Cargando…Desde los ’90, los mapas que utilizamos para guiarnos en la conducción han avanzado enormemente en poco tiempo, pasando de ocupar un importante espacio en la guantera de nuestros coches, a obedecer sin pensárselo dos veces a los navegadores GPS o a aplicaciones como SIRI o la propia del navegador de Google Maps. El desarrollo que existe detrás de la voz del navegador es mucho más complejo de lo que la mayoría de la gente piensa. Complicados algoritmos mezclan técnicas de percepción computerizada y de aprendizaje automático para extraer la información de entidades como los números de las calles, las señales de circulación horizontales y verticales, los nombres de las empresas y otros puntos de interés. A medida que pasa el tiempo, los algoritmos juegan un papel más importante en la extracción de la información, dado que cada vez existen más datos que procesar y que combinar en un mapa.
Se prevé que el lanzamiento de los coches totalmente autónomos podrá llegar para finales de esta década como muy pronto, aunque los muy pesimistas sigan creyendo que eso no sucederá nunca dado en gran parte a las cuestiones jurídicas que plantean (¿de quién sería la culpa si un coche autónomo causa un accidente?, ¿cabría la posibilidad de que fuera hackeado?). Lo que es evidente es que los coches cada vez son más autónomos, arrastrando todo un espectro de características como el control de crucero adaptativo o el estacionamiento asistido. Pero para conseguir que los vehículos del futuro puedan navegar de un punto X al Y, la calidad de los mapas juegan el más importante de todos los aspectos. Los mapas actuales que cuentan con metros de precisión pueden ser suficientes para la navegación basada en GNSS, pero los coches totalmente autónomos necesitarán de cartografías mucho más precisas, de alta definición, que puedan advertirles que la acera está a tan sólo unos pocos centímetros. Además, esta cartografía ha de ser un mapa vivo, continuamente actualizado con información sobre el tráfico, accidentes, estado de la carretera o meteorología. Y por último y más importante, tendrán que trabajar la psicología humana para ganar la confianza de los conductores y futuros pasajeros.
Los mapas de alta definición informarán a los coches autónomos sobre lo que tiene que esperar a lo largo de su recorrido. Las condiciones de la carretera pueden cambiar muy rápidamente y la actualización a tiempo real es determinante para evitar accidentes. Toda la información que es recogida por los sensores de los futuros coches autónomos, deberá de compartirse en un mapa en la nube y conseguir tiempos de respuesta en milisegundos, lo suficientemente rápido como para que un coche autónomo cambie de carril para evitar un paso cortado o escombros en su trayectoria gracias a los sensores de otros coches que vayan por delante y de aplicaciones alojadas en las propias redes LTE a las que cualquier vehículo pueda acceder localmente. Si bien toda esta tecnología es increíble, estudios recientes sobre el margen de confianza que ofrecen los coches autónomos en la psicología humana, desvela que para los pasajeros el no saber el por qué de los movimientos del coche infunde mucha desconfianza. Y es por ello que los mapas se vuelven a interponer como mediadores entre la psicología humana y los avances en tecnología, ofreciendo información sobre lo que va a suceder y haciendo coincidir estas expectativas con la propia experiencia. Si señalas en el mapa que se está a punto de cambiar de carril para evitar escombros y posteriormente el vehículo hace exactamente eso, empiezas a ganar la confianza del pasajero. Los cartógrafos tendrán que seguir inventando soluciones visuales para comunicarse con los viajeros y que éstos puedan entender las intenciones de los movimientos de los coches.
Las principales empresas que se encuentran desarrollando estas tecnologías son Nokia – HERE y Google – Navegador integrado en GMaps. El milagro tecnológico empieza por recopilar al detalle toda la información Para ello se han dispuesto cientos de vehículos equipados con GPS, cámaras y tecnología LiDAR, que posteriormente combinan con la base de imágenes satelitales y aéreas, o con técnicas de visión por ordenador para extraer volumetrías 3D de edificios detalladas (como Skybox, adquirida por Google el año pasado), como punto de partida para los mapas de alta definición. Además, también incorporan los datos de los propios GPS de sus propias flotas de vehículos de estas empresas y asociados, acumulándose información a un ritmo superior a 100 mil millones de puntos por mes. Cuando los vehículos están en movimiento, el sistema LiDAR dispara rayos láser en los 360º de visión, recogiendo más de 700.000 puntos por segundo de la luz que rebota. Además, para corregir la posición del coche y poder crear un modelo den 3D del trayecto recorrido, la información registrada se combina con un sensor inercial que toma los datos de la posición de equilibrio del coche (cabeceo, balanceo, etc). La altura que alcanzan estos dispositivos es de unos 10-15 pisos sobre la calle y la resolución óptima a nivel de calle es de tan sólo unos centímetros, suficiente precisión como para modelizar mapas base con la que combinar posteriormente con los propios sensores de los coches autómatas.
