Esta vez, el Instituto de Investigación de Toyota (TRI) y el Departamento de Ingeniería de Stanford han realizado un hito sin precedentes en la investigación automotriz: el drift en tándem de autos autónomos.
Este logro, que es el resultado de casi siete años de colaboración, se centró en automatizar la maniobra conocida como «drifting», donde el conductor controla con precisión la dirección del vehículo después de perder tracción al hacer girar las ruedas traseras.
Esta habilidad es transferible a situaciones cotidianas, como recuperar el control en una carretera nevada o helada. Al agregar un segundo auto que hace drift en tándem, los equipos han simulado más de cerca las condiciones dinámicas en las que los automóviles deben responder rápidamente a otros vehículos, peatones y ciclistas.
Se puede decir que el drift es la maniobra más compleja en los deportes de motor, y alcanzar este hito con autonomía significa que se pueden controlar autos de manera dinámica en situaciones extremas.
Así que los ingenieros han aprendido de este proyecto de drifting autónomo ya ha llevado a nuevas técnicas para controlar vehículos automatizados de manera segura en el hielo.
En una secuencia de drifting en tándem autónoma, dos vehículos circulan por un curso a veces a pulgadas de distancia entre sí, operando al límite del control. El equipo utilizó técnicas modernas para desarrollar la IA del vehículo, incluyendo un modelo de neumático basado en redes neuronales que le permitió aprender de la experiencia, similar a un conductor experto.
Todo lo anterior es sumamente vital en la seguridad, puesto que los accidentes automovilísticos resultan en más de 40,000 muertes en Estados Unidos y alrededor de 1.35 millones de muertes en todo el mundo cada año.
Muchos de estos incidentes se deben a la pérdida de control del vehículo en situaciones dinámicas y repentinas. Por lo tanto, la autonomía tiene un tremendo potencial para ayudar a los conductores a reaccionar correctamente.
Cuando un auto comienza a patinar o driftear, se confía únicamente en las habilidades de conducción para evitar chocar con otro vehículo, árbol u obstáculo. Un conductor promedio lucha por manejar estas circunstancias extremas, y una fracción de segundo puede significar la diferencia entre la vida y la muerte. Esta nueva tecnología puede activarse precisamente a tiempo para proteger al conductor y manejar la pérdida de control, tal como lo haría un drifter experto.
Detalles técnicos de estos autos autónomos
Los experimentos se llevaron a cabo en Thunderhill Raceway Park en Willows, California, utilizando dos GR Supras modificados. Los algoritmos del auto líder fueron desarrollados en TRI, mientras que los ingenieros de Stanford desarrollaron los del segundo auto. TRI se centró en desarrollar mecanismos de control robustos y estables para el vehículo líder, permitiéndole realizar maniobras repetitivas y seguras. La Ingeniería de Stanford desarrolló modelos y algoritmos de IA que permiten al coche perseguidor adaptarse dinámicamente al movimiento del coche líder, permitiendo que derrape junto a él sin colisionar.
GReddy y Toyota Racing Development (TRD) modificaron la suspensión, el motor, la transmisión y los sistemas de seguridad (como la jaula de seguridad y la supresión de incendios) de cada auto. Aunque sutilmente diferentes entre sí, los vehículos se construyeron con las mismas especificaciones utilizadas en las competencias de Fórmula Drift para ayudar a los equipos a recopilar datos con conductores expertos en un entorno controlado.
Ambos vehículos están equipados con computadoras y sensores que les permiten controlar su dirección, aceleración y frenos, además de detectar su movimiento (posición, velocidad y tasa de rotación). Crucialmente, comparten una red WiFi dedicada que les permite comunicarse en tiempo real intercambiando información como sus posiciones relativas y trayectorias planificadas.
Para lograr el drifting en tándem autónomo, los vehículos deben planificar continuamente sus comandos de dirección, aceleración y frenado, así como la trayectoria que intentan seguir, utilizando una técnica llamada Control Predictivo No Lineal (NMPC). En NMPC, cada vehículo comienza con objetivos representados matemáticamente como reglas o restricciones que debe obedecer.
El objetivo del vehículo líder es mantener un derrape a lo largo de un camino deseado mientras se somete a las leyes de la física y los límites del hardware, como el ángulo máximo de dirección.
El objetivo del vehículo de atras es derrapar junto al vehículo líder mientras evita proactivamente una colisión. Cada vehículo resuelve un problema de optimización hasta 50 veces por segundo para decidir qué comandos de dirección, aceleración y frenado cumplen mejor sus objetivos mientras responden a condiciones cambiantes.
Este avance no sólo marca un hito en la tecnología automotriz, sino que también promete un futuro más seguro en las carreteras al proporcionar a los automóviles la capacidad de manejar situaciones extremas con la habilidad de un conductor experto.
