{"id":74117,"date":"2019-11-11T13:25:17","date_gmt":"2019-11-11T18:25:17","guid":{"rendered":"http:\/\/elcuartopoder.com.mx\/nw\/?p=74117"},"modified":"2019-11-11T13:25:20","modified_gmt":"2019-11-11T18:25:20","slug":"los-ojos-de-los-coches-autonomos-mejores-que-los-de-los-humanos","status":"publish","type":"post","link":"http:\/\/elcuartopoder.com.mx\/nw\/entretenimiento\/tecnologia\/los-ojos-de-los-coches-autonomos-mejores-que-los-de-los-humanos\/","title":{"rendered":"Los ojos de los coches aut\u00f3nomos, mejores que los de los humanos"},"content":{"rendered":"\n

El objetivo es que los sistemas de visi\u00f3n artificial registren el entorno, que los algoritmos resuelvan el acertijo y que los coches aut\u00f3nomos entiendan el mundo a la primera. Pero los ojos electr\u00f3nicos no llegan todav\u00eda a todos los rincones, y el punto flaco reside en lo que los expertos denominan los corner cases<\/em>. Aunque cada una de las tecnolog\u00edas que utilizan los veh\u00edculos autopilotados est\u00e1 preparada para cubrir las debilidades de las dem\u00e1s, existen a\u00fan circunstancias peliagudas, casos extra\u00f1os, que se escapan al control de la inteligencia artificial.<\/p>\n\n\n\n

El radar detecta que tiene un objeto delante, por ejemplo, pero no sabe cu\u00e1l es; la c\u00e1mara ofrece una resoluci\u00f3n alt\u00edsima y representa muy bien el entorno, pero no acierta a averiguar la profundidad de campo; el l\u00eddar (acr\u00f3nimo del ingl\u00e9s Laser Imaging Detection and Ranging), por su parte, calcula la distancia, sin prospecciones ni c\u00e1lculos computacionales, pero proporciona una baja definici\u00f3n de imagen. Los expertos asumen que, en \u00faltimo t\u00e9rmino, no queda m\u00e1s remedio que jugar a este piedra, papel o tijera de la visi\u00f3n artificial.<\/p>\n\n\n\n

En el terreno de las c\u00e1maras, Mobileye fabrica chips que \u201cexplotan al m\u00e1ximo la tecnolog\u00eda de extracci\u00f3n de informaci\u00f3n, calculando distancias con sus algoritmos propios\u201d, cuenta Francisco Izquierdo, director t\u00e9cnico de Track Surveying Solutions, representante en Espa\u00f1a de Mobileye.<\/p>\n\n\n\n

La algoritmia cl\u00e1sica hace una segmentaci\u00f3n de imagen basada en colores y en formas, mediante filtros y superp\u00edxeles que permiten definir qu\u00e9 p\u00edxeles corresponden a un objeto determinado. \u201cCon eso se consiguen muy buenos resultados identificando personas y la parte trasera de los veh\u00edculos, es decir, la combinaci\u00f3n de luces m\u00e1s matr\u00edcula\u201d, explica Izquierdo. Pero la investigaci\u00f3n avanza por otro lado. Mobileye, que pertenece a Intel desde 2017 y que colabora con BMW, Nissan y Volkswagen, utiliza otra t\u00e9cnica para extraer la informaci\u00f3n: las redes neuronales. \u201cHan evolucionado mucho en los \u00faltimos cinco a\u00f1os gracias a Google y a Facebook, entre otros, gigantes que tienen much\u00edsimos datos y que han sido capaces de etiquetar la informaci\u00f3n\u201d, adelanta Izquierdo.<\/p>\n\n\n\n

Ante una imagen captada por una c\u00e1mara, la red disuelve p\u00edxeles, busca patrones y aplica una serie de pesos que contextualizan la escena e indican al veh\u00edculo que est\u00e1 en una carretera, que eso es una se\u00f1al y en concreto qu\u00e9 se\u00f1al es. \u201cEl cuello de botella est\u00e1 en tener mucha informaci\u00f3n de origen segmentada, porque t\u00fa a la red neuronal le tienes que ense\u00f1ar\u201d, a\u00f1ade el director t\u00e9cnico de Track Surveying Solutions. \u201cLas redes neuronales tienen una gran capacidad de aprendizaje mediante algoritmos de machine learning<\/em> y deep learning<\/em> y pueden llegar al autoaprendizaje, pero el sistema necesita datos. Primero le ense\u00f1amos qu\u00e9 es un coche, qu\u00e9 es una moto y tambi\u00e9n qu\u00e9 no es un coche y qu\u00e9 no es una moto\u201d, concreta Marga S\u00e1ez, responsable del \u00e1rea de Sistemas de Visi\u00f3n del Centro Tecnol\u00f3gico de Automoci\u00f3n de Galicia. \u201cLa c\u00e1mara tiene una ventaja fundamental, que es la gran potencia de clasificaci\u00f3n de objetos. Y con las c\u00e1maras de alta definici\u00f3n actuales se puede hacer con una precisi\u00f3n alta\u201d, a\u00f1ade S\u00e1ez.<\/p>\n\n\n\n

La lluvia, enemiga de la IA<\/strong><\/p>\n\n\n\n

La inteligencia artificial, sin embargo, no sortea bien todos los obst\u00e1culos. \u201cEn algunos casos, los sem\u00e1foros son dif\u00edciles de interpretar. Por ejemplo, cuando hay tres carriles y dos de ellos est\u00e1n regulados por una luz y el tercero, por otra independiente. Y es peor en Estados Unidos, donde hay una luz para cada carril. Son muchas combinaciones posibles para el ordenador. Tiene que interpretar las luces, las l\u00edneas de carril\u2026 El humano soluciona esta situaci\u00f3n sin demasiados problemas, pero un coche aut\u00f3nomo necesita que todo est\u00e9 perfectamente estipulado\u201d, explica Izquierdo. <\/p>\n\n\n\n

La niebla es otra de las situaciones que suscita problemas a la visi\u00f3n artificial. Una c\u00e1mara convencional ve tan mal como el ojo humano, o peor, y el l\u00eddar no recibe rebotes cuando hay agua en suspensi\u00f3n, pues esta absorbe la luz. Una de las soluciones m\u00e1s brillantes la mostraron el a\u00f1o pasado tres investigadores del MIT Media Lab. Su sistema de detecci\u00f3n se basa en una c\u00e1mara que lanza r\u00e1fagas de l\u00e1ser hacia los objetos y calcula el tiempo que tarda la luz en volver. Un algoritmo propio es capaz de descubrir patrones de luz reflejada, por mucho que esta se disperse en el agua, de manera que puede determinar con precisi\u00f3n a qu\u00e9 distancia est\u00e1n los objetos.<\/p>\n\n\n\n

Ante la inabarcable cantidad de casos especiales con los que se encontrar\u00e1n los coches aut\u00f3nomos, \u201cla \u00fanica salida es la combinaci\u00f3n de tecnolog\u00edas, como se hace en aviaci\u00f3n. Tienen que existir procesos decisorios en paralelo para que el veh\u00edculo no se quede colgado\u201d, concluye Izquierdo.<\/p>\n\n\n\n

Fuente:<\/strong> elpa\u00eds<\/p>\n","protected":false},"excerpt":{"rendered":"

El objetivo es que los sistemas de visi\u00f3n artificial registren el entorno, que los algoritmos resuelvan el acertijo y que los coches aut\u00f3nomos entiendan el mundo a la primera. Pero los ojos electr\u00f3nicos no llegan todav\u00eda a todos los rincones, y el punto flaco reside en lo que los expertos denominan los corner cases. Aunque cada […]<\/p>\n","protected":false},"author":2,"featured_media":74118,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[57],"tags":[],"class_list":["post-74117","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-tecnologia"],"_links":{"self":[{"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/posts\/74117","targetHints":{"allow":["GET"]}}],"collection":[{"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/comments?post=74117"}],"version-history":[{"count":1,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/posts\/74117\/revisions"}],"predecessor-version":[{"id":74119,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/posts\/74117\/revisions\/74119"}],"wp:featuredmedia":[{"embeddable":true,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/media\/74118"}],"wp:attachment":[{"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/media?parent=74117"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/categories?post=74117"},{"taxonomy":"post_tag","embeddable":true,"href":"http:\/\/elcuartopoder.com.mx\/nw\/wp-json\/wp\/v2\/tags?post=74117"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}