utilizaron datos de la autopista I-75 en Florida para predecir las rutas de otros autos y determinar el movimiento del auto autónomo cuando sigue a otro vehículo.

Las investigaciones anteriores predicen principalmente los movimientos del tráfico circundante y luego planifican el movimiento de un auto autónomo.

Sin embargo, este enfoque separado hace que los choques y los accidentes casi fatales sean más probables.

“Por eso queríamos consolidar esos dos pasos: hacer que la operación del vehículo autónomo sea más segura“, dijo Qianwen Li, autor principal del estudio y profesor asistente en la Facultad de Ingeniería de la UGA.

“Y como lo ilustran nuestros experimentos, ese enfoque ayuda con el desempeño de seguridad”.

Para mantener seguros a los conductores, los autos autónomos deben poder anticipar con precisión los movimientos del tráfico circundante. Sin embargo, es difícil saber qué harán otros conductores en la carretera.

“Siempre hay diferencias entre su predicción y la realidad“, dijo Li. “La trayectoria planificada del auto autónomo puede colisionar con la trayectoria real de otro vehículo”.

El nuevo modelo fue diseñado para tener en cuenta los errores de predicción, ya que eliminarlos no es posible.

El grupo de Li también está trabajando en el desarrollo de modelos de IA más complejos para operaciones de autos autónomos, como modelos de aprendizaje grandes como ChatGPT.

Los escenarios de tráfico podrían alimentarse a estos modelos, y ellos determinarían el mejor curso de acción.

Sin embargo, los modelos de lenguaje de gran tamaño tienen límites.

Si bien son eficaces para tomar decisiones de alto nivel relacionadas con cómo responder a diferentes situaciones, no están diseñados para planificar los movimientos de un automóvil.

“¿Cómo hacemos un cambio de carril perfecto que sea seguro y también eficiente?”, dijo Li.

“¿Cómo logramos detenernos suavemente para los peatones sin provocar ninguna incomodidad en la conducción?

Básicamente, ¿cómo diseñamos las trayectorias específicas?

Esa parte no se la pedimos a ChatGPT ni a los modelos de lenguaje de gran tamaño porque no tienen la capacidad para hacerlo.

Los modelos de optimización de trayectorias tradicionales pueden hacer un trabajo mucho mejor según nuestros experimentos hasta ahora”.

Diseñar IA para automóviles autónomos es un acto de equilibrio. Maximizar la seguridad a menudo se produce a costa de la movilidad.

Si se le enseña a un automóvil autónomo a conducir de la manera más segura posible, por ejemplo, se mantendrá muy por detrás del automóvil que lo precede.

Si bien es una opción más segura, esa distancia probablemente reduciría la cantidad de automóviles que podrían caber en la carretera en un momento dado.

De manera similar, si se presta demasiada atención a la movilidad, los vehículos podrían conducir de forma demasiado agresiva, lo que aumentaría el riesgo de colisiones.

“Aún estamos trabajando en cómo entrenar el modelo de manera que pueda equilibrar el rendimiento de seguridad y movilidad“, afirmó Li.

Fuente: Science Direct