Ahora, en un nuevo artículo de investigación publicado hoy en Comunicaciones de la naturaleza, Waymo describe un nuevo modelo cognitivo basado en computadora que explica cómo los conductores humanos toman decisiones en fracciones de segundo para evitar accidentes. La compañía sostiene que el nuevo modelo servirá como punto de referencia para comparar los sistemas de conducción autónoma como una forma de ayudar a que la industria avance hacia estándares de seguridad comunes más altos. También es lo último en la colección de investigaciones revisadas por pares de Waymo que lo diferencia de otros operadores de vehículos autónomos.
Waymo diseñó el nuevo modelo, llamado ReD por “Reference Driver”, en colaboración con la Universidad Tecnológica de Delft en los Países Bajos. Así como la industria automotriz utiliza maniquíes de pruebas de choque para evaluar la integridad estructural y la seguridad del hardware de los automóviles, estos nuevos modelos sirven como maniquíes de comportamiento para determinar qué tan bien los vehículos autónomos pueden evitar situaciones peligrosas por completo.
“La evaluación de la seguridad audiovisual es multifacética y comprender cómo los humanos manejan los conflictos es una pieza importante del rompecabezas”, dijo Mauricio Peña, director de seguridad de Waymo. “Al establecer un modelo de referencia de respuesta humana competente, podemos ayudar a la industria a avanzar hacia un enfoque común, basado en la ciencia, para evaluar el comportamiento de prevención de colisiones”.
ReD se basa en un marco de neurociencia llamado inferencia activa, defendido por neurocientíficos líderes a nivel mundial como el profesor Karl Friston (quien calificó el modelo ReD como un “tour de force técnico” en una declaración proporcionada por Waymo). El principio básico es que el cerebro humano intenta continuamente minimizar las sorpresas a lo largo del tiempo.
ReD incorpora varios rasgos cognitivos humanos para simular cómo los conductores manejan este estrés. Los humanos juzgan las amenazas longitudinales basándose en su “inminencia” o en la rapidez con la que un objeto se expande en su campo de visión. El modelo de Waymo imita esto al luchar naturalmente para juzgar la velocidad en largas distancias, tal como lo haría una persona real. El sistema utiliza un filtro de “normas de tráfico” que sesga sus predicciones hacia un comportamiento respetuoso de las reglas, para observar explícitamente los vehículos que violan las normas de tráfico. Y el sistema evalúa las sacudidas como un conductor humano, provocando una reevaluación de su conducción una vez que la sacudida alcanza un cierto umbral que indica que el plan actual ha fallado. Este modelo también tiene en cuenta cómo los humanos accionan los pedales del acelerador y del freno con un pie, proporcionando un retraso de 0,2 segundos al cambiar entre los dos.
“Al basar nuestro modelo en la inferencia activa, hemos logrado una representación holística de las respuestas humanas a las colisiones”, dijo Arkady Zgonnikov, profesor asistente de la Universidad Tecnológica de Delft, en un comunicado. “Esto nos permite simular el ‘shock’ interno que siente un conductor durante un conflicto, proporcionando un punto de referencia más humano para los sistemas de conducción autónoma que antes eran imposibles de automatizar a escala”.
A diferencia de los modelos de seguridad tradicionales que solo simulan emergencias, Waymo dice que ReD es capaz de “evitar proactivamente” calculando continuamente los impactos y minimizando la energía libre. Esto permite a los países anticipar los riesgos tempranamente y ajustar sus esfuerzos antes de que las situaciones se conviertan en conflictos.
Waymo dijo que está colaborando activamente con investigadores, reguladores y organizaciones de estándares como SAE para generar consenso en torno a este modelo de referencia. El objetivo es hacer avanzar la industria de los vehículos autónomos hacia una definición compartida y científicamente fundamentada de lo que constituye una respuesta humana “cuidadosa y competente”. Con ese fin, la compañía está haciendo que el modelo ReD sea de código abierto y esté disponible públicamente para cualquiera que quiera probarlo.
