Así diferencia un coche autónomo entre una persona, una señal o una casa

Desarrollada por un equipo de Audi Electronics Venture (AEV), filial de Audi, esta tecnología permite capturar de forma exacta lo que sucede alrededor del automóvil. Una cámara frontal convencional actúa como sensor , capturando el área por delante del automóvil en un ángulo de aproximadamente 120 grados, y generando 15 imágenes por segundo a una resolución de 1.3 megapíxeles.

Estas imágenes se procesan en una red neuronal. Aquí es donde ocurre la segmentación semántica, en la que cada píxel se clasifica en una de las 13 categorías de objetos preestablecidas. Esto permite que el sistema identifique y diferencie a otros automóviles, camiones, casas, marcas viales, personas y señales de tráfico. El sistema también usa redes neuronales para obtener información de la distancia. La visualización se realiza aquí a través de líneas ISO , límites virtuales que definen una distancia constante. Esta combinación de segmentación semántica y estimaciones de profundidad produce un modelo 3D preciso del entorno real.

Los ingenieros de Audi han entrenado previamente a la red neuronal con la ayuda del denominado “aprendizaje no supervisado”. A diferencia del aprendizaje supervisado, el aprendizaje no supervisado es un método que parte de observaciones de circunstancias y escenarios que no requieren datos ordenados ni clasificados previamente. La red neuronal recibió numerosos videos grabados con una cámara estéreo, registrando distintas situaciones en carretera. Como resultado, la red aprendió a entender normas de forma independiente , las cuales son utilizadas para generar información 3D a partir de las imágenes capturadas por la cámara. El proyecto de AEV tiene un gran potencial para la interpretación de situaciones de tráfico.

Junto con AEV, dos socios del Grupo Volkswagen también presentan este año sus proyectos basados en inteligencia artificial en el stand de Audi en la Conferencia NIPS, el simposio más importante de Inteligencia Artificial del planeta, que se celebra del 4 al 9 de diciembre en Long Beach (California). El Departamento de Investigación Fundamental sobre AI, integrado en el Laboratorio de Datos para IT del Grupo, se centra en el aprendizaje no supervisado y el control optimizado a través de la inferencia variable, un método eficiente para representar distribuciones de probabilidad. Por su parte, el equipo de Audi del Laboratorio de Investigación Electrónica de Belmont, California, muestra una solución para el estacionamiento en aparcamientos y la conducción en autopista, basado en la inteligencia artificial. En este proceso, el guiado del automóvil se lleva a cabo completamente a través de redes neuronales. La AI aprende a generar un modelo del entorno a partir de los datos de la cámara y a dirigir el automóvil. Este enfoque no requiere una localización altamente precisa, o datos de mapas de alta resolución.