Un marco de tecnologías para el vehículo autónomo

He querido adentrarme un poco más en las interioridades de los vehículos autónomos, intentando superar las ideas genéricas que les rodean y conocer mejor, y con cierto rigor, el conjunto de tecnologías que utilizan. 

Y con esa idea, he acometido la lectura del libro 'Creating autonomous vehicle systems' de Saoshan Liu, Liyun Li, Shuan Wu y Jean-Luc Gaudiot. Y me ha gustado mucho encontrar, nada más comenzar, un marco muy ordenadito y claro de las tecnologías que se emplean en este tipo de soluciones.

El marco conceptual que proponen los autores es el que se muestra en la figura:

Arquitectura de los sistemas de conducción autónoma

En este esquema de bloques, los autores distinguen tres grandes componentes, que en la figura se marcan con colores diferentes:

• Algoritmos (en color carne) cuya misión es extraer información relevante a partir de los datos en bruto de los sensores con que están dotados los vehículos y, a partir de ellos tomar las decisiones para las siguientes acciones. A su vez, clasifican los algoritmos en tres bloques:
  
  
  • Sensación ('sensing'): que se ocupa de la extracción de información y donde incluyen tecnologías como GPS ('Global Positioning System'), IMU ('Inertial Measurement Unit'). LiDAR ('Light Detection and Ranging') y las cámaras.
  
  
  • Percepción: cuya misión es entender el contexto del vehículo y donde se sitúan algoritmos de localización, reconocimiento de objetos y seguimiento de objetos.
  
  
  • Decisión: que es donde, finalmente, se adoptan las decisiones para las siguientes acciones del vehículo y en cuyo bloque aparecen la planificación de rutas, la predicción de acciones o la evitación de obstáculos.


• Sistemas cliente: (en color azul) que, de alguna forma, es la plataforma hardware y software donde se enmarcan los elementos del componente de algoritmos. Incluye tanto la plataforma hardware como el sistema operativo.


• Plataforma cloud: (color amarillo) en que se sitúan una serie de bloques que no precisan de funcionamiento en tiempo real sino capacidades de computación offline y almacenamiento. En este componente aparecen los Mapas de Alta Definición (HD Maps), las funcionalidades para el entrenamiento del modelo y para la simulación y el simple almacenamiento de datos.

Ejemplo tecnologías coche autónomo (fuente 'The economist')

En los siguientes capítulos, los autores van desmenuzando y analizando estos elementos. Resulta muy interesante pero, de momento, en este post me quedo, simplemente, con esta arquitectura o este esquema por lo claro que resulta como marco para seguir profundizando.