El Debate sobre Sensores en Vehículos Autónomos: ¿Cámaras, LIDAR o Ambos?
El mundo de la conducción autónoma se vio sacudido esta semana por un video de Mark Rober, una destacada figura de YouTube, en el que comparaba el sistema Autopilot de Tesla, basado en cámaras, con un vehículo equipado con LIDAR, enfrentándolos a diversos obstáculos, incluyendo, como curiosidad, una pared de espuma con una fotografía impresa de una carretera despejada. En el video de Rober, el Autopilot no logró detectar la pared, mientras que el LIDAR, como era previsible, lo hizo sin dificultad.
Análisis de las Pruebas y Sistemas de Tesla
Aunque las pruebas de Rober presentaron algunas deficiencias, la cuestión fundamental sobre cómo funcionan estos diferentes métodos de detección es crucial. Otro YouTuber, Kyle Paul, seguidor de Tesla, publicó un video de respuesta, probando las dos versiones principales del sistema «Full Self Driving» (FSD) de Tesla, el sistema que Rober debería haber evaluado, ya que Autopilot no está diseñado para este tipo de pruebas, pero FSD debe superar un listón mucho más alto. En la prueba de Paul, la versión 12 de FSD en el hardware de tercera generación de Tesla tampoco detectó su pared, pero un Cybertruck, con FSD versión 13 en el hardware de cuarta generación de Tesla, sí se detuvo.
Si bien Paul probó los sistemas correctos de Tesla, su prueba también tuvo fallos. Con un presupuesto mucho menor, su pared no era tan buena como la de Rober. Era notablemente más clara que la carretera, el cielo y el terreno reales, y esto variaba con la luz entre sus dos pruebas. La pared tenía varios defectos con espacios evidentes entre las fotos. Desafortunadamente, los sistemas de visión por computadora, incluso los de aprendizaje automático, se centran en los «bordes», y la pared de Paul estaba llena de bordes claros, lo que aumentaba la probabilidad de detección. La pared de Rober también tenía sus fallos, con diferencias de color y bordes exteriores, pero sin espacios entre las franjas.
Esto sugiere que la detección de esta pared está en el límite, ya que el software y el hardware antiguos fallaron y la nueva generación funcionó correctamente. Nos indica que diferentes paredes podrían ser detectadas por ambos, o por ninguno.
Rober no respondió a las solicitudes sobre qué versión de Tesla Autopilot probó. Autopilot es un sistema mucho más simple que FSD, aunque utiliza el mismo hardware. (Las últimas versiones de Autopilot son más similares y derivadas del software FSD, las más antiguas son un sistema completamente diferente). Pero Autopilot es, en esencia, un sistema de asistencia al conductor, un control de crucero adaptativo avanzado. Hay muchas cosas que los controles de crucero no ven, y dependen del conductor para manejarlas. Los Tesla han chocado contra los laterales de camiones en Autopilot, pero se ha dictaminado que no es un defecto de Autopilot, que no está diseñado ni se espera que sea perfecto en esa tarea. FSD es otra historia. Hoy en día, también es una herramienta de asistencia al conductor, no se espera que sea fiable, pero Tesla ha prometido que, en junio, lo desplegará sin nadie en el coche, y entonces tendrá que ser muy fiable (aunque no perfecto) y no fallar en obstáculos clave.
Red de Ocupación y el «LIDAR Virtual» de Tesla
FSD incluye un «LIDAR virtual» que intenta calcular la distancia a partir de la imagen de la cámara. Tesla lo llama «red de ocupación». Estas herramientas pueden funcionar, aunque no igualan la alta fiabilidad de LIDAR en esa tarea. Los humanos también intentan discernir la distancia a partir de nuestras «cámaras» bidimensionales, pero utilizan la habilidad de la mente humana para hacerlo. De hecho, una pared fotográfica apunta a las cosas en las que una herramienta de este tipo se equivocará. Pero también tiene una buena probabilidad de detectar defectos en la pared, como los bordes. Una pared de video perfecta probablemente engañaría a esta red, y también podría engañar a un humano, pero no engañaría a LIDAR o al radar.
La Cuestión del Radar en los Vehículos Tesla
Otro problema potencial es que Paul sostuvo su pared aparcando un camión detrás de ella. Se aseguró de no chocar contra esa pared, por supuesto. El hardware HW4 de Tesla tiene una versión que incluye un radar de nueva generación, conocido como radar Phoenix. Este está presente en los nuevos Model X e S, pero no en los modelos 3 e Y. Hay informes contradictorios sobre si está presente en el Cybertruck, por lo que no está confirmado, pero si lo estuviera, un radar detectaría el camión y respondería a él. Casi todos los coches autónomos utilizan no solo cámaras, sino también radar y LIDAR. Los modelos de Tesla tenían un modelo antiguo de radar automotriz, pero fue eliminado, y su uso fue desactivado en los coches anteriores.
Ese antiguo radar automotriz podría no ver el camión, por grande y brillante que sea. Esto se debe a que estos radares tienen una resolución muy baja y, por lo tanto, no son muy útiles para objetos detenidos, aunque tienen cierta capacidad con ellos. El radar Phoenix es un radar de imagen que lo detectaría claramente. Tesla debería incluirlo en sus coches FSD, no para detectar paredes pintadas, sino para una detección más fiable de otros obstáculos y su velocidad.
El Cybertruck también es el único entre los Tesla que tiene una cámara frontal adicional. No se sabe cómo utiliza FSD13 esta cámara. Puede que solo se utilice para el sistema de advertencia y prevención de colisiones frontales (y para la conducción todoterreno). Si se utiliza para FSD, su visión «estéreo» ayudaría a detectar algo como esta pared. (Aunque, de nuevo, debería verla fácilmente con una sola cámara). Sin embargo, actualmente no hay confirmación de que FSD utilice esa cámara.
El Debate sobre los Sensores y la Seguridad en la Conducción Autónoma
Esta pared sigue siendo una prueba artificial y poco realista. Rober lo hizo por la diversión de recrear la escena de los dibujos animados, no porque sea algo importante que los coches autónomos deban detectar. Existe un campo de investigación en el que se experimenta con trucos deliberados para engañar a los coches, y parte de la investigación en esa área informa sobre peligros reales, pero la mayoría de los problemas son más académicos que reales, y este es uno de ellos. Ha habido problemas reales de este tipo, como camiones y vallas publicitarias con fotografías pintadas que confundieron a algunos sistemas basados en cámaras; la mayoría de los equipos son conscientes de esto y trabajan para asegurarse de que no cause problemas. También hay ataques adversarios contra el radar y el LIDAR que se han experimentado y publicado.
El debate sobre qué sensores utilizar es real. Muchos, incluido el autor de este análisis, han criticado a Tesla por utilizar solo cámaras. A pesar de las enormes mejoras en el aprendizaje automático que han ayudado a los sistemas de cámaras, la mayoría de los problemas persisten. Tesla quiere trabajar con el hardware que ya envía, que es de bajo costo. La mayoría de los otros equipos consideran que deben utilizar todas las herramientas disponibles, incluidas las capacidades sobrehumanas de LIDAR, el radar e incluso las cámaras térmicas, para garantizar que el sistema sea lo más seguro posible, y luego confiar en la probable reducción masiva del costo de la electrónica a escala para que la solución segura sea más barata. Tesla considera que cualquier solución que funcione realmente necesita tanta inteligencia artificial que podrá hacer el trabajo con los sensores más baratos, y los sensores adicionales solo lo harán más difícil. Nadie está seguro de cuál es la respuesta, aunque la elección de múltiples sensores es la favorita en la industria hoy en día, y el enfoque utilizado por todos los equipos que han hecho un robotaxi funcional, incluyendo Waymo, que ha estado en la carretera sin conductor de seguridad durante más de 6 años.
Al final, no importa mucho si Tesla ve una pared como esta. Lo que importa es lo que hace con los objetos y situaciones del mundo real. Para esto, queremos saber con qué frecuencia el último FSD de Tesla necesita que un humano tome el control para evitar un evento de seguridad, así como para evitar que sea un mal ciudadano de la carretera (bloqueando el tráfico, etc.). Tesla debería conocer muy bien estas estadísticas. Debería estar analizando todas las intervenciones, volviéndolas a ejecutar en el simulador y determinando qué habría sucedido si el conductor humano no hubiera intervenido. Tesla se ha negado a proporcionar estos datos, lo cual es sorprendente. Si tuvieran buenos números en esto, podríamos esperar que lo gritaran a los cuatro vientos, particularmente porque necesitan convencer al público de que es seguro desplegar FSD sin supervisión en un vehículo sin nadie a bordo, como Tesla ha dicho que hará en junio.
La mayoría de los otros proyectos de robotaxis tienen situaciones que no pueden manejar bien, como la nieve o la lluvia extremadamente fuerte que se ve en el video de Rober. Actualmente, simplemente no operan en esas situaciones, y trabajan en expandir lo que pueden hacer para poder operar en más lugares y momentos. Los resultados de estas pruebas no son ni alentadores ni aterradores, ya que solo las estadísticas sobre una gama muy amplia de situaciones importan realmente.
Insights de Evox News: Cómo el Debate sobre Sensores en Vehículos Autónomos Puede Impactar tu Negocio
Este debate sobre la tecnología de sensores en vehículos autónomos, aparentemente técnico, tiene implicaciones significativas para diversas industrias:
Industria Automotriz: La elección entre cámaras, LIDAR y radar, o una combinación de ellos, afecta directamente los costos de producción, la complejidad del diseño y la percepción de seguridad de los vehículos autónomos. Las empresas que apuesten por la tecnología equivocada podrían perder competitividad.
Proveedores de Tecnología: Las empresas que desarrollan y suministran sensores (cámaras, LIDAR, radar) se enfrentan a un mercado en constante evolución. La innovación y la adaptación a las demandas de los fabricantes de automóviles son cruciales.
Seguros: La fiabilidad y la seguridad de los vehículos autónomos son fundamentales para el cálculo de las primas de seguros. La adopción de una u otra tecnología de sensores influirá en la evaluación de riesgos y en los costos de las pólizas.
Logística y Transporte: Las empresas de logística y transporte que planean incorporar vehículos autónomos a sus flotas deben considerar cuidadosamente la tecnología de sensores y su impacto en la eficiencia, la seguridad y los costos operativos.
Innovación y Ventaja Competitiva: La continua investigación y desarrollo en este campo abre un abanico de oportunidades para que surjan nuevos competidores y modelos de negocio, potencialmente de la mano de alianzas estratégicas entre empresas.
Inversión en I+D: Las empresas de todos los sectores mencionados deben invertir en investigación y desarrollo para comprender las implicaciones de las diferentes tecnologías de sensores y adaptarse a los cambios del mercado.
En resumen, el debate sobre los sensores en vehículos autónomos no es solo una cuestión técnica, sino un factor estratégico que puede determinar el éxito o el fracaso de las empresas en diversas industrias. La capacidad de adaptación, la innovación y la toma de decisiones informadas serán clave para navegar en este panorama en constante evolución
