Problemas de los coches de autoconducción
La conducción autónoma se refiere normalmente a los vehículos o sistemas de transporte autodirigidos que se mueven sin la intervención de un conductor humano. En 2014, SAE International (Society of Automotive Engineers) publicó la norma J3016 para definir los distintos niveles de desarrollo hasta llegar a los vehículos totalmente autónomos. Los niveles de conducción autónoma van desde el nivel 0 (sin automatización) hasta el nivel 5 (plena autonomía del vehículo).
Tecnología avanzada de sensores, sistemas de control inteligentes y actuadores inteligentes: Para todo, desde la conducción automatizada hasta la autónoma, se requiere una tecnología compleja. Sin embargo, no se trata sólo de que los vehículos automatizados puedan ponerse en movimiento por sí mismos. En el futuro, la seguridad seguirá siendo la máxima prioridad, y la comodidad de los pasajeros será aún más importante.
Los sistemas avanzados de asistencia al conductor también tienen que ser capaces de manejar situaciones de tráfico complejas con seguridad. Para que el vehículo funcione de forma fiable en todas las condiciones de luz y clima, la información de las cámaras, el LIDAR y los sensores de radar debe estar conectada de forma inteligente y contextualizada.
Pros y contras del coche autónomo
La autonomía en los vehículos se suele clasificar en seis niveles,[11] según un sistema desarrollado por SAE International (SAE J3016, revisado periódicamente)[12] Los niveles de SAE pueden entenderse a grandes rasgos como Nivel 0 – sin automatización; Nivel 1 – manos en el volante/control compartido; Nivel 2 – manos fuera; Nivel 3 – ojos fuera; Nivel 4 – mente fuera, y Nivel 5 – volante opcional.
En China se han puesto en marcha dos pruebas de robotaxis de acceso público, en 2020 en el distrito de Pingshan de Shenzhen por la empresa china AutoX[20] y en 2021 en el parque de Shougang de Pekín por Baidu, sede de los Juegos Olímpicos de Invierno de 2022[21].
Se han llevado a cabo experimentos con sistemas de conducción automatizada (ADS) al menos desde la década de 1920;[22] los ensayos comenzaron en la década de 1950. El primer coche semiautomatizado fue desarrollado en 1977 por el Laboratorio de Ingeniería Mecánica de Tsukuba, en Japón, y requería calles especialmente marcadas que eran interpretadas por dos cámaras en el vehículo y un ordenador analógico. El vehículo alcanzaba velocidades de hasta 30 kilómetros por hora (19 mph) con el apoyo de un carril elevado[23][24].
Accidente de coche autodirigido
Ser capaz de generar escenarios de prueba adecuados para validar las funciones de conducción autónoma es de suma importancia para el despliegue de los vehículos autónomos. Sin embargo, se ha demostrado que es muy difícil asegurar la integridad de los casos de prueba generados y la cobertura de todas las posibilidades. Anteriormente, los pocos intentos que han tratado de generar posibilidades representativas se han basado en la experiencia del diseñador y, por lo tanto, son inherentemente incompletos. Este trabajo propone un enfoque inspirado en los sistemas formales que resuelve este problema. Con este enfoque, se generaron 2.544 casos de uso básicos desde una perspectiva de exhaustividad. Posteriormente, con el fin de acelerar el trabajo de desarrollo de nuestro vehículo autónomo, utilizamos este activo para aclarar qué casos de uso deben resolverse y en qué orden.
Conducción autónoma
Automated Driving Toolbox™ proporciona algoritmos y herramientas para diseñar, simular y probar sistemas ADAS y de conducción autónoma. Puede diseñar y probar sistemas de percepción de visión y lidar, así como fusión de sensores, planificación de trayectorias y controladores de vehículos. Las herramientas de visualización incluyen un gráfico a vista de pájaro y un alcance para la cobertura de los sensores, las detecciones y las pistas, así como visualizaciones de vídeo, lidar y mapas. La caja de herramientas le permite importar y trabajar con los datos de HERE HD Live Map y las redes de carreteras de OpenDRIVE®.
Con la aplicación Ground Truth Labeler se puede automatizar el etiquetado del terreno para entrenar y evaluar los algoritmos de percepción. Para las pruebas de hardware en bucle (HIL) y la simulación de escritorio de la percepción, la fusión de sensores, la planificación de rutas y la lógica de control, puede generar y simular escenarios de conducción. Puede simular la salida de los sensores de la cámara, el radar y el lidar en un entorno 3D fotorrealista y las detecciones de los sensores de los objetos y los límites del carril en un entorno de simulación 2,5D.
Automated Driving Toolbox ofrece ejemplos de aplicación de referencia para las funciones más comunes de ADAS y de conducción automatizada, como la advertencia de colisión frontal, el frenado autónomo de emergencia, el control de crucero adaptativo, el asistente de mantenimiento de carril y el asistente de aparcamiento. La caja de herramientas admite la generación de código C/C++ para la creación rápida de prototipos y las pruebas HIL, con soporte para la fusión de sensores, el seguimiento, la planificación de trayectorias y los algoritmos de control del vehículo.