Este es SAM, la apuesta de Nissan por las escuelas de coches autónomos utilizando IA y la experiencia de la NASA
SAM son las siglas de Seamless Autonomous Mobility, o movilidad inteligente constante, un sistema de Inteligencia Artificial de Nissan con el que el fabricante japonés busca optimizar la toma de decisiones de los coches autónomos en situaciones especialmente complejas o impredecibles.
Nissan ha dado a conocer este sistema en el marco de sus visiones sobre el futuro de la movilidad, dando por hecho que todavía es pronto para que los coches autónomos sean capaces de decidir qué hacer cuando las situaciones reales se salen del conjunto de situaciones tipo para las que los vehículos saldrán preparados de fábrica.
Precisamente uno de los problemas básicos que presenta la conducción autónoma se encuentra en la incapacidad del coche autónomo para tomar ciertas decisiones. Tal y como reconocen en Nissan, "aún no estamos en el punto de poder confiar en nuestros vehículos para que tomen todas las decisiones correctas o sepan exactamente cómo reaccionar en situaciones impredecibles".
La tecnología SAM tiene como objetivo garantizar un sistema de movilidad fiable en el que millones de coches autónomos operen de forma segura, haciendo frente no sólo a condiciones ideales de circulación, sino también a las ocasionadas por siniestros viales, obstáculos u otros imprevistos.
Si llevamos estas dificultades al terreno del aprendizaje de la conducción por parte de humanos, tenemos que cualquier conductor comienza su viaje con un conjunto muy reducido de situaciones a las que sabe hacer frente, y es al cabo del tiempo que una experiencia enriquecedora va conformando su bagaje. Ese bagaje es el que le servirá para elegir las decisiones más adecuadas ante las situaciones que vaya encontrando, según el siguiente esquema:
| A medida que el conductor avanza realiza estos procesos de manera continua: | |
|---|---|
| Observación | La observación del conductor debe ser ágil y dinámica. En la conducción autónoma las cámaras y sensores se encargan de recabar la información. |
| Selección | Cuando el conductor observa su entorno, elige qué estímulos le interesan y cuáles son superfluos. En un entorno de conducción autónoma, en principio son los eventos que suceden alrededor del vehículo los que resultan relevantes o irrelevantes para el desarrollo de la conducción. |
| Comparación | Tanto el conductor humano como el vehículo autónomo dependen de un bagaje que les permita interpretar las informaciones observadas para darles la respuesta más adecuada, en función de la experiencia adquirida a lo largo del tiempo. En conducción autónoma se parte de un registro limitado, pero la experiencia se puede transmitir rápidamente de vehículo a vehículo. |
| Decisión | Ante una situación dada, conviene decidir con sentido común cuál es la respuesta más adecuada, buscando el equilibrio entre la seguridad y la fluidez. Este es el punto crítico de la conducción, sea humana o autónoma. |
| Ejecución | Mecanizar la decisión y trasladarla a órdenes que interprete y realice el vehículo es algo que a un coche autónomo le resultará siempre más rápido que a un conductor humano, debido a las limitaciones de este último frente al primero. |
Quizá sea por esto que la solución de Nissan pasa por que sea un consultor humano, un gestor especialista en movilidad, quien enseñe a los coches autónomos, y luego sean los mismos coches los que aprendan unos de otros, por telepatía... o más bien gracias a la experiencia almacenada en la nube y consultada por los vehículos cuando sea necesario.
Un consultor humano enseña a los coches autónomos, y luego los coches aprenden unos de otros
Frente a las iniciativas de incluir Grand Thief Auto como modelo para coches autónomos o de enviar una flota de BMW Serie 7 a luchar contra los elementos que hay por ahí sueltos, Nissan apuesta por que los coches consulten a un profesional cuando no sepan muy bien qué hacer.
Así es como lo explican en Nissan:
Imagine que un vehículo autónomo se está moviendo por las calles de la ciudad y se encuentra con un accidente, con la policía usando señales manuales para dirigir el tráfico, y quizá a través de líneas amarillas dobles y ante semáforos. El vehículo no puede, y no debe, juzgar de manera fiable qué hacer por sí mismo.
Aquí entran en acción los sensores del vehículo. LiDAR, cámaras y radares que detectan los posibles problemas... aunque "el juicio humano es necesario para entender lo que otros conductores y peatones están haciendo y decidir el curso de acción apropiado", según detallan. En otras palabras, aprovechar la tecnología que ya utiliza la NASA y aplicarla a la conducción autónoma, tal y como se aprecia en esta videoinfografía del fabricante de Yokohama:
NASA VERVE (Visual Environment for Remote Virtual Exploration) es el software que se utiliza para visualizar y supervisar los robots de la NASA. Estas máquinas utilizan tecnología autónoma para evitar obstáculos y calcular rutas alternativas de conducción seguras en el caso de situaciones imprevistas e inciertas. Sin embargo, cuando el entorno dificulta la toma de decisiones autónoma, son los supervisores de la NASA quienes dibujan la ruta deseada y la envían al robot para que la ejecute.
Trasladada esta forma de operar al mundo de la conducción autónoma en la Tierra, tenemos que SAM propone una parada del coche autónomo en lugar seguro para consultar al centro de operaciones. La solicitud llega al primer gestor de movilidad que haya disponible y este, siguiendo las imágenes de los vehículos y los datos recogidos por los sensores y transmitidos a través de la red inalámbrica, evalúa la situación antes de dar una respuesta correcta.
El peso del Big Data en el aprendizaje de la conducción autónoma por los mismos coches autónomos
Cuando el gestor de movilidad tiene clara cuál debe ser la acción correcta en ese escenario, define el camino más seguro alrededor del obstáculo y lo dibuja sobre una pantalla, para que el vehículo lo siga antes de volver al modo de conducción autónoma y continuar por la ruta definida de antemano.
Además, en este sistema las tecnologías car-to-X y car-to-car se suman, de manera que el vehículo consulta a un sistema de supervisión qué hacer en una situación complicada, para luego transmitir su conocimiento al resto de los coches. No se trata de una tecnología que Nissan se reserve para sus coches solamente, sino que tendrá mayor sentido cuantos más sean los vehículos autónomos que se sumen al sistema SAM.
Nissan augura que, a medida que el sistema aprenda de la experiencia y mejora la tecnología autónoma, los vehículos requerirán menos asistencia y cada gestor de movilidad podrá ayudar a un mayor número de vehículos a la vez. Es un proceso comparable al que sigue un preconductor a medida que va adquiriendo experiencia y su profesor de formación vial va retirando facilitadores pedagógicos.
SAM de Nissan: eliminando al conductor humano sin eliminar al trabajador humano
Según explica Nissan, existen varios factores que determinarán cuántos gestores serán necesarios: "Por ejemplo, cuánto está ocupada la zona y qué servicio está proporcionando el vehículo, ya sea para robo-taxis, robo-shuttle o robo-delivery", en referencia a los vehículos autónomos que operen como taxis, lanzaderas y reparto ligero de mercancías. En definitiva, la visión de Nissan pasa por "cambiar la infraestructura de transporte", en palabras de Maarten Sierhuis, ex científico de la NASA y director del Centro de Investigación de Nissan en Silicon Valley:
"Queremos reducir los accidentes y la congestión de tráfico. Lo que estamos haciendo en Nissan es encontrar una manera para que podamos tener este futuro sistema de transporte no en 20 años o más, sino ahora".
Sin duda alguna, se trata de una interesante vuelta de tuerca al discurso sobre cómo afectará la conducción autónoma al entramado económico actual. Si hacemos caso de lo que explica Nissan, no se trata de eliminar al ser humano del sistema, sino de "utilizar la inteligencia humana más estratégicamente para apoyar un sistema más amplio de movilidad autónoma y ayudar a mejorar la inteligencia artificial de los vehículos en tiempo real".
Habrá que ver cómo se materializa este cambio de escenario, y cómo se resuelve la transición de un modelo en el que el ser humano ha sido irremplazable a los mandos de un vehículo hacia ese otro modelo en el que el ser humano parece estar plenamente capacitado para decidir de forma acertada siempre y de esta manera sienta cátedra con sus decisiones entre los coches autónomos que aprenderán de él. Definitivamente, se trata de un proyecto más que ambicioso.
