Más de 200 videos del tráfico en Lima, Cajamarca y Cusco fueron recopilados desde diciembre de 2022.
El desarrollo de autos autónomos, que cuentan con pilotos automáticos, enfrenta obstáculos cada vez más complicados en los últimos años y la tecnología aún no parece estar lista para masificarse. El laboratorio de investigación Artificio publicó un estudio que propone que los modelos de machine learning para entrenar autos autónomos se enfrenten a condiciones de tránsito vehicular extrema y es así como el tráfico de Lima se convierte en un reto real para esta tecnología.
«Si un vehículo autónomo puede navegar e identificar fácilmente cada objeto y obstáculo de los videos de rutas en Lima, Hanoi o Bombay, entonces hacer inferencias perceptuales en ciudades como San Francisco, Londres y Beijing debería ser trivial», concluye el estudio exploratorio.
De acuerdo a investigaciones anteriores, el aprendizaje automático (machine learning) se puede apoyar en el entrenamiento adversarial para que los estímulos adversos (como el tráfico de Lima) permitan que las redes neuronales de los autos autónomos tengan «una mayor probabilidad de funcionar mejor cuando se enfrentan tanto a lo esperado como a lo inesperado».
Más de 200 videos del tráfico en Lima, Cajamarca y Cusco
Para reforzar esta propuesta, los investigadores recopilaron 291 videos del tránsito vehicular de 22 distritos de Lima, así como de las principales vías de Cusco y Cajamarca, tanto de áreas rurales como urbanas. Las duraciones van de 5 a 7 minutos por video.
«En total, se cubrieron 22 distritos de los 43 de Lima, y los datos recopilados en esta ciudad podrían representar un verdadero desafío para cualquier modelo de visión por computadora», agrega el informe.
De acuerdo al estudio, las rutas rurales presentan, con mayor frecuencia, diferentes tipos de obstáculos que se podrían evitar o que son parte de la pista. Además, en estas ciudades, hay vehículos motorizados y no motorizados que también forman parte del tránsito vehicular como las mototaxi o los triclicos, y que deben ser adecuadamente identificados para reforzar la precisión del entrenamiento.
Con los datos recopilados entre diciembre de 2022 y febrero de 2023, se puso a prueba tres modelos de detección de objetos. Sin embargo, no todos los tipos de vehículos o de obstáculos fueron adecuadamente identificados. La investigación estima que un modelo conjunto sería de mayor utilidad para integrarse a un vehículo autónomo.
En este video se observa cómo cada modelo probado identifica los elementos del tráfico vehicular de Lima:
En conclusión, los investigadores proponen que la metodología de entrenamiento de modelos de aprendizaje automático incluya material del tránsito vehicular en las que los conductores se enfrentan a condiciones extremas.
La startup Artificio ha publicado dos artículos de investigación en relación a inteligencia artificial y su uso aplicado en imágenes. Además, lanzó en septiembre la API de su modelo Cortex, que utiliza algoritmos avanzados de procesamiento de imágenes para convertir imágenes en vectores y luego realizar búsquedas para encontrar otros contenidos con vectores similares.
(ANDINA)