Los coches autónomos aún no han despegado completamente. Aunque se pueden ver en una media docena de ciudades en Estados Unidos y China, su despliegue es lento y cualquier incidente retrasa su desarrollo. Sin embargo, existen ventajas significativas de los vehículos autónomos. Según la Organización Mundial de la Salud, el 90% de los accidentes se deben a errores humanos, y cualquier avance tecnológico que corrija esta deficiencia puede reducir los accidentes, que causan 1,19 millones de muertes en el mundo cada año.
Un estudio publicado en Nature Communications muestra que los vehículos autónomos son más seguros y tienen menos probabilidades de involucrarse en accidentes que los coches conducidos por humanos, salvo en dos circunstancias: al girar y en condiciones de baja visibilidad. Mohamed Abdel-Aty y Shengxuan Ding, investigadores de la Universidad de Florida Central, llegaron a esta conclusión tras analizar datos de 2.100 vehículos autónomos y 35.133 coches conducidos por humanos durante un periodo de seis años. Según el estudio, los sistemas de conducción más avanzados reducen las posibilidades de colisiones traseras, frontales y laterales, así como las salidas de la carretera, entre un 20% y un 50%.
![](https://imagenes.elpais.com/resizer/v2/CK3BA5T265BYDNEPEM4L5IZW4I.jpg?auth=237bacbb7beb82fe147f3a2e084b1d24619d78e6c19027d485a79e35b422973d&width=980)
En todas estas situaciones, los vehículos autónomos demostraron ser más efectivos que los humanos. Esto se debe a que están equipados con sensores y software avanzados que pueden analizar rápidamente el entorno y tomar decisiones basadas en los datos recibidos. No obstante, en condiciones de baja visibilidad, al amanecer o al anochecer, y al girar, los coches conducidos por humanos son de dos a cinco veces más seguros.
La tecnología aún no supera a los conductores humanos en todas las circunstancias, y los coches autónomos deben mejorar su capacidad para percibir y detectar peligros, así como desarrollar programas de toma de decisiones y mecanismos de seguridad. Estos últimos todavía representan el 56% de los problemas de la conducción autónoma. La mejora de la seguridad de los vehículos automatizados implica detectores avanzados, algoritmos robustos y consideraciones de diseño inteligente. Estrategias clave incluyen mejorar los sensores de clima e iluminación, implementar medidas de redundancia e integrar datos de sensores de manera efectiva.
Los investigadores señalan soluciones tecnológicas como el uso combinado de cámaras y LiDAR (láser), GNSS (navegación por satélite) y sensores de radar, que mejoran las capacidades autónomas en escenarios nublados, nevados, lluviosos y de baja visibilidad, donde un retraso en la detección de peligros potenciales y la reacción adecuada puede ser mortal. La «fusión de sensores» permite la verificación cruzada de la información, lo que reduce errores. Sin embargo, procesar estos datos en tiempo real es un desafío y requiere potencia de computación avanzada, lo que aumenta el costo y la complejidad de estos sistemas.
Los conductores humanos pueden predecir movimientos de peatones y actuar con precaución basándose en su experiencia de conducción, mientras que los vehículos autónomos pueden tener dificultades para reconocer las intenciones de los peatones, lo que puede llevar a frenados de emergencia o accidentes. Para abordar este problema, Mohamed Abdel-Aty y Shengxuan Ding proponen «sistemas avanzados de detección y percepción, algoritmos predictivos y comunicación vehículo a todo (V2X)». Este último concepto se refiere a un sistema en el que los dispositivos no solo detectan un peligro potencial e inician una maniobra para evitarlo, sino que comparten esta información con otros coches y sistemas de seguridad vial para que puedan anticiparse.
La investigación avanza para proporcionar a los vehículos sentidos similares a los humanos y mejorar la latencia (tiempo de respuesta). Nature ha publicado recientemente dos artículos sobre el desarrollo de un procesador que responde rápidamente a un evento con información mínima y sobre un nuevo sistema (algoritmo) para mejorar la precisión de la visión mecánica con menor latencia.
Sistemas actuales de asistencia al conductor, como los de MobileEye, integrados en más de 140 millones de coches en todo el mundo, funcionan con cámaras estándar que toman 30 fotogramas por segundo. Sin embargo, requieren un mínimo de tres fotogramas para detectar de manera fiable a un peatón o coche, lo que lleva el tiempo total para iniciar la maniobra de frenado a 100 milisegundos. Un sistema desarrollado por Davide Scaramuzza, profesor de robótica en la Universidad de Zúrich, permite reducir este tiempo a menos de un milisegundo sin necesidad de usar una cámara de alta velocidad, lo que implicaría un coste computacional enorme.
Otra solución es aplicar inteligencia artificial para localizar los lugares más peligrosos e incluir esa información en los sistemas de conducción autónoma. Esta línea de investigación es seguida por Quynh Nguyen, epidemiólogo y estadístico en la Escuela de Salud Pública de la Universidad de Maryland, quien ha publicado un estudio en British Medical Journal sobre la prevención de lesiones. Nguyen argumenta que es crucial comprender cómo el entorno físico puede aumentar o disminuir las colisiones fatales y qué comunidades son más afectadas por esto.
La American Chemical Society ha propuesto usar pinturas que hagan los objetos más visibles para los vehículos autónomos, desarrollando un «tinte negro altamente reflectante» que podría ayudar a los coches autónomos a ver objetos oscuros y hacer la conducción mecánica más segura.
Mientras tanto, investigadores de la Universidad de Iowa han investigado la posibilidad de proporcionar a los vehículos autónomos una señal luminosa exterior que indique a los peatones cuándo es seguro cruzar frente a ellos, porque ha identificado a la persona y se está preparando para detenerse.
Todos estos desarrollos están orientados hacia la plena autonomía (Nivel 5), en la que no se requerirá intervención humana. Según los investigadores de la Universidad de Florida Central, esto puede ser posible, aunque aún falta mucho debido a los desafíos significativos. Estos incluyen el desarrollo de algoritmos y sensores avanzados, y las mejoras de infraestructura necesarias para soportar eficazmente la tecnología de vehículos automatizados.