El Massachusetts Institute of Technology (MIT) ha creado un sistema de simulación para entrenar coches sin conductor en un mundo fotorrealista con infinitas posibilidades de dirección. De esta forma, ayuda a los coches a aprender a navegar en una serie de escenarios más difíciles antes de recorrer las calles.  

Los sistemas de control para vehículos autónomos se basan en gran medida en conjuntos de datos reales sobre las trayectorias de conducción humanas. A partir de estos datos, explican los investigadores del proyecto, aprenden a emular controles de dirección de forma segura y en distintas situaciones. No obstante, los datos del mundo real peligrosos, como casi chocar, ser forzado a salirse de la carretera o entrar en otros carriles, son -afortunadamente- raros, matiza el MIT.

Algunos programas informáticos, conocidos como «motores de simulación», imitan estas situaciones a través de carreteras virtuales para ayudar a entrenar a los controladores a recuperarse. «Nunca se ha demostrado que el control aprendido de la simulación se transfiera a la realidad en un vehículo a escala real», afirman.

Datos reales con infinitas probabilidades de trayectorias

Ahora, gracias a los investigadores del MIT se puede abordar este problema con su simulador fotorrealista, llamado Síntesis y Transformación de Imagen Virtual para la Autonomía (VISTA). Utiliza sólo un pequeño conjunto de datos, capturados durante la conducción real, para sintetizar un número prácticamente infinito de nuevos puntos de vista a partir de las trayectorias que el vehículo podría tomar en el mundo real.

El controlador es recompensado por la distancia que recorre sin tener un accidente, por lo que debe aprender a llegar a un destino con seguridad. Al hacerlo, el vehículo navega con seguridad en cualquier situación que se encuentre. Incluso aprende a recuperar el control después de desviarse entre carriles o recuperarse de un posible accidente.

Gracias a este motor de simulación «basado en datos» se logra sintetizar, a partir de datos reales, nuevas trayectorias coherentes con el aspecto de la carretera. Junto a esto, el vehículo también aprende a conocer la distancia y el movimiento de todos los objetos de la escena.