Los vehículos de conducción autónoma dependen de un sentido tan crucial para el ser humano como la visión. No se trata sólo de que la máquina pueda ver, que ya lo hace, sino de mirar, analizar, discriminar y proceder en milisegundos. El desafío es lograr esta característica de las personas en el momento justo para tomar la decisión necesaria. Para una máquina, por ejemplo, ver un árbol al lado de la vía es fácil. Lo difícil es saber que no se trata de un objeto que se va a mover o estorbar, y todo lo contrario si se trata de un peatón. la revista cientifica Naturaleza publica este miércoles dos avances en este sentido: un procesador para responder rápidamente a un evento con la mínima información y un nuevo sistema (algoritmo) para mejorar la precisión de la visión artificial con menor latencia (tiempo de respuesta).
Estas investigaciones, fundamentales para el desarrollo de vehículos de conducción autónoma o robótica, cuentan ya con desarrollos avanzados en el Instituto de Microelectrónica (Imse) de la capital andaluza, del Consejo Superior de Investigaciones Científicas (CSIC) y de la Universidad de Sevilla. Multinacionales como Samsung y Sony ya utilizan las patentes vendidas por la empresa Prophesee.
Las dos obras que publica Naturaleza Son innovaciones en estos sistemas basados en la foveación, el mecanismo humano que nos permite maximizar la resolución en la zona donde se centra la visión, mientras la reduce en zonas de visión periférica no relevante. De esta forma se reduce la cantidad de información, pero se mantiene la capacidad de reconocimiento visual de los datos imprescindibles para la toma de decisiones en milisegundos.
La clave es una interpretación precisa de la escena y una rápida detección de movimiento para permitir reacciones inmediatas. Las cámaras convencionales pueden captar la imagen de un fotograma y reproducirla a muy alta resolución, pero toda esa información tiene que ser procesada y discriminada, lo que supone un gasto de tiempo y recursos incompatible con las decisiones instantáneas que requieren la conducción autónoma o la robótica avanzada.
Uno de los avances lo firman Daniel Gehrig, investigador de la Universidad de Pensilvania (EE.UU.), y Davide Scaramuzza, profesor de robótica de la Universidad de Zúrich (Suiza). Ambos han abordado la dificultad de la toma de decisiones con imágenes en color de alta resolución. Éstos requieren de un gran ancho de banda para ser procesados con la fluidez necesaria y reducen esta alta capacidad a costa de una mayor latencia, más tiempo para responder. La alternativa es utilizar una cámara de eventos, que procesa flujos continuos de pulsos, pero sacrificando la precisión.
Para abordar estas limitaciones, los autores han desarrollado un sistema híbrido que logra una detección efectiva de objetos con una latencia mínima. El algoritmo combina información de dos cámaras: una que ralentiza la velocidad de cuadros de color para reducir el ancho de banda requerido y otra cámara de eventos que compensa esa pérdida de latencia, asegurando que se puedan detectar objetos que se mueven rápidamente, como peatones y automóviles. . «Los resultados allanaron el camino hacia una detección de objetos eficiente y precisa, especialmente en escenarios extremos», afirman los investigadores.
«Es un gran avance. Los sistemas actuales de asistencia al conductor, como los de MobileEye, que están integrados en más de 140 millones de automóviles en todo el mundo, funcionan con cámaras estándar que toman 30 fotogramas por segundo, o una imagen cada 33 milisegundos. Además, requieren un mínimo de de tres fotogramas para detectar de forma fiable un peatón o un coche, lo que eleva el tiempo total para iniciar la maniobra de frenado a 100 milisegundos. Nuestro sistema nos permite reducir este tiempo por debajo de un milisegundo sin necesidad de utilizar una cámara de alta velocidad. implican un enorme coste computacional”, explica Scaramuzza.
Los sistemas actuales aumentan el tiempo total para iniciar la maniobra de frenado a 100 milisegundos. Nuestro algoritmo nos permite reducir este tiempo por debajo de un milisegundo sin necesidad de utilizar una cámara de alta velocidad.
Davide Scaramuzza, profesor de robótica en la Universidad de Zurich (Suiza)
La tecnología ha sido “transferida a una empresa de primer nivel”, según el investigador. «Si se aprueba, normalmente pueden pasar muchos años desde la prueba del concepto hasta el impacto y la implementación final», añade.
Por su parte, Luping Shi, director del Centro de Investigación en Computación Inspirada por el Cerebro (CBICR) de la Universidad de Tsinghua (China), ha desarrollado con su equipo el chip (procesador) Tianmouc. Inspirado en la forma en que funciona el sistema visual humano, combina percepciones rápidas e imprecisas, como las de la visión periférica humana, con otras de mayor resolución y más lentas de procesar.
De este modo, el chip también funciona como una cámara de eventos que, en lugar de fotogramas completos, procesa flujos continuos de impulsos eléctricos (eventos o Picos) registrado por cada fotosensor cuando detecta un cambio suficiente en la luz. “Tianmouc tiene una serie de píxeles híbridos: algunos con baja precisión, pero de detección rápida, basados en eventos para permitir respuestas rápidas a los cambios sin necesidad de demasiados detalles y otros con procesamiento lento para producir una visualización precisa de la escena”, dijo. explica. el investigador. El chip ha sido probado en escenarios como un túnel oscuro iluminado repentinamente por una luz deslumbrante o en una calle atravesada por un peatón.
Bernabé Linares, profesor de investigación del Imse y responsable de la cámara de eventos comercial de mayor resolución, destaca que Scaramuzza utiliza drones para recoger imágenes de forma convencional y con cámaras de eventos. “El avance es el algoritmo que se utiliza para reconocer objetos y el resultado es interesante”, destaca.
Imse trabaja principalmente con procesadores, y señala que desarrollos algorítmicos como los de la Universidad de Zurich son fundamentales como complemento a chips y para aplicaciones robóticas. Al ser tecnologías muy compactas, requieren sistemas de cálculo ligeros y que consuman poca energía. “Para los drones es un avance importante. Este tipo de cámaras para eventos les vienen muy bien”, destaca.
El trabajo de Luping Shi se acerca más a los desarrollos del Grupo de Sistemas Neuromórficos del Imse. En este caso se trata de un procesador híbrido. “Los píxeles se alternan y se calculan las diferencias espaciales. Almacena la luz de una imagen a la siguiente y calcula el cambio. Si no hay modificación, la diferencia es cero. Proporciona datos muy raramente desde un sensor bastante sofisticado”, explica Linares.
Aunque los usos destacados por Naturaleza Están dirigidos a la conducción autónoma, los avances en visión tienen gran relevancia en la robótica, que requiere también la capacidad de discriminar información para tomar decisiones a gran velocidad. Este es el caso de los procesos de automatización industrial. “Pero los fabricantes de coches están muy interesados porque buscan todo tipo de desarrollos, ya que así es más seguro y pueden sacar el máximo partido a cada tecnología”, explica Linares, quien destaca que Renault es uno de los inversores de Prophesee.
puedes seguir EL PAÍS Tecnología en Facebook y X o regístrate aquí para recibir nuestra boletín semanal.
