La conducció autònoma és el futur de la mobilitat urbana, més encara en una societat cada cop més envellida. A mitjà termini, els desplaçaments es faran en vehicles capaços de prendre decisions a temps real sense la intervenció humana en tots tipus de situacions, i les primeres proves ja s’han engegat a ciutats com San Francisco, Phoenix o Singapur. La conducció autònoma permetrà reduir problemes ambientals perquè optimitzarà el consum i la gestió del trànsit, reduirà els accidents i suposarà una millora per a col·lectius com les persones grans o amb discapacitat.

El professor Santiago Royo, director del Centre de Desenvolupament de Sensors, Instruments i Sistemes (CD6) de la Universitat Politècnica de Catalunya - BarcelonaTech (UPC), investigador principal del projecte USEFUL, està convençut que “per assolir aquesta transformació es necessiten grans volums de dades precises que provinguin de detectors amb diferents modes de funcionament que permetin als sistemes autònoms interpretar l’entorn i actuar de manera segura, fins i tot en entorns complexos. Això ens obliga a entrenar algoritmes avançats d’intel·ligència artificial (IA); i, si volem que siguin fiables en qualsevol circumstància, els hem de proporcionar com més dades diferents millor per generar la informació més realista i general possible que ajudi a aprendre a la IA i a prendre decisions robustes”.

Intel·ligència artificial, sensors i algoritmes
En aquest context, l’Agència Estatal d'Investigació del Ministeri de Ciència, Innovació i Universitats, a través del programa de Transició Ecològica i Digital, ha finançat el grup CD6 de la UPC amb 273.000 euros per posar en marxa el projecte USEFUL. El projecte compta també amb el suport de les empreses Beamagine (spin-off de la UPC), Anello Photonics i QNAP; de l’Escola Superior d’Enginyeries Industrial, Aeroespacial i Audiovisual de Terrassa (ESEIAAT), i de la Facultat d’Òptica i Optometria de Terrassa (FOOT).

En aquest projecte, el CD6 ha equipat un vehicle de baixes emissions amb un sistema de sensors òptics integrats i assistits per ordinador que compta amb un LIDAR d’estat sòlid d’alta resolució (un tipus de sensor làser amb fotodetector que mesura distàncies) cedit per la spin-off Beamagine; un sistema de geolocalització i odometria d’alta precisió sense necessitat de GPS (mesura de dades de sensor en moviment) cedit per Anello Photonics, i un sistema d’emmagatzematge de gran volum de dades cedit per QNAP.

El sistema amb què circularà el vehicle pels carrers de Terrassa durant sis mesos incorpora una unitat de processament homologada per a sistemes de conducció autònoma. Aquesta unitat permet tant governar l’adquisició de dades de tots els sensors com executar xarxes neuronals d’intel·ligència artificial per a aplicacions específiques en temps real, com ara percepció d’obstacles o realització de mapes 3D de l’entorn.

A través del projecte, el CD6 obtindrà milions d’imatges de múltiples sensors, algunes d’elles disruptives en el camp dels vehicles autònoms, que seran dades aptes per dissenyar sistemes fiables de conducció autònoma.

Les dades seran anònimes (no identificaran vianants o vehicles), i s’incorporaran a un data set o conjunt de dades públic que permeti a altres investigadors i investigadores desenvolupar algoritmes relacionats. En aquest sentit, Santiago Royo explica: “volem que el conjunt de dades sigui el més divers possible pel que fa als escenaris capturats, com ara rurals, urbans, autopista, etc.; que inclogui tota mena de vehicles, en especial els més vulnerables com bicicletes o patinets, i també que capti dades en condicions meteorològiques reals i entorns realistes en què les condicions no són sempre favorables per a tots els sensors. De fet, aquestes dades es faran servir per desenvolupar aplicacions avançades que permetin la detecció d’objectes a la via, el mapejat d’entorns, la predicció de moviment dels agents de la via i la creació de bessons digitals, entre altres, amb més fiabilitat.”

A més, USEFUL permetrà provar diferents metodologies d’entrenament dels algoritmes d’intel·ligència artificial per comparar quina és la manera més efectiva d’obtenir sistemes de percepció segurs. El vehicle permetrà, en el futur, testejar i validar nous tipus de sensors per a la conducció autònoma, validar noves distribucions de sensors o desenvolupar aplicacions de mapejat detallat de tota mena d’entorns.