Inteligencia Artificial

Tabla de Contenido

1. RESUMEN 3

2. DESARROLLO 5

VEHÍCULO 7

ARQUITECTURA DE SOFTWARE 8

PERCEPCIÓN DEL ENTORNO 9

PRECISIÓN DE LOCALIZACIÓN 10

NAVEGACIÓN 10

RNDF ROAD NAVIGATION 11

GOOGLE CAR SELF-DRIVING 13

GOOGLE CAR PROS Y CONTRAS 16

3. CONCLUSIONES 18

4. REFERENCIAS BIBLIOGRÁFICAS 19

1. Resumen

El vehículo de conducción autónoma de Google es la extensión de los proyectos que participaron en el DARPA (Defense Advanced Research Projects Agency) de los cuales Sebastián Thrun, fundador de Laboratorios X de Google, fue el líder y gestor de los mismos. Los proyectos Stanley y Junior participaron en el DARPA en los años 2005 y 2007 respectivamente, en ambos ganaron, aunque en el 2007 quedo en segundo lugar por que evaluaron no solo quien llega primero sino otro conjunto de reglas complejas.

Podríamos decir que el auto predecesor fue Junior, pues la competencia del DARPA 2007 fue simulando la conducción en una zona urbana y debía seguir las reglas de transito específicas incluyendo aspectos de señalización, marcas de calzada y otros. Considerando la similitud, y debido a que existe mayor información al respecto, revisaremos la tecnología usada por Junior para luego determinar algunas diferencias que se presentan en el desarrollo del Google Car.

La tecnología usada por Junio la podemos agrupas en 03 grandes zonas, la primera es la captación de información, la cual se realiza con una serie de dispositivos y sensores muy complejos; la segunda, es la de razonamiento y planeación; y la tercera es la de acción o ejecución.

En cuanto a la captación de información podemos mencionar los siguientes sensores y dispositivos principales: Sensores Laser, Cámaras, Radars, Sensores de ultrasonido, GPS, entre otros. En cuanto al razonamiento y planeación podemos mencionar los siguientes componentes de la unidad lógica: Software, Decision making, Checking functionality, User interface. Finalmente con respecto a la acción y ejecución podemos mencionar a los diversos mecanismos de conducción del auto, tales como el timón, frenos, direccionales, etc.

Sobre la tecnología de Inteligencia Artificial que se usa en este vehículo podemos destacar las redes neuronales que le permiten aprender a reconocer los diferentes elementos del entorno por donde se conduce el vehículo y los algoritmos de búsqueda basados en el menor costo, que permite determinar la ruta de navegación correcta.

Las diferencias principales que incorporó Google en sus vehículos, fue básicamente el uso de Google Maps y Google Street View como remplazo del RNDF (Road Network Description File) usado en el DARPA

Finalmente, podemos decir que el auto de conducción autónoma esta ala vuelta de la esquina, se prevé ver los primeros autos comercializándose a finales del 2020; sin embargo, se deberá evaluar cómo podemos hacerlos más accesibles, pues su costo actual bordea los US$ 150,000.00; por otro lado, se tendrá que trabajar rápidamente en la adecuación de los reglamentos de tránsito y la legislación que permita incorporar esta tecnología en el día a día de nuestras vidas.

2. Desarrollo

Recuerdo que cuando era niño veía la serie de televisión “El auto fantástico”, en la serie se mostraba un auto inteligente que no solo respondía a todo lo que se le preguntaba, sino que incluso tenía la capacidad de auto-conducirse; desde ese entonces no solo me fascinaban los autos sino la modernidad y tecnología con la que venían provistos.

Luego de alrededor de 23 años desde del primer episodio de “Knight Rider” (título en ingles del Auto Fantástico), se presentó un auto cuya capacidad de auto-manejo se asemeja mucho al del auto de la serie, incluso llegó a ganar uno de los más reconocidos premios de investigación y desarrollo tecnológico que ofrece el gobierno de los Estados Unidos de Norteamérica. A partir de ese galardón obtenido, y con la fuerza corporativa de una de las empresas de tecnología más innovadoras, estamos ya aportas de ver una versión real y comercial del auto fantástico; aunque ya se vienen haciendo pruebas reales, se estima que el primer auto pueda estar en las manos del público para el 2020.

A través del presente trabajo monográfico vamos a conocer un poco más de este auto inteligente que se conduce solo y cuyo proyecto está liderado por uno de los genios de la inteligencia artificial el PhD. Sebastián Thrun. Cabe indicar que hoy en día tenemos varios proyectos similares alrededor del mundo, sin embargo nos centraremos en el vehículo que viene patrocinando la empresa Google a través de su laboratorio “Google X Lab”.

El proyecto de este vehículo de conducción autónoma lo inició el equipo Stanford Racing Team, liderado por Thrun, de la universidad de Stanford; el objetivo era ganar a su eterno rival, la universidad de Carnegie Mellon, el premio DARPA Grand Challenge organizado por la agencia DARPA (Defense Advanced Research Projects Agency) del Departamento de Defensa de los Estados Unidos de Norteamérica. Este proyecto tuvo varios patrocinadores, uno de ellos fue Wolkswagen Electronics Research Laboratory (ERL); el vehículo fue denominado Stanley y fue construido usando un Volkswagen Touareg provisto por la Worlkswagen ERL.

Figura 1. Llegada a la meta de Stanley el 8 de Octubre del 2005

Una versión mejorada de Stanley fue el auto Junior desarrollado por el mismo team y que concursó en el DARPA Urban Challenge del 2007; las reglas para este competencia fueron mucho más complejas y el desplazamiento de los vehículos debía regirse por un RNDF (Road Network Description File) que proveía un mapa digital de todo el entorno donde se realizaría la competición; en este file se podría encontrar entre otras cosas la información geométrica de los carriles, las marcas de los mismos, señales de pare, estacionamientos y puntos especiales de control. En esta oportunidad el equipó de Stanford Racing Team obtuvo el segundo lugar; cabe indicar que en esta carrera no solo se tomaba en cuenta quien llegaba primero, pues Junio llego primero, sino también el cumplimiento de las reglas de tránsito del estado de California.

Figura 2: Junior, auto del equipo de Stanford

Figura 3: Ejemplo de un RNDF (Road Network Description File)

El auto que hoy en día es parte del proyecto de Google es un diseño basado en Stanley y Junior; por esta razón vamos a ver en mayor detalle la tecnología que se usó en ellos, especialmente en Junior, pues este fue usado en un entorno urbano con reglas de tránsito específicas. Para una mejor descripción de la tecnología usada, vamos a dividirla en las siguientes partes o secciones:

 Vehículo

 Arquitectura de Software

 Percepción del Entorno

 Precisión de Localización

 Navegación

 RNDF Road navigation

Vehículo

El vehículo usado en el proyecto Junior fue un Passat wagon del 2006, turbo disel con 4 cilindros, en general un vehículo estándar al cual se le hicieron las siguientes adiciones o modificaciones:

El motor provee al sistema computacional de Junior con un prototipo de alterador desarrollado para este fin específico.

La cabina cuenta con un sistema de intercambio entre el conductor autónomo y el humano

Para la navegación se instaló un sistema Applanix POS LV 420 que, en tiempo real, integra varios receptores GPS de doble frecuencia; cuenta con un sistema de odometría de rueda que usa una unidad de medida de distancia (DMI). Los sistemas prevén un error de orientación de bajo de los 100cm y 0.1 grados.

Dos sensores SICK LMS 291-S14 y un sensor de punto de avance laser RIEGL LMS-Q120 permite obtener mediciones de la estructura de la carretera en 3D y mediciones infrarrojas de reflectividad.

Para la detección de obstáculos y detección de movimiento del vehículo se ha montado en el techo un Velodyne HDL-64E, este dispositivo cuenta con 64 diodos laser que giran hasta 15Hz, genera una cobertura de 360 grados de campo de vista horizontal y de 30 grados vertical. El sistema Velodyne es complementado con dos sensores SICK LDLRS que están montados en la parte posterior del vehículo y 02 IBEO ALASCA XT montados en el parachoques frontal

En adición se tiene cinco BOSCH Long Range Radars (LRR2) montados alrededor de la parrilla frontal, estos dispositivos proveen información adicional sobre el movimiento del vehículo.

Arquitectura de Software

El software de Junior es el resultado de la evolución de su predecesor Stanley; la arquitectura está compuesta de módulos independientes y procesan la información de manera asíncrona, los módulos se comunican mediante mensajes pasados sobre IPC. El tiempo de respuesta desde la captura de información por los sensores y la acción del vehículo es de aproximadamente 300ms.

Los módulos se organizan en 05 grupos, estos son los siguientes:

 Interface de sensor

 Módulos de percepción

 Módulos de navegación

 Interface de manejo enlazado

 Servicios Globales

Cabe indicar que uno de los módulos en donde se puede analizar de mejor manera las tecnologías de inteligencia artificial es el Módulo de Navegación.

Figura 4: Diagrama de flujo del Software de Junior

Percepción del Entorno

...