Los coches que se conducen solos son una de las tecnologías más esperadas. Se supone que harán más accesible la movilidad a las personas con discapacidades (1), disminuirán las muertes relacionadas con el tráfico hasta en un 90% (2) y darán a la economía mundial un impulso de siete billones de dólares (3). En este artículo explicamos las tecnologías clave que han acelerado el desarrollo de estos vehículos y cómo se integran para crear coches capaces de conducirse a sí mismos. 

La primera máquina que se considera un vehículo autónomo fue el Stanford Cart, que se construyó y desarrolló en los años 70 como prototipo de astromóvil que podría utilizarse en misiones espaciales en otros planetas. Este vehículo era capaz de detectar los obstáculos en sus proximidades y planificar su ruta en consecuencia. Este nivel de autonomía era necesario, ya que el control remoto de un vehículo en otros planetas no es factible debido al largo tiempo que se necesita para enviar órdenes de ida y vuelta: tres minutos de ida en el caso de Marte. Sin embargo, el vehículo era muy lento y sólo se movía 1 m cada 10-15 minutos, ya que necesitaba el tiempo para calcular sus próximos movimientos (4).

La tecnología ha avanzado mucho desde entonces, pero los principios básicos de diseño del coche de Stanford se pueden seguir encontrando en los coches modernos de autoconducción. Estos principios de diseño constan de tres componentes generales: un componente sensorial, un componente computacional y un componente actuador. El componente sensorial da acceso al entorno del vehículo a través de cámaras, radares, GPS y lidares (una especie de radar que utiliza rayos de luz láser infrarroja). Por su parte, el componente computacional interpreta la información sensorial, hace predicciones sobre cómo se desarrollará una situación determinada y toma decisiones en consecuencia. Estas decisiones son ejecutadas por el componente actuador que, por ejemplo, acciona los frenos o dirige el vehículo en una dirección determinada. Estos componentes están configurados en un bucle cerrado, lo que significa que, mientras se ejecuta una decisión, ésta se reevalúa y ajusta utilizando la nueva información sensorial adquirida. Este reajuste constante permite que los coches de autoconducción sean lo suficientemente flexibles para su uso en la vía pública.

Mientras que las cámaras, los sensores y los actuadores controlados por máquinas han sido tecnologías establecidas durante décadas, el componente computacional que los une no fue lo suficientemente potente hasta hace poco. Al enumerar las principales tareas que el componente computacional lleva a cabo, entendemos por qué ha sido necesario un mayor desarrollo tecnológico. En primer lugar, tiene que integrar distintas entradas sensoriales para crear un mapa del entorno del vehículo. En segundo lugar, tiene que detectar y clasificar de forma fiable objetos, como otros coches, señales de tráfico o peatones. A continuación, debe tener en cuenta la información previa para extrapolar la situación actual (por ejemplo, si un peatón seguirá cruzando la calle). Por último, tiene que decidir una reacción que acerque el vehículo a su destino, respetando la ley y evitando accidentes. Para que sea aún más difícil, todas estas tareas deben ejecutarse casi en tiempo real (5). Todo esto sólo ha sido posible recientemente gracias al aumento de la potencia de procesamiento y al auge del aprendizaje automático (machine learning en inglés). Especialmente este último abrió la puerta a la clasificación de objetos y a la toma de decisiones, ya que eliminó la necesidad de programar manualmente objetos y escenarios individuales. En su lugar, los ingenieros utilizan datos de simulaciones y situaciones de tráfico reales para entrenar a una inteligencia artificial para que conduzca un coche de forma fiable (6). 

Sin embargo, este enfoque tiene dos limitaciones. Una es que una inteligencia artificial sólo podrá manejar situaciones similares a los datos con los que fue entrenada. Por lo tanto, si se encuentra con una situación desconocida, su respuesta será imprevisible y potencialmente peligrosa. Esto se ilustró de forma trágica, cuando un Tesla con piloto automático clasificó erróneamente un camión blanco como cielo y se estrelló contra él, matando a su pasajero (7). La otra limitación es el tiempo que la inteligencia artificial necesita para tomar sus decisiones. En situaciones predecibles y de evolución lenta, como en una autopista con poco tráfico, los coches de autoconducción funcionan muy bien, ya que pueden anticipar el futuro con solidez y tienen mucho tiempo para planificar su comportamiento. En situaciones imprevisibles y que cambian repentinamente, como la entrada de un animal en la carretera, los coches de autoconducción tienen que reaccionar rápidamente y pueden no tener tiempo para encontrar y ejecutar la respuesta ideal (8).

Los coches autónomos no pueden aprovechar todo el potencial de esta tecnología de forma aislada e individual. Esto sólo puede lograrse mediante la conexión y la coordinación de varios coches. Los vehículos de autoconducción conectados pueden coordinar su comportamiento de frenado y aceleración para evitar crear atascos o accidentes (2, 9). Además, los grupos de vehículos -llamados cohortes de su traducción directa del inglés- pueden comunicarse con los semáforos para coordinarlos y hacer el flujo del tráfico más eficiente a petición, lo que se conoce como ola verde (10). 

Sin embargo, la tecnología de conducción autónoma también tiene otros inconvenientes. Algunos estudios sugieren que estos vehículos podrían provocar un aumento del volumen de tráfico, ya que un mayor número de personas -como niños, ancianos o personas con discapacidad- tendrán acceso a ellos a través de servicios de alquiler como Uber (11,12). Esto podría llevar incluso a la desaparición de los sistemas de transporte público respetuosos con el medio ambiente, como los trenes o los autobuses, debido al alto nivel de flexibilidad y comodidad que prometen los coches de autoconducción. Por lo tanto, esto llevaría a un mayor aumento del volumen de tráfico, porque más personas viajarían en coches individuales, que tienen una baja capacidad de pasajeros en relación con su tamaño (13). Además, la naturaleza interconectada de la infraestructura de los vehículos de autoconducción abre el potencial de vigilancia y seguimiento de los movimientos de los individuos (14). Además, por el momento no está claro si el propietario del coche o su fabricante son responsables en caso de accidente (15).

A pesar de estos problemas, empresas como Waymo y Uber han comenzado recientemente a poner en marcha las primeras versiones de los sistemas de alquiler de coches autoconducidos en determinados lugares (16, 17). Waymo incluso está probando actualmente su tecnología en camiones autoconducidos para el sector de la logística (18). Dado que las empresas tecnológicas ya están explorando el mercado de la tecnología de los coches de conducción autónoma, es crucial que las cuestiones legales y estructurales que ésta tecnología conlleva se aborden pronto para allanar el camino a una conducción autónoma responsable y segura.