Lunes , junio 24 2019

Suscribete gratis a nuestro boletin semanal

VISIONA . DESARROLLADORES . CONECTADOS .

Suscribete nuestro boletin semanal

PATROCINADORES
.
Home / Software Embebido / Coches autónomos basarán su éxito en aprendizaje profundo

Coches autónomos basarán su éxito en aprendizaje profundo

La efectividad de los vehículos autónomos depende del grado de aprendizaje profundo que posean las máquinas para detectar objetos según el orden de prioridad, aseguran expertos.

(ElectronicosOnline.com Magazine / Oswaldo Barajas)

Los vehículos sin conductor serán algo común en un futuro no muy lejano, pero a fin de que esta previsión se vuelva realidad, dependerá de cómo las computadoras automotrices reconozcan su entorno y prioricen por grado de importancia los objetos para determinar si se trata de animados o inanimados.

Coches autónomos basarán su éxito en aprendizaje profundo

Con esta habilidad los sistemas automotrices podrán identificar peatones, animales, semáforos, vehículos y hasta obstáculos en las calles, pero aunque parece sencillo a la lectura, resulta altamente complejo y ha significado un gran obstáculo para las compañías, centros de investigación y entidades que participan en este campo tecnológico el hallar un modelo que reúna todos los requisitos para que los coches autónomos sean ya una realidad comercial.

Diversos científicos coinciden en que la base para que estos vehículos guiados por computadora sin necesidad de asistencia humana sean lo suficientemente confiables y por consiguiente sean desplegados masivamente en el mercado global, radica en el aprendizaje profundo de las máquinas.

Uno de los grupos académicos que trabaja activamente en el desarrollo de sistemas computacionales aplicados a plataformas automotrices autónomas, es el de la Universidad de California en San Diego, que recientemente presentó un nuevo algoritmo capaz de hacer que una computadora “aprenda a observar” hacia donde se dirige el vehículo.

En el comunicado de prensa de la institución se informa que los investigadores de la carrera de Ingeniería Electrónica desarrollaron un sistema de detección de peatones que trabaja en tiempo real con un rango de 2 a 4 cuadros por segundo (fps) y un margen de error 50 por ciento menor al que registran sistemas similares.

Este sistema fue construido aplicando modelos computacionales de aprendizaje profundo, y de acuerdo a sus desarrolladores, podría ser implementado en plataformas para coches autónomos, sistemas robóticos, procesamiento de imágenes y motores de búsqueda de información.

La precisión del nuevo algoritmo de detección se debe a que funciona con datos en tiempo real y no depende de comunicaciones por radar o satelital, lo que de alguna manera tiende a retardar los tiempos de respuesta de los sistemas como sucede con algunos sistemas similares. El mecanismo utiliza una videocámara para la captura de imágenes y un hardware relativamente sencillo para el procesamiento de datos, con lo cual los investigadores prevén pueda reducirse considerablemente los costos de este producto en el mercado.

- PUBLICIDAD -

“Nuestro objetivo es construir sistemas de visión que ayuden a las computadoras a entender mejor el mundo que las rodea”, opinó Nuno Vasconcelos, profesor de Ingeniería Electrónica de la Universidad de San Diego, y líder del proyecto de desarrollo.

Los científicos explican que su trabajo ha girado en torno a reducir los tiempos operativos de los sistemas de visión artificial con los que trabajarán los vehículos autónomos, de esta será posible que los cálculos del sistema sean más rápidos y por consiguiente se generen las respuestas más indicadas en el menor tiempo posible para evitar percances viales.

Deep_learning
Aprendizaje profundo de máquinas es la clave para que los vehículos autónomos sean comercialmente una realidad.
   

Existen sistemas que basan su trabajo en detección del tipo cascada, que se caracteriza por identificar rápidamente peatones conforme se realiza la captura de imágenes, pero su debilidad es que carecen de potencial para distinguir entre peatones y objetos inanimados similares que posean por ejemplo, la misma dimensión o altura de una persona.

Por otra parte, también existen sistemas creados con modelos basados en redes neuronales profundas, y aunque su potencial es superior al del tipo cascada para el reconocimiento de patrones complejos, trabajan demasiado lento, lo que resulta inviable tomando en cuenta que el tiempo es un factor clave para que el sistema del coche pueda responder de inmediato para evitar un accidente fatal.

Con tales antecedentes, los ingenieros californianos se dieron a la tarea de conjuntar en una sola plataforma las ventajas de las tecnologías del tipo cascada y de las redes neuronales profundas. Como resultado consiguieron crear un algoritmo capaz de detectar patrones complejos más rápidamente que los sistemas más modernos.

El informe señala que los proyectos experimentales que actualmente lideran compañías como Google aun dependen de tecnología ligada a radar, sensores y módulos GPS, todos estos combinados en una plataforma robusta que utiliza mapeo satelital para la detección de objetos, sin embargo, son prototipos funcionales que resultan altamente costosos si se comercializaran hoy en día por la cantidad de componentes que lo integran.

De tal manera que Google se ha puesto como meta trabajar en una solución alterna que suprima recursos de comunicación como radar o GPS, y en su lugar utilizar visión artificial con cámaras embebidas siguiendo la misma filosofía de diseño de algoritmos de aprendizaje profundo para integrarlo en sus próximos prototipos.

En 2015 la plataforma vehicular de Google documentó un tiempo de respuesta de 0.25 segundos para detectar un transeúnte, pero de acuerdo a Anelia Angelovam, investigadora en Visión Artificial y Aprendizaje de Máquinas para Google, la firma se ha propuesto reducir este lapso a .07 segundos en sus próximas plataformas que actualmente se encuentran en etapa de investigación y desarrollo.

- PUBLICIDAD -

Revisa también ...

¿Deseas saber qué tan vulnerable es tu sistema? Utiliza este sensor de Mitsubishi

Mitsubishi Electric ha puesto a disposición de la comunidad de desarrolladores un algoritmo que pueden …

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos necesarios están marcados *