Tesla patenta nuevas formas de mejorar la conducción autónoma

Buscan mejorar sus sistemas de conducción autónoma

Algunas compañías parecen estar compitiendo por ser la primera en lograr la conducción autónoma real, también conocida como nivel 5, y Tesla es una de ellas. La marca de autos eléctricos, famosa por implementar el sistema de conducción autónoma Autopilot, ha patentado dos nuevas tecnologías con las que busca mejorar su implementación de la conducción autónoma.

Así, mientras Tesla está trabajando en camino a lanzar un sistema de conducción autónoma total en 2021, también han patentado un nuevo canal de datos y un sistema de aprendizaje profundo que podría ayudarlos a acelerar el desarrollo de la mejor versión de Autopilot.

El sistema ha sido revelado en una nueva solicitud de patente llamada “Data Pipeline and Deep Learning System for Autonomous Driving”, es decir, canales de datos y aprendizaje profundo para conducción autónoma.

El canal de datos de Tesla es, probablemente, uno de los más grandes de la industria si no es que el más grande ya que obtiene información de una flota de miles de vehículos equipados con un conjunto considerable de sensores y cámaras.

En la solicitud de patente, Tesla explica el problema que su nuevo sistema busca atacar. La marca informa, en la solicitud, que los sistemas de aprendizaje usados para mejorar la conducción autónoma confían típicamente en datos capturados de los sensores y esto es la información de entrada. En los sistemas tradicionales de aprendizaje, los datos capturados de los sensores se hacen compatibles con un sistema de aprendizaje profundo convirtiéndolos de un formato a otro.

Utilizarán de mejor forma la información de sensores y cámaras

Esta conversión puede incluir compresión y un sampleo que puede reducir la fidelidad de la señal de los datos originales de los sensores. Además, el reemplazo de sensores para actualización del sistema podría requerir un nuevo proceso de conversión, aumentando la carga de trabajo para los desarrolladores.

Por ello existe la necesidad de un canal de datos personalizado que pueda maximizar la información de señal de los datos capturados de los sensores, proveyendo un nivel más alto de información a la red de aprendizaje profundo para un mejor análisis.

Tesla describe la solución en la solicitud de patente, donde indica que un canal de datos que extraiga y provea datos de sensores como componentes separados a una red de aprendizaje profundo para conducción autónoma ha sido desarrollado. En algunas concepciones de estos sistemas, la conducción autónoma se implementa usando una red de aprendizaje profundo y datos recibidos desde los senores: para esos casos es que aplica este nuevo sistema.

Por ejemplo, sensores enlazados al vehículo proveen datos en tiempo real. Estos datos pueden ser de imagen, información de radar, o de sensores ultrasónicos y todos ellos proporcionan información sobre el ambiente que rodea al vehículo a una red neuronal para determinar la respuesta de los controles del auto.

En otras aplicaciones, la red neuronal se implementa usando diferentes capas. Los datos de los sensores se extraen en dos o más capas diferentes, por ejemplo, la información proveniente de los sensores de iluminación puede ser llevada a diferentes capas para ser utilizada eventualmente por una red de aprendizaje profundo y controlar así varios componentes con la misma información.

En otros casos, los componentes del canal de datos funcionan como contenedores que almacenan datos altamente relevantes para identificar ciertas características marcadas como objetivos de la conducción autónoma, pero no identifican o detectan nada por sí mismos.

Un mejor y más ordenado procesamiento

Los datos también pueden pasar por una etapa de procesamiento previo para mejorar la calidad de la señal que contienen, y existe la posibilidad de comprimirlos para incrementar la eficiencia de recursos computacionales, todo ello en diferentes capas del sistema de aprendizaje.

La red de aprendizaje profundo tiene la capacidad de identificar y detectar de forma precisa las características asociadas con los datos obtenidos, como bordes del camino, objetos, y más cosas, usando la señal retenida durante la extracción como la información de entrada.

Al realizar la extracción de datos de diferentes componentes, y que cada uno de estos datos conserve la señal original, la red puede procesar de forma más eficiente la información de los sensores. Anteriormente, todos los datos de los sensores eran la información de entrada, pero con este nuevo sistema, a la red de aprendizaje llega sólo lo más relevante y útil en cada capa: es una implementación más ordenada.

En otros escenarios, diferentes bloques de datos pueden ser utilizados a su máxima resolución para los propósitos adecuados. Por ejemplo, el parámetro de características del camino y sus bordes puede utilizar el archivo de alta resolución de origen, con toda la información almacenada de cada uno de los bits, para mejorar el funcionamiento global del sistema.

En términos realmente sencillos, la patente que Tesla ha solicitado trata sobre un sistema que gestiona de mejor forma la información recibida desde los sensores para reducir tiempos de procesamiento y eficientar recursos y almacenamiento, dando prioridad a los datos más útiles y organizándolos de acuerdo a su origen y destino.

>>>Te puede interesar: Rivian también piensa en su modalidad de conducción autónoma sin conductor