En el camino hacia la conducción autónoma, Audi continúa avanzando a toda velocidad. Y presenta un innovador proyecto de pre-desarrollo en el simposio más importante del mundo para la Inteligencia Artificial (IA): NIPS. El proyecto utiliza una mono-cámara que utiliza IA para generar un modelo extremadamente preciso en 3D del entorno del vehículo.
El nuevo Audi A8 es el primer vehículo en el mundo desarrollado para conducción autónoma automática condicional Nivel 3. La IA de Audi desempeña la tarea de conducir en tránsito lento hasta 60 km/h, siempre que las leyes lo permitan y el conductor seleccione ese modo de conducción. Un requisito para la conducción automatizada es una imagen mapeada del entorno lo más precisa posible en todo momento… y la IA es una herramienta clave para lograrlo.
El equipo de Audi Electronics Venture (AEV), subsidiaria de Audi, que lleva el proyecto, presentó una mono cámara en el Conference and Workshpo on Neural Information Processing Systems (NIPS) que utiliza IA para generar un modelo muy preciso de su entorno. Esta tecnología permite capturar los alrededores exactos del vehículo.
Una cámara convencional actúa como sensor. Ésta captura el área frente al auto con un ángulo de 120 grados y entrega 15 imágenes por segundo a una resolución de 1.3 megapixeles. Estas imágenes son procesadas en una red neuronal. Aquí es donde ocurre la segmentación semántica, en donde cada pixel se clasifica en una de las 13 clases de objetos. Esto permite que el sistema identifique y diferencie a otros automóviles, camiones, casas, marcas viales, personas y señales de tráfico.
El sistema también utiliza la red neuronal para la información de distancias. La visualización se realiza a través de líneas ISO: límites virtuales que definen una distancia constante. Así, la combinación de la segmentación semántica y las estimaciones de profundidad produce un preciso modelo 3D del entorno real.
Los ingenieros de Audi han entrenado a la red neuronal con la ayuda del “aprendizaje no supervisado”. En contraste con el aprendizaje supervisado, el no supervisado es un método de aprendizaje mediante la observación de las circunstancias y los escenarios que no requiere de datos clasificados previamente. La red neuronal recibió numerosos videos para ver situaciones de camino que se grabaron con una cámara estéreo. Como resultado, la red aprendió a entender de forma independiente las reglas que utiliza para producir información 3D a partir de la mono cámara. El proyecto de AEV tiene un gran potencial para interpretar situaciones de tránsito.