Hace
no mucho tiempo, funciones como la dirección asistida y las llamadas manos
libres eran adicionales en un automóvil. Sin embargo, hay una función que
todavía no ha avanzado lo suficiente: la seguridad automática en tiempo real y el
uso de sensores para evitar choques mientras se conduce. El área de alto
tránsito vehicular de Módena, en Italia, está siendo utilizada como laboratorio
urbano para desarrollar tecnologías de sensores capaces de “ver” a través de
vehículos cercanos, a la vuelta de las esquinas o detrás de los edificios, para
prevenir choques.
El proyecto
de investigación EU CLASS, que comenzó en 2018 y se extendió hasta junio de este
año, es liderado por el Centro de Súper Computación de Barcelona (BSC), en
España. A través de una colaboración entre la Universidad de Módena y Reggio
Emilia (UNIMORE) en Italia, la ciudad de Módena, Atos, el fabricante de
automóviles Maserati y nuestro equipo de IBM Research de Haifa, Israel; han
convertido una zona de Módena con mucho tráfico en un laboratorio urbano con
este proyecto. Se ha demostrado que es posible equipar a una ciudad y a los vehículos con sensores
de tal manera que permitan a los automóviles “saber” qué hay detrás de objetos
cercanos y “ver” a la vuelta de las esquinas, con el objetivo de ayudar a los
conductores a evitar choques y mejorar el flujo de tránsito.
Un
prototipo de doble verificación de puntos ciegos que cubre toda una ciudad
En la
actualidad, los sistemas de sensores de automóviles son limitados. No pueden “ver”
que hay detrás de un edificio o de un camión que se desplaza por el carril de
al lado. Y los conductores que salen de los espacios de estacionamiento,
incluso en un automóvil que cuenta con el más avanzado equipamiento, pueden no
ver un vehículo o una persona que se acerca si están bloqueados por otros
obstáculos en espacios adyacentes. Del mismo modo, los automóviles no cuentan
con el equipamiento adecuado para responder rápidamente si, por ejemplo, un
niño sale desde detrás de un automóvil estacionado. Ningún sensor existente
puede dar a un automóvil (o a su conductor) una advertencia temprana para eso.
Los
autos más nuevos generalmente están equipados con una amplia conexión a
Internet que suele estar basada en celulares. En la mayoría de las ciudades más
grandes del mundo, muchas de las calles son monitoreadas regularmente por
cámaras y otros sensores del municipio local. Si pudiéramos compartir
información de esos sensores en las vías públicas y de los vehículos que
conducen en calles adyacentes, los automóviles podrían “percibir” los peligros
que se aproximan desde diferentes perspectivas y distintos orígenes, además de
lo que pueden ver y detectar en su trayectoria de conducción actual.
Los autos
con sensores y conectividad que circulan por las calles en sentido contrario se
convertirían entonces en una fuente de información en zonas no cubiertas por el
municipio. Esto es exactamente lo que CLASS se propuso hacer.
Como
parte del proyecto, IBM desarrolla el prototipo experimental de un sistema que
integra computación edge con infraestructura en la nube, reuniendo múltiples
fuentes de información del municipio y otros vehículos para ser verificada en
tiempo real. El tiempo de respuesta es la cantidad de tiempo que pasa desde el
momento en que la información ingresa a un sistema hasta que un insight o
un posible resultado derivado de esa información se entrega en su destino.
Específicamente, buscamos reducir los accidentes automovilísticos al aumentar
significativamente las capacidades de detección de los automóviles, incluso
para eventos que tienen lugar más allá del campo de visión o monitoreo de los
conductores y los sensores.
Sensores,
sensores en todos los lugares
Primero se equiparon las calles con sensores avanzados que se conectaban al centro de
datos principal de la ciudad a través de una infraestructura de red óptica
subterránea. El centro de datos se convirtió efectivamente en la “nube” del
proyecto. Luego se equipó un sedán experimental Maserati Quattroporte y una SUV
Levante con un conjunto de sensores también, incluyendo cámaras HD, LIDARs y
GPS, todos conectados a la infraestructura de la ciudad con una celda LTE
dedicada.
También
modernizaron los dos autos con una GPU Nvidia Jetson incorporada y una
computadora portátil que sirvió como una consola para el Sistema Avanzado de
Asistencia al Conductor (ADAS) a bordo, que permitiría al conductor recibir
notificaciones CLASS provenientes del centro de datos de la ciudad.
Para los
conductores experimentales profesionales de Maserati, todos estos protocolos y
componentes equivalían a un único canal nuevo de notificaciones que aparecía en
la consola ADAS. Las notificaciones alertaron a los conductores de posibles
obstáculos y colisiones mucho antes de que pudieran haber ocurrido, a veces
mucho antes de que pudieran ser vistos, dándoles tiempo suficiente para
responder.
La clave
de la operación de CLASS fue la integración de la información del vehículo a la
nube en tiempo real proveniente de las cámaras de la ciudad y los sensores
instalados en otros vehículos que viajan cerca. El procesamiento de datos
incluyó la detección de objetos captados por los sensores (video, LIDAR y
radar), el análisis de trayectorias futuras de objetos de tráfico y pronósticos
de posibles accidentes basados en esas trayectorias. La predicción de
trayectorias y choques de forma simultánea y eficiente fue realizada por
nuestro motor Lithops,que
se adaptó durante el proyecto para el procesamiento rápido de datos de edge a
cloud con bajo overhead, sobre una infraestructura serverless.