Contenidos
Charla «¿Cómo puede un auto sin conductor ver la carretera?» de TED2015 en español.
Estadísticamente, la parte menos fiable del auto es ¡el conductor!. Chris Urmson encabeza el programa de autoconducción de Google, uno de los varios esfuerzos para sacar a los humanos del asiento del conductor. Aquí habla de hacia dónde se dirige su programa en este momento, y comparte un material de archivo fascinante que muestra cómo el vehículo ve la carretera y cómo ese vehículo toma decisiones autónomas sobre qué hacer después.
- Autor/a de la charla: Chris Urmson
- Fecha de grabación: 2015-03-16
- Fecha de publicación: 2015-06-26
- Duración de «¿Cómo puede un auto sin conductor ver la carretera?»: 929 segundos
Traducción de «¿Cómo puede un auto sin conductor ver la carretera?» en español.
En 1885, Karl Benz inventó el automóvil.
Más tarde ese año, lo sacó para la primera prueba de conducción pública, para —historia verdadera— estrellarse contra una pared.
En los últimos 130 años, hemos trabajado en torno a esa parte menos fiable del vehículo, el conductor.
Hemos hecho autos más fuertes.
Se ha añadido el cinturón de seguridad, las bolsas de aire, y en la última década empezamos a hacer autos más inteligentes para solucionar ese problema, el conductor.
Hoy les hablaré un poco de la diferencia entre emparchar el problema con sistemas de conducción asistida y realmente tener autos plenamente autoconducidos y lo que estos pueden hacer por el mundo.
También les hablaré un poco de nuestro auto para que vean cómo ve el mundo, cómo reacciona y qué hace, pero primero hablaré un poco sobre el problema.
Y es un gran problema.
en la carretera en el mundo mueren 1,2 millones de personas al año.
Solo en EE.UU., mueren 33 000 personas al año.
Para poner eso en perspectiva, es como si cayeran 737 personas del cielo cada día laboral.
Es increíble.
Nos venden los autos así, pero en realidad, la conducción es algo así.
¿Cierto?
No es soleado, es lluvioso, y Uds.
quieren hacer otras cosas que conducir.
Y esta es la razón: El tránsito es cada vez peor.
En EE.UU., entre 1990 y 2010, los kilómetros recorridos por vehículo aumentaron un 38 %.
Las carreteras crecieron un 6 %, así que no es idea de Uds.
El tránsito es sustancialmente peor de lo que fue no hace mucho.
Y todo esto tiene un impacto humano muy alto.
Por ejemplo, el tiempo de viaje promedio en EE.UU.
es de unos 50 minutos, lo multiplicamos por los 120 millones de trabajadores, eso da unos 6000 millones de minutos derrochados en desplazamientos cada día.
Es un número enorme, así que pongamos esto en perspectiva.
Tomamos esos 6000 millones de minutos y los dividimos entre la edad media de una persona, eso da 162 vidas gastadas cada día, derrochadas, solo para ir de A a B.
Es increíble.
Y luego estamos quienes no tenemos el privilegio de sentarnos en el tránsito.
Este es Steve.
Es un tipo muy capaz, pero es ciego, y por eso en vez de conducir 30 minutos para ir al trabajo cada mañana, pasa dos horas en el transporte público o pidiendo a amigos y familiares que lo lleven.
No tiene la misma libertad que Uds.
y yo para moverse.
Deberíamos hacer algo al respecto.
El conocimiento convencional afirma que si tomamos estos sistemas de asistencia al conductor si los impulsamos y mejoramos de manera incremental, con el tiempo, se convertirán en vehículos autoconducidos.
Bueno, vengo a decirles que eso es como decir que si nos esforzamos mucho en saltar, un día podremos volar.
Realmente tenemos que hacer algo un poco diferente.
Por eso les hablaré de tres formas diferentes en las que los sistemas autoconducidos difieren de los de conducción asistida.
Empezaré con la experiencia propia.
Volviendo a 2013, hicimos la primera prueba de un vehículo autoconducido y se los dimos a probar a la gente común.
Bueno, casi comunes…
eran 100 empleados de Google pero no trabajaban en el proyecto.
Les dimos los autos y les permitimos usarlos en sus vidas diarias.
A diferencia de un vehículo autoconducido real este tenía una gran salvedad: Había que prestar atención, porque era un vehículo experimental.
Lo probamos mucho, pero podía fallar.
Los capacitamos durante dos horas, los pusimos en el auto, les dejamos que lo usaran, y la respuesta fue asombrosa, como si alguien tratara de crear un producto.
Cada uno de ellos dijo que le encantó.
De hecho, tuvimos un conductor de Porsche que vino y nos dijo el primer día: «Esto es totalmente tonto.
¿En qué estamos pensando?
» Pero al final, dijo: «No solo yo debería tenerlo, todos los demás deberían tenerlo, porque las personas conducen muy mal».
Eso fue música para nuestros oídos, pero luego empezamos a observar qué hacía la gente dentro del auto, y esto fue revelador.
Mi historia favorita es la de este caballero que mira el teléfono y se da cuenta de que la batería está baja, se da vuelta así en el auto y busca en su mochila, saca su laptop, la coloca en el asiento, gira hacia atrás otra vez, hurga en la mochila, saca el cargador de su teléfono, lo conecta en el laptop y al teléfono.
Se asegura de que el teléfono está cargando.
Todo esto a 100 km por hora en la autopista.
¿Correcto?
Increíble.
Lo pensamos y dijimos: es obvio,
¿no?
Cuanto mejor sea la tecnología, menos confiable se volverá el conductor.
Al hacer autos cada vez más inteligentes, quizá no veamos las ganancias que necesitamos.
Ahora hablaré de algo un poco técnico durante un momento.
Estamos viendo en este gráfico, en la parte inferior la frecuencia con la que el auto usa los frenos sin necesidad.
Pueden ignorar gran parte de ese eje, porque si conducen en la ciudad, y el auto empieza a detenerse al azar, nunca comprarán ese vehículo.
Y el eje vertical es la frecuencia con la que el auto usará los frenos cuando se supone que debe ayudar a evitar un accidente.
Si vemos la esquina inferior izquierda, este es el auto clásico.
No aplica los frenos por uno, no hace nada torpe, pero tampoco evita un accidente.
Si queremos introducir un sistema de conducción asistida, digamos con freno de mitigación de colisiones, pondremos cierta tecnología allí, eso es esa curva, y tendrá unas propiedades operativas, pero nunca evitará todos los accidentes, porque no tiene esa capacidad.
Pero tocaremos la curva por aquí, y quizá evite la mitad de los accidentes cometidos por conductores humanos, y eso es increíble,
¿no?
Reducimos accidentes viales en un factor de dos.
Ahora hay 17 000 personas menos que mueren al año en EE.UU.
Pero si queremos un vehículo autoconducido, necesitamos una curva tecnológica que se parece a esto.
Tendremos que poner más sensores en el vehículo, y alcanzaremos algún punto por aquí donde básicamente nunca habrá un accidente.
Ocurrirán, pero con una frecuencia muy baja.
Uds.
y yo podríamos ver esto y argumentar si esto es incremental, y yo podría decir algo como «regla 80-20», y es realmente difícil subir en esa nueva curva.
Pero veámoslo desde una dirección diferente por un momento.
Veamos con qué frecuencia la tecnología tiene que hacer lo correcto.
Este punto verde de aquí es un sistema de conducción asistida.
Resulta que los conductores humanos cometen errores que llevan a accidentes de tránsito aproximadamente una vez cada 160 000 km en EE.UU.
Un sistema de autoconducción, por el contrario, quizá toma decisiones unas 10 veces por segundo, por lo que el orden de magnitud es de unas 1000 veces cada 1,6 km.
Si se compara la distancia entre estos dos, es de 10 a la octava,
¿no?
Ocho órdenes de magnitud.
Es como comparar lo rápido que puedo correr a la velocidad de la luz.
Sin importar lo duro que entrene, nunca llegaré allí.
Existe una brecha bastante grande.
Y, finalmente, está el manejo de la incertidumbre.
Este peatón podría entrar en la carretera, podría no entrar.
No lo sé, ni lo saben nuestros algoritmos, pero en el caso de un sistema de asistencia de conducción, significa que no puede hacer algo porque, de nuevo, si pisa los frenos inesperadamente, es completamente inaceptable.
Mientras que un sistema autoconducido puede mirar al peatón y decir: no sé qué está por hacer, desaceleraré, observaré mejor y después reaccionaré en consecuencia.
Puede ser mucho más seguro que un sistema de conducción asistida.
Eso es suficiente sobre la diferencia entre ambos sistemas.
Hablemos ahora de cómo ve el auto el mundo.
Este es nuestro vehículo.
Empieza por entender dónde está en el mundo, alineando su mapa y los datos de su sensor, y luego apilamos encima lo que ve en el momento.
Las cajas púrpura que pueden ver son otros vehículos en la carretera, y la cosa roja allí al lado es un ciclista, y a la distancia, si vemos de cerca, se ven unos conos.
Luego sabemos dónde está el auto en el momento, pero tenemos que hacerlo mejor: tenemos que predecir qué ocurrirá.
La camioneta de la parte superior derecha está a punto de pasar al carril izquierdo porque la carretera al frente está cerrada, por eso tiene que salir del camino.
Conocer a esa camioneta es genial, pero tenemos que conocer qué piensan todos, por eso se vuelve un problema bastante complicado.
Y sabiendo eso, hay que adivinar cómo debería responder el auto en el momento, qué trayectoria debería seguir, si debería acelerar o desacelerar.
Y luego todo se reduce a seguir el camino: girar el volante a izquierda o derecha, presionar el freno o acelerar.
Son realmente al final solo dos números.
¿Cuán difícil puede ser realmente?
Cuando empezamos en 2009, este era el aspecto de nuestro sistema.
Pueden ver nuestro auto en medio y las otras cajas en la carretera, conduciendo por la autopista.
El auto tiene que entender dónde está y saber dónde están los otros.
Tiene que entender geométricamente el mundo.
Cuando empezamos a conducir en las calles del barrio y la ciudad, el problema adquiere un nuevo nivel de dificultad.
Vemos peatones y autos cruzando en todas las direcciones, los semáforos, los pasos de peatones.
Es un problema increíblemente complicado en comparación.
Y una vez tenemos el problema resuelto, el vehículo debe poder lidiar con la construcción.
Los conos de la izquierda obligan a conducir a la derecha, pero no se trata solo de la construcción en forma aislada, claro.
También tiene en cuenta personas en movimiento por la zona de construcción.
Y, claro, si alguien no cumple las reglas, la policía está allí y el vehículo debe entender que la luz titilante encima del auto significa que no es un vehículo cualquiera sino el de una patrulla de policía.
De manera similar, la caja naranja en el lateral es un bus escolar, y debe recibir un trato especial también.
Cuando estamos fuera en la carretera, otras personas tienen expectativas: Cuando un ciclista levanta el brazo, significa que está esperando que el auto le ceda el paso y le haga espacio para hacer un cambio de carril.
Y cuando un oficial de policía se interpone en el camino, nuestro vehículo debe entender que esto significa «alto», y cuando indique avanzar, debemos continuar.
Nuestra manera de lograr esto es intercambiando datos entre vehículos.
El primer modelo, y más crudo, es cuando un vehículo ve una zona de construcción, y le avisa a otro para que esté en el carril correcto y así evitar en parte la dificultad.
Pero en realidad entendemos mucho más que eso.
Podríamos tomar los datos de los autos vistos en el tiempo, los cientos de miles de peatones, ciclistas, y vehículos que hemos visto, entender su aspecto, y usar eso para inferir el aspecto de los otros vehículos y el de los otros peatones.
Y luego, incluso más importante, podríamos extraer un modelo de cómo esperamos que se muevan por el mundo.
Aquí en la caja amarilla hay un peatón que cruza ante nosotros.
La caja azul es un ciclista y anticipamos que se avisarían para sortear el auto y salir hacia la derecha.
Aquí hay un ciclista que va por la carretera y sabemos que seguirá la trayectoria de la carretera.
Aquí alguien gira a la derecha, y en un momento, alguien quiere girar en U frente a nosotros, y podemos anticipar ese comportamiento y responder con seguridad.
Todo bien con estas cosas que ya hemos visto antes, pero, claro, uno encuentra muchas cosas que uno nunca antes vio el mundo.
Por ejemplo, hace un par de meses, nuestros vehículos circulaban por Mountain View, y encontraron esto.
Es una mujer en silla de ruedas electrónica persiguiendo a un pato en círculos por la carretera.
(Risas)
Y no hay ningún sitio en el manual del DMV que diga cómo resolver algo así, pero nuestros vehículos pudieron resolverlo, redujeron la velocidad, y condujeron de forma segura.
Y no solo tenemos que lidiar con patos.
Miren esta ave que vuela justo frente a nosotros.
El auto reacciona.
Aquí lidiamos con unos ciclistas que uno nunca esperaría ver en otro sitio que no fuese Mountain View.
Y claro, tenemos que lidiar con los conductores, incluso con los muy pequeños.
Miren a la derecha como alguien salta de este camión hacia nosotros.
Y ahora, miren a la izquierda cuando el auto de la caja verde decide girar a la derecha a último momento.
Aquí, cuando cambiamos de carril, el coche de la izquierda decide que también quiere hacerlo.
Y aquí, vemos un auto que pasa un semáforo en rojo y cede el paso.
Y, del mismo modo, aquí, un ciclista pasa esa luz también.
Y, por supuesto, el vehículo responde en forma segura.
Y, claro, tenemos personas que no sé por qué a veces en la carretera, se interponen entre dos vehículos autoconducidos.
Uno se pregunta: «
¿En qué estás pensando?
»
(Risas)
Les he mostrado rápidamente muchas cosas por eso analizaré en detalle una de ellas rápidamente.
Estamos viendo nuevamente la escena del ciclista, y habrán notado abajo, que todavía no podemos ver al ciclista, pero el auto sí puede: ese esa pequeña caja azul de allí, y eso proviene de los datos láser.
En realidad, no es fácil de entender por eso giraré esos datos láser para analizarlos, y si son buenos analizando datos láser podrán ver que unos pocos puntos de esa curva, justo allí, esa caja azul es el ciclista.
Si bien nuestra luz es roja, la luz del ciclista ya se puso en amarillo, y si observan, pueden verlo en la imagen.
Pero el ciclista seguirá por la intersección.
Nuestra luz ahora es verde, la de él es totalmente roja, y ahora anticipamos que esta bici hará el recorrido completo.
Por desgracia, los otros conductores cercanos no prestaron mucha atención.
Empezaron a avanzar, y afortunadamente para todos, este ciclista reacciona, evita, logra pasar la intersección.
Y allá vamos.
Como pueden ver, hemos hecho progresos apasionantes, y en este momento estamos bastante convencidos de que esta tecnología saldrá al mercado.
Hacemos 4 millones 800 mil km de pruebas en simulador cada día, podrán imaginar la experiencia que tienen nuestros vehículos.
Esperamos con ansia que esta tecnología salga a las carreteras, y creemos que la forma correcta es el enfoque de la autoconducción en vez del enfoque de la conducción asistida porque la urgencia es mucha.
En el tiempo que llevó dar esta charla hoy, han muerto 34 personas en las carreteras de EE.UU.
¿Qué pronto podemos llevarlo a cabo?
Bueno, es difícil de decir porque es un problema muy complicado, pero estos son mis dos niños.
El más grande tiene 11 años, o sea que en 4 años y medio podrá tener su licencia de conducir.
Mi equipo y yo estamos decididos a asegurarnos de que eso no pase.
Gracias.
(Risas)
(Aplausos)
Chris Anderson: Chris, Tengo una pregunta para ti.
Chris Urmson: Claro.
CA: Sin duda, la mente de tus autos es bastante alucinante.
En este debate entre conducción asistida y autoconducción…
ese debate existe hoy.
Algunas compañías, por ejemplo Tesla, van por la senda de la conducción asistida.
Tú dices que ese camino será un callejón sin salida porque no puedes seguir mejorando esa vía y llegar a la autoconducción en algún momento, y entonces el conductor dirá: «Esto parece seguro», girará hacia atrás, y entonces ocurrirá algo feo.
CU: Cierto.
No, eso es correcto, y no quiere decir que los sistemas de conducción asistida no vayan a ser increíblemente valiosos.
Pueden salvar muchas vidas mientras tanto, pero al ver la oportunidad transformadora de ayudar a alguien como Steve a moverse, de llegar a buen puerto en materia de seguridad, de tener la oportunidad de cambiar nuestras ciudades de quitar los estacionamientos y deshacernos de esos cráteres urbanos, es la única opción a seguir.
CA: Seguiremos tu progreso con gran interés.
Muchas gracias, Chris.
CU: Gracias.
(Aplausos)
https://www.ted.com/talks/chris_urmson_how_a_driverless_car_sees_the_road/