Me ha parecido muy intersante la entrevista a Danny Shappiro, Director Senior de la sección de automoción del Nvidia. Por si no lo sabíais, el popular fabricante de tarjetas gráficas para PC lleva años desarrollando la tecnología necesaria para la conducción autónoma basándose en sus procesadores con enorme potencia de cálculo (son también usados para minar bitcoins) y sus tecnologías de Inteligencia Artificial.
¿Por qué han cambiado las audaces predicciones sobre la puesta de vehículos autónomos en la carretera en los últimos años?
La industria se ha dado cuenta de que los vehículos totalmente autónomos no están tan cerca como pensábamos hace tres o cuatro años. Es un problema muy difícil de resolver. Esto significa que se requiere más computación, más sensores y más software.
¿La enormidad del problema ha hecho que algunas personas retrocedan?
Lo que estamos viendo es que la gente dice: "Todavía podemos llevar la tecnología al mercado que es la base para la conducción autónoma, pero aún va a ser necesario un humano en el proceso".
¿Qué vamos a ver?
Por ahora es Nivel 2-plus, que puede ser un sistema muy robusto que puede prevenir una gran cantidad de accidentes o salvar al conductor si algo malo ocurriera, como que la persona se quede dormida o tenga una emergencia médica. Los humanos todavía se distraen y podemos prevenir los accidentes que ocurren debido a esos errores humanos, incluso si no somos totalmente autónomos
¿Es más realista decir que no veremos autos totalmente autónomos en la carretera hasta 2030?
Si está hablando del Santo Grial, el automóvil que lo recogerá en cualquier lugar y lo llevará a cualquier parte, sí, eso está bastante lejos. No creo que esté tan lejos si te refieres a tipos muy específicos de implementaciones. Podría ser robotaxis o lanzaderas en rutas fijas o en áreas balizadas. Creo que esas cosas todavía están avanzando con gran progreso. Cuando se trata de pilotos automáticos de carretera y camiones de centro a centro, creo que vamos a ver mucho más en términos del movimiento de mercancías antes que de personas.
¿Podrías dar más detalles?
Esto significa robots de entrega de todas las formas y tamaños. Estamos involucrados en prácticamente todos estos programas de prueba de reparto de bienes. Podrían ser automóviles, camiones, transbordadores. Todos ellos todavía están desarrollando a toda velocidad por delante. Creo que la gente se está dando cuenta de que tomará un poco más de tiempo alcanzar un nivel de seguridad en el que deberíamos concentrarnos en brindar.
Ha habido un accidente fatal que involucró a un AV con un conductor de seguridad, así como un reciente accidente no fatal. ¿Te han obligado estos eventos a duplicar lo que estás haciendo para que los AV sean lo más seguros posible?
Siempre hemos tenido esa práctica. Creo que Nvidia y la industria subestimaron la complejidad desde el principio. No creo que se tratara de que no estuviéramos a salvo. Esto es algo que nunca antes se había hecho. Estamos descubriendo cómo resolver estos desafíos, y en el camino nos dimos cuenta de que hay mucho más de lo que inicialmente se planeó.
¿Qué se está haciendo para hacer frente a esta sobreestimación?
Ha demostrado la necesidad de más sensores de alta resolución en el coche. La necesidad de diversidad y redundancia de estos sensores, de los algoritmos, de los sistemas para garantizar el más alto nivel de seguridad que podamos. Hay un deseo insaciable de más computación porque no es sólo un algoritmo en ejecución. Tienes docenas de redes neuronales diferentes que están funcionando en el coche simultáneamente, procesando todos los datos diferentes y analizando incluso el mismo flujo de datos. Hay una red neuronal buscando líneas en la carretera, una buscando peatones, otra buscando señales de tráfico, otra buscando coches y camiones. Sea lo que sea. Por lo tanto, la complejidad del software es enorme. Es por eso que escuchamos a los clientes con los que estamos trabajando, como Mercedes-Benz, diciendo: 'Necesitamos más potencia informática en el coche'. Esto se debe a que la complejidad del software está creciendo y creciendo.
¿Es la creación de un coche seguro y fiable totalmente autónomo el desafío más difícil que Nvidia ha emprendido?
Es como comparar manzanas con naranjas porque también estamos tratando de ayudar a curar el cáncer. ¿Es más difícil? Es difícil de decir. Ambos implican salvar muchas vidas. Eso es lo que lo hace realmente interesante para Nvidia. Trabajar con las empresas para resolver los problemas más desafiantes del mundo es nuestra misión. La informática de IA es fundamental para eso. Hay mucha más preocupación en tiempo real sobre el coche autónomo en comparación con salir y resolver algunos de estos otros problemas que son muy complejos. Cuando usted está conduciendo un coche autónomo es vida o muerte, segundo por segundo, por lo que se podría decir que hay potencialmente mucho más en juego. Hay una complejidad increíble al tratar de analizar el comportamiento humano. Los humanos no son predecibles.
¿Qué se está haciendo para ayudar a compensar parte de esa imprevisibilidad?
Si tuviéramos que eliminar a otros usuarios humanos de la carretera y su toma de decisiones de las ecuaciones sería un problema mucho más fácil de resolver. Por lo tanto, creo que donde vamos a ver despliegues en lugares donde podemos eliminar esa aleatoriedad humana. Esto podría ser carreteras dedicadas, rutas fijas y áreas geobalizadas. Podría haber ciudades que prohíban los coches impulsados por humanos en ciertas áreas o que tengan humanos en un nivel diferente, como tener vehículos autónomos en un nivel de una carretera y peatones en otro. Creo que hay muchas maneras diferentes de simplificar el problema. Pero creo que crear el vehículo autónomo es uno de los problemas más complejos del mundo.
¿Cuáles son las otras tomas de los accidentes que han implicado vehículos autónomos?
Algunos de estos accidentes no fueron causados por los mismos vehículos autónomos de nivel que estamos planeando. Pero creo que el público se apodera de esto y se convierte en un asunto de hombre contra máquina y la máquina acaba de anotar uno y los humanos cero. En ese caso se convierte en una gran noticia. Es increíble cuántas personas mueren o se lastiman cada año por los coches conducidos por la gente y el mundo sigue, nadie le presta atención salvo cuando es un coche autónomo.
¿Qué se está haciendo para superar el "miedo a lo desconocido" relacionado con los vehículos autónomos?
Definitivamente hay una pieza de concientización y educación, por eso nos unimos a PAVE (la asociación para la educación autónoma del vehículo). Es una iniciativa de los Estados Unidos que incluye a Mercedes, Nvidia y muchos otros. Se lanzó en el CES de este año en Las Vegas. La educación autónoma del vehículo es crucial porque la mayoría de las personas no saben qué hay en sus automóviles hoy, de qué es capaz la tecnología y qué vendrá en el futuro. Nunca han experimentado o leído una historia al respecto y piensan en Terminator cuando se habla de inteligencia artificial. Existe este miedo a lo desconocido. Pero creo sinceramente que una vez que las personas tengan la oportunidad de experimentarlo, cambiará casi instantáneamente su percepción al respecto.
¿Cuáles son algunas de las limitaciones que Nvidia ha descubierto en las pruebas en carretera de soluciones para vehículos autónomos?
Hay muchas pruebas en carretera que involucran la seguridad de los conductores. Cuando probamos tenemos un conductor de seguridad así como un ingeniero de seguridad. Se les indica que se hagan cargo si se sienten incómodos con lo que está haciendo el automóvil. Eso es bueno y malo. El problema es que tienden a hacerse cargo prematuramente. O tal vez se harán cargo en momentos en que realmente no lo necesitaban, pero no querían arriesgarse. Le pasa a todo el mundo. Por lo tanto, el problema es que nunca está probando realmente si el sistema habría evitado la colisión.
Cual es la alternativa?
Aquí es donde pasamos a la simulación. Somos muy usuarios de simulación. Estamos trabajando con muchos clientes para desarrollar nuestro sistema Drive Constellation, que realiza pruebas completas de software y hardware en el circuito. Entonces podemos crear todo tipo de escenarios peligrosos. Ejecútalos en la seguridad de la Nube y no pongas a nadie en peligro. ¿Podemos realmente determinar si hay un impacto o no? Si hubo, volvemos y descubrimos lo que sucedió y lo corregimos. Podemos probar los algoritmos de detección, la planificación de la ruta, el mapeo, todo un montón de cosas antes de ponerla en marcha. Eso es critico.
¿Por qué han cambiado las audaces predicciones sobre la puesta de vehículos autónomos en la carretera en los últimos años?
La industria se ha dado cuenta de que los vehículos totalmente autónomos no están tan cerca como pensábamos hace tres o cuatro años. Es un problema muy difícil de resolver. Esto significa que se requiere más computación, más sensores y más software.
¿La enormidad del problema ha hecho que algunas personas retrocedan?
Lo que estamos viendo es que la gente dice: "Todavía podemos llevar la tecnología al mercado que es la base para la conducción autónoma, pero aún va a ser necesario un humano en el proceso".
¿Qué vamos a ver?
Por ahora es Nivel 2-plus, que puede ser un sistema muy robusto que puede prevenir una gran cantidad de accidentes o salvar al conductor si algo malo ocurriera, como que la persona se quede dormida o tenga una emergencia médica. Los humanos todavía se distraen y podemos prevenir los accidentes que ocurren debido a esos errores humanos, incluso si no somos totalmente autónomos
¿Es más realista decir que no veremos autos totalmente autónomos en la carretera hasta 2030?
Si está hablando del Santo Grial, el automóvil que lo recogerá en cualquier lugar y lo llevará a cualquier parte, sí, eso está bastante lejos. No creo que esté tan lejos si te refieres a tipos muy específicos de implementaciones. Podría ser robotaxis o lanzaderas en rutas fijas o en áreas balizadas. Creo que esas cosas todavía están avanzando con gran progreso. Cuando se trata de pilotos automáticos de carretera y camiones de centro a centro, creo que vamos a ver mucho más en términos del movimiento de mercancías antes que de personas.
¿Podrías dar más detalles?
Esto significa robots de entrega de todas las formas y tamaños. Estamos involucrados en prácticamente todos estos programas de prueba de reparto de bienes. Podrían ser automóviles, camiones, transbordadores. Todos ellos todavía están desarrollando a toda velocidad por delante. Creo que la gente se está dando cuenta de que tomará un poco más de tiempo alcanzar un nivel de seguridad en el que deberíamos concentrarnos en brindar.
Ha habido un accidente fatal que involucró a un AV con un conductor de seguridad, así como un reciente accidente no fatal. ¿Te han obligado estos eventos a duplicar lo que estás haciendo para que los AV sean lo más seguros posible?
Siempre hemos tenido esa práctica. Creo que Nvidia y la industria subestimaron la complejidad desde el principio. No creo que se tratara de que no estuviéramos a salvo. Esto es algo que nunca antes se había hecho. Estamos descubriendo cómo resolver estos desafíos, y en el camino nos dimos cuenta de que hay mucho más de lo que inicialmente se planeó.
¿Qué se está haciendo para hacer frente a esta sobreestimación?
Ha demostrado la necesidad de más sensores de alta resolución en el coche. La necesidad de diversidad y redundancia de estos sensores, de los algoritmos, de los sistemas para garantizar el más alto nivel de seguridad que podamos. Hay un deseo insaciable de más computación porque no es sólo un algoritmo en ejecución. Tienes docenas de redes neuronales diferentes que están funcionando en el coche simultáneamente, procesando todos los datos diferentes y analizando incluso el mismo flujo de datos. Hay una red neuronal buscando líneas en la carretera, una buscando peatones, otra buscando señales de tráfico, otra buscando coches y camiones. Sea lo que sea. Por lo tanto, la complejidad del software es enorme. Es por eso que escuchamos a los clientes con los que estamos trabajando, como Mercedes-Benz, diciendo: 'Necesitamos más potencia informática en el coche'. Esto se debe a que la complejidad del software está creciendo y creciendo.
¿Es la creación de un coche seguro y fiable totalmente autónomo el desafío más difícil que Nvidia ha emprendido?
Es como comparar manzanas con naranjas porque también estamos tratando de ayudar a curar el cáncer. ¿Es más difícil? Es difícil de decir. Ambos implican salvar muchas vidas. Eso es lo que lo hace realmente interesante para Nvidia. Trabajar con las empresas para resolver los problemas más desafiantes del mundo es nuestra misión. La informática de IA es fundamental para eso. Hay mucha más preocupación en tiempo real sobre el coche autónomo en comparación con salir y resolver algunos de estos otros problemas que son muy complejos. Cuando usted está conduciendo un coche autónomo es vida o muerte, segundo por segundo, por lo que se podría decir que hay potencialmente mucho más en juego. Hay una complejidad increíble al tratar de analizar el comportamiento humano. Los humanos no son predecibles.
¿Qué se está haciendo para ayudar a compensar parte de esa imprevisibilidad?
Si tuviéramos que eliminar a otros usuarios humanos de la carretera y su toma de decisiones de las ecuaciones sería un problema mucho más fácil de resolver. Por lo tanto, creo que donde vamos a ver despliegues en lugares donde podemos eliminar esa aleatoriedad humana. Esto podría ser carreteras dedicadas, rutas fijas y áreas geobalizadas. Podría haber ciudades que prohíban los coches impulsados por humanos en ciertas áreas o que tengan humanos en un nivel diferente, como tener vehículos autónomos en un nivel de una carretera y peatones en otro. Creo que hay muchas maneras diferentes de simplificar el problema. Pero creo que crear el vehículo autónomo es uno de los problemas más complejos del mundo.
¿Cuáles son las otras tomas de los accidentes que han implicado vehículos autónomos?
Algunos de estos accidentes no fueron causados por los mismos vehículos autónomos de nivel que estamos planeando. Pero creo que el público se apodera de esto y se convierte en un asunto de hombre contra máquina y la máquina acaba de anotar uno y los humanos cero. En ese caso se convierte en una gran noticia. Es increíble cuántas personas mueren o se lastiman cada año por los coches conducidos por la gente y el mundo sigue, nadie le presta atención salvo cuando es un coche autónomo.
¿Qué se está haciendo para superar el "miedo a lo desconocido" relacionado con los vehículos autónomos?
Definitivamente hay una pieza de concientización y educación, por eso nos unimos a PAVE (la asociación para la educación autónoma del vehículo). Es una iniciativa de los Estados Unidos que incluye a Mercedes, Nvidia y muchos otros. Se lanzó en el CES de este año en Las Vegas. La educación autónoma del vehículo es crucial porque la mayoría de las personas no saben qué hay en sus automóviles hoy, de qué es capaz la tecnología y qué vendrá en el futuro. Nunca han experimentado o leído una historia al respecto y piensan en Terminator cuando se habla de inteligencia artificial. Existe este miedo a lo desconocido. Pero creo sinceramente que una vez que las personas tengan la oportunidad de experimentarlo, cambiará casi instantáneamente su percepción al respecto.
¿Cuáles son algunas de las limitaciones que Nvidia ha descubierto en las pruebas en carretera de soluciones para vehículos autónomos?
Hay muchas pruebas en carretera que involucran la seguridad de los conductores. Cuando probamos tenemos un conductor de seguridad así como un ingeniero de seguridad. Se les indica que se hagan cargo si se sienten incómodos con lo que está haciendo el automóvil. Eso es bueno y malo. El problema es que tienden a hacerse cargo prematuramente. O tal vez se harán cargo en momentos en que realmente no lo necesitaban, pero no querían arriesgarse. Le pasa a todo el mundo. Por lo tanto, el problema es que nunca está probando realmente si el sistema habría evitado la colisión.
Cual es la alternativa?
Aquí es donde pasamos a la simulación. Somos muy usuarios de simulación. Estamos trabajando con muchos clientes para desarrollar nuestro sistema Drive Constellation, que realiza pruebas completas de software y hardware en el circuito. Entonces podemos crear todo tipo de escenarios peligrosos. Ejecútalos en la seguridad de la Nube y no pongas a nadie en peligro. ¿Podemos realmente determinar si hay un impacto o no? Si hubo, volvemos y descubrimos lo que sucedió y lo corregimos. Podemos probar los algoritmos de detección, la planificación de la ruta, el mapeo, todo un montón de cosas antes de ponerla en marcha. Eso es critico.
- Lo único que necesitas para freír un huevo es, un Universo -
