Los ingenieros de Porsche Engineering han estado investigando sistemas que en el futuro tendremos en todos los coches. Se trata del principio Big Data Loop, con el cual el vehículo está actualizando sus datos de manera constante. Cada segundo, el vehículo desarrolla un bucle de información, de modo que aprende a cada instante. De una manera similar, por no decir idéntica, a como un conductor humano va aprendiendo conforme va acumulando experiencia real en carretera.

Porsche ha realizado este experimento basándose en un sistema visto comúnmente entre los sistemas ADAS de los coches que tenemos en la actualidad. En concreto, del sistema de control de crucero adaptativo. Este sistema es capaz de mantener la velocidad designada por el conductor, incluso cuando este levanta el pie del acelerador. Al ser adaptativo, se amolda a las condiciones de la carretera. Los sensores, cámaras y láseres detectarán si hay un vehículo delante, manteniendo la distancia en todo momento. Si el vehículo precedente acelera, el nuestro lo hará, si frena, también lo hará. Otra posibilidad es regular la distancia entre coches que se desea.

Los ingenieros de Porsche Engineering han llevado este Big Data Loop a cabo junto con Porsche AG y Cariad, compañía de software y tecnología. Cariad es también parte del Grupo Volkswagen, al igual que la marca de Stuttgart. El bucle funciona de la siguiente manera: el vehículo analiza datos y los envía a una nube. Estos datos se utilizan para entrenar a la inteligencia artificial, se mejora el algoritmo y se utiliza nuevamente. Por ello está en constante movimiento, de ahí este bucle de Big Data.

El experimento: anticiparse al tráfico

La idea es registrar solo y exclusivamente los datos que puedan servir a la IA para aprender. Los sistemas ADAS actuales ya de por sí generan una gran cantidad de Big Data, como se puede suponer. Pero lo que interesa aquí es lo que le ayude a mejorar. Son estos los pasos necesarios para que esté más cerca de nosotros la conducción autónoma de nivel 3, 4 o 5 en nuestras carreteras. Si nos ceñimos al control de crucero adaptativo, por ejemplo, el sistema ha de anticiparse a un posible vehículo que nos adelante y se vaya a colocar por delante nuestra, en el mismo carril. Es decir, una nueva referencia, diferente a la anterior, sobre la que guardar una distancia determinada.

“Por ejemplo, solo queremos registrar los datos que realmente ayudan al sistema a aprender«, dice el director del proyecto Philipp Wustmann, experto en control longitudinal y lateral de Porsche Engineering. «Eso no es tarea fácil, porque los sensores de radar y las cámaras generan muchísimos datos, la mayoría de ellos no relevantes para la función que se está considerando”, afirma según el comunicado de Porsche.

Una cosa similar ya existe en un modelo de calle de Porsche. El eléctrico Taycan incorpora el llamado SceneDetector. No se trata de un sistema que grabe imágenes de vídeo sin más. Lo que hace es filtrar situaciones determinadas en las cuales registre que el control de crucero adaptativo no funcione al 100% como debería. Por ejemplo, si detecta otro vehículo muy tarde o lo hace de manera incorrecta. También detecta situaciones anómalas: por ejemplo, un vehículo que vaya a incorporarse, encienda los intermitentes, pero a última hora no lo haga, o bien no detectar las líneas del carril. Estos son conocidos como casos límite.

Simulación y ejemplos

El SceneDetector cuenta con un software llamado Automated Measurement Data Analytics (AMDA). Una vez toma unas cinco situaciones instructivas, estas imágenes llegan al Centro Virtual de Pruebas ADAS de Porsche Engineering, PEVATeC (siglas en inglés). Aquí, utilizando un motor para generar imágenes (de manera similar que un simulador de PC o de videoconsola), se simulan estas situaciones y se obtienen mediciones para compararlas con las del vehículo real. Aquí es donde se le enseña cómo actuar en cada uno de estos casos. Como desarrollar la intuición del conductor experimentado, por así decirlo.

En un caso de verdadero positivo, el sistema ha de detectar cuando un vehículo se va a incorporar al mismo carril. Al anticiparse, puede realizar una frenada anticipada y progresiva, sin activar de manera brusca el módulo de frenos. Por el contrario, en un caso de falso positivo debe saber como actuar, o como no actuar. Si detecta que un vehículo se está desplazando pero no va a meterse en el mismo carril, puede ser capaz de interpretarlo. Y de esta manera, evitar frenadas innecesarias. De este modo, cuando más ejemplos puedan analizar y recrear, mejor ‘intuición’ tendrá la IA en el futuro con estos sistemas ADAS.

Los ingenieros de Porsche se encargan de realizar el entrenamiento en base a los datos adquiridos. Cuando valoren que el entrenamiento ha dado frutos positivos, se creará una nueva versión del sistema ADAS en concreto. Ese software llegaría al vehículo (es decir, tecnología OTA, siglas de Over the Air) para que el conductor valide si quiere la versión actualizada. Esta acción, la de pulsar un botón, es la única de la que se encarga el conductor de manera manual. Todo lo demás está automatizado.

Cuatro meses

En tan solo cuatro meses Porsche Engineering ha logrado implantar el control de crucero adaptativo con autoaprendizaje con éxito. El siguiente paso será utilizar esta misma arquitectura para probar y validar una nueva generación de sensores, que funcionen mejor que los existentes. Lo siguiente será llevar el Big Data Loop a la producción en serie. Esta retroalimentación de datos del propio vehículo es también un paso importante para la conectividad entre diferentes vehículos en el futuro.

Gracias a su pertenencia al Grupo Volkswagen, Porsche puede manejar una gran cantidad de información Big Data. La base de datos de software es compartida para Volkswagen, Audi, Porsche, SEAT, Skoda o Lamborghini entre otras. Estos datos se centralizan en la empresa I Am Digital, cuya dueña es a su vez la compañía Cariad.

“Recibir información directa de las flotas de clientes de diferentes países ahorraría una inmensa cantidad de tiempo, dinero y pruebas. La tecnología también podría ser interesante para el guiado lateral, por ejemplo, para el sistema de mantenimiento de carril”, declaró Wustmann, director de este proyecto.