Los sistemas ADAS avanzados requieren pruebas en entornos reales que superan las limitaciones de pistas de prueba tradicionales. Un proyecto de Doctorado Industrial entre Applus+ IDIADA y la UPC desarrolla un sistema de percepción multimodal para crear la verdad de campo necesaria para la certificación.
El futuro de la movilidad pasa por vehículos autónomos y sistemas avanzados de asistencia a la conducción ( ADAS ) cada vez más complejos. Estos sistemas ADAS (siglas de Advanced Driver-Assistance Systems) son tecnologías que automatizan tareas de conducción para aumentar la seguridad y el confort. Funcionan como un “copiloto” electrónico que, utilizando sensores (cámaras, radares, lidares), monitoriza constantemente el entorno del vehículo . Sus funciones incluyen desde asistencias básicas, como el control de crucero adaptativo o el mantenimiento de carril, hasta intervenciones críticas, como el frenado automático de emergencia.
A medida que estas funciones toman mayor control, surge un reto crítico: ¿cómo podemos garantizar que son seguras fuera de los entornos controlados? Para dar respuesta a esta pregunta, el doctorando industrial Marc Perez Quintana, en el marco de una colaboración estratégica entre Applus+ IDIADA y el Instituto de Robótica e Informática Industrial (IRI) de la UPC, está desarrollando un sistema de percepción de referencia capaz de validar estas tecnologías directamente en condiciones de conducción real.
Este proyecto es la evolución del trabajo iniciado por IDIADA en el año 2018. “ Inicialmente fue por un proyecto interno de robotaxis donde utilizamos cámaras, radares y lidares para conducir autónomamente por las calles de IDIADA en situaciones muy controladas ”, contextualiza Fuentes. Esta experiencia previa evidenció la necesidad de sistemas de percepción más robustos para su validación. Esta necesidad coincide con el salto cualitativo que afronta la industria de automoción. Los sistemas ADAS ya no sólo avisan; ahora toman decisiones en fracciones de segundo. Esta complejidad hace que las pruebas tradicionales en circuitos cerrados sean insuficientes . “ Para asegurar que las funciones son seguras es necesario también realizar pruebas en carretera abierta en condiciones de conducción normal ”, explica Jesús Fuentes, project manager en Applus+ IDIADA. Por eso el problema central radica en la validación. Para saber si el sistema del vehículo a prueba actúa correctamente, es necesario compararlo con una “verdad de campo” ( ground truth ) infalible. " Entonces el reto es cómo estimar la posición de todos los vehículos alrededor, para evaluar si la función se comporta de forma segura ", añade Fuentes.
"Este proyecto nos permitirá seguir siendo referentes globales cuando vaya siendo más importante validar estos sistemas en carretera abierta."
Aquí es donde la búsqueda de Perez Quintana se vuelve crucial. El objetivo de su proyecto es crear un “ sistema de percepción de referencia ” modular. En esencia, se trata de un instrumento de medida externo: un conjunto de sensores y algoritmos de alta precisión que se instalan temporalmente en un vehículo para establecer la verdad de campo durante un ensayo. El término “modular” significa que puede adaptarse, lo que permite añadir o cambiar sensores según las necesidades de la prueba. Este sistema no está pensado para ser comercializado en vehículos de producción, sino para actuar como observador objetivo y casi perfecto durante las pruebas. " El reto principal de un sistema de percepción de referencia es que es necesario que sea más preciso que los sistemas de percepción de los vehículos comerciales ", detalla Marc Perez.
Para conseguir esa precisión superior, el sistema ataca el problema por dos vías: el hardware y el software . En primer lugar, utiliza un hardware (componentes físicos) de mayor calidad del que se instala en vehículos comerciales, donde el precio es una limitación. Éstos incluyen Lidars 360º, que generan un mapa 3D completo del entorno mediante rayos láser; el IMU (Unidad de Medida Inercial), que registra la aceleración y la orientación precisa del mismo vehículo; además de cámaras y radares. En segundo lugar, utiliza un software (algoritmos) con mayor potencia de cálculo. Este cerebro digital se encarga de la fusión de datos: combina la información de todos los sensores para crear una única imagen coherente de la realidad. La clave es que no se fía de todos los sensores por igual. El sistema sabe, por ejemplo, que el Lidar es extremadamente preciso para medir distancias, mientras que una cámara puede ser mejor identificando lo que es el objeto. De este modo, el sistema “pondera” o da mayor credibilidad a la fuente más fiable para cada dato específico. " Cuando llegan detecciones […], actualizamos la lista de objetos teniendo en cuenta la precisión de la información ", señala Pérez. El resultado es un catálogo fiable y actualizado en tiempo real de todo lo que rodea al vehículo (posición, velocidad y aceleración).
"El reto principal de un sistema de percepción de referencia es que es necesario que sea más preciso que los sistemas de percepción de los vehículos comerciales."
El desarrollo, supervisado por Antonio Agudo (UPC) y Xavier Sellart (IDIADA), se topó con un descubrimiento clave. El equipo identificó que la simple combinación de datos no era suficiente si los datos de origen no tenían la máxima calidad . " Quizá el momento más importante fue darnos cuenta de que sólo mejorando la combinación de detecciones tenemos un tope de precisión importante ", reflexiona Antonio Agudo, director de la tesis. Esta revelación llevó el proyecto a una nueva fase: mejorar las detecciones del sensor más preciso , el Lidar (que genera una nube de puntos 3D). Mediante una colaboración con la Universidad Técnica de Eindhoven (TU/e), se mejoró la detección de objetos en estas nubes de puntos, facilitando al modelo la diferenciación entre objetos similares, como camiones y autobuses.
La modularidad del sistema es otra de sus fortalezas. Está diseñado para funcionar con diferentes configuraciones de sensores e incluso puede integrar información proveniente de la comunicación entre vehículos (V2X). " Un buen ejemplo de ello fue el demostrador que hicimos por el proyecto europeo SAFE-UP, donde un peatón comunicaba su posición a los vehículos (…) aunque no era visible por los sensores del vehículo ", explica Pérez.
El impacto de este proyecto es directo y estratégico. Applus+ IDIADA es ya un referente global en la validación de sistemas ADAS, actuando como laboratorio homologado por Euro NCAP. Sin embargo, los protocolos de seguridad están cambiando rápidamente para incluir pruebas en carretera abierta. " Un sistema de percepción de referencia suficientemente preciso y robusto podría marcar un antes y un después ", afirma Marc Pérez. Según el doctorando industrial, la falta de un sistema de validación fiable " es el principal problema que no permite que se extienda más la validación, e incluso homologación, en carretera abierta ".
La colaboración entre el conocimiento académico del IRI-UPC, que aporta los servidores para el entrenamiento algorítmico, y los recursos industriales de IDIADA, que facilita los prototipos y las pistas de prueba, ha sido fundamental. Para la parte académica, el director de tesis Antonio Agudo destacó el reto fundamental del proyecto: " la transferencia de métodos que funcionan bien en un entorno controlado […] para que funcione también en aplicaciones reales en entornos mucho más variables e imprevisibles ". Este proyecto de doctorado industrial no sólo resuelve un reto técnico complejo, sino que proporciona a la industria la herramienta necesaria para avanzar hacia una movilidad más automatizada, segura y eficiente. " Este proyecto nos permitirá seguir siendo referentes globales cuando vaya siendo más importante validar estos sistemas a carretera abierta ", concluye Pérez.
