preloader

Categorías

OBJETIVOS

Para el año 2050, se prevé que más del 70% de la población mundial resida en grandes ciudades y, se incremente con ello, sus efectos, como, por ejemplo, los problemas de congestión, la falta de capacidad y espacio en los centros urbanos, los altos niveles de contaminación, los problemas de seguridad vial y la protección de personas. Por ello, hoy en día todas las agendas de Gobiernos y Administraciones Publicas regionales y municipales en todo el mundo tienen como objetivo desarrollar una movilidad sostenible e igualitaria apoyada en la tecnología.

Así pues, FICOSA ADAS, como Líder del presente proyecto denominado INPERCEPT en base a las previsiones y dicho objetivo general, pretende limitar las capacidades humanas de manejo y control y mejorar la capacidad y las condiciones de tráfico, mediante el diseño, desarrollo e implementación de tecnologías clave capaces de encaminar la conducción hacia cada vez más automatización.

Asimismo, en línea con la mejora de la automatización de la conducción y a los niveles concretos de autonomía, bajo los que se puede catalogar un vehículo, numerados del 1 al 5, se tiene como objetivo principal alcanzar niveles superiores al actual nivel 2 (L2) a través del desarrollo de una plataforma de visión, que permita lograr un alto impacto en el sector de la movilidad, abordando los aspectos transversales como la seguridad, la autonomía y la sostenibilidad del futuro transporte.

  • Obtención de nuevos sistemas de percepción exterior 360º (multisensor)
    • Sistemas de vehículo con mejor resolución y mayor fiabilidad y rendimiento en detección de los elementos de tráfico, tanto dinámicos como estáticos y especialmente los usuarios vulnerables, independientemente del entorno o condiciones de operación.
  • Desarrollo de un sistema de percepción interior para la monitorización de conductor y ocupantes
    • Así como de sistemas HMI interior y exterior que permitan la interacción tanto con ocupantes del vehículo como con otros usuarios de la vía, así como anticipar situaciones de riesgo.
  • Desarrollo de tecnologías de posicionamiento y conectividad avanzadas
    • Para una interacción segura y confiable entre vehículos, infraestructura y otros usuarios de la vía (percepción cooperativa)
  • Desarrollo de consciencia situacional basada en modelos de IA
    • Para la comprensión del entorno y la toma de decisiones en tiempo real capaz de operar en condiciones extremas, ampliando el dominio de diseño operativo (ODD) de las funciones de conducción autónoma
  • Gestión de datos y nuevas funciones ADAS
    • Para permitir una elevada autonomía de vehículo (L4) e incrementar la seguridad
  • Demostración del impacto positivo de los desarrollos en casos de uso complejos de Smart cities y de gestión de flotas

Se tiene como objetivo intermedio lograr la correcta implementación de los distintos tipos de tecnologías que implican las siguientes partes diferenciadas del proyecto:

Recolección y tratamiento de datos

Parte en la que se utilizan los datos de los distintos sensores del vehículo por tal de obtener información necesaria sobre su estado y el de su entorno. Las fuentes (sensores) pueden ser muy diversas, y se agrupan en dos grandes tipos: sensores de localización (odómetros, IMU o GPS/GNSS), y sensores de percepción (cámaras ópticas, LiDAR, radar o ultrasonidos).

Además, se contempla el uso de las propias señales de comunicación detalladas en el siguiente punto como fuente adicional de datos. El uso de visión multiespectral permite la detección de objetos de forma fiable en condiciones muy diversas tanto climáticas como de visibilidad.

Para la correcta interpretación y procesado de los datos se deben implementar los algoritmos de fusión y compresión necesarios. La fusión de datos tan heterogéneos se realizará según convenga a nivel de señal, combinando aquellos que sean de tipología similar, de características (reconociendo objetos concretos) o de toma de decisiones, combinando las salidas de cada rama de decisión, mediante el uso de inteligencia artificial, como los modelos de aprendizaje profundo (Deep Learning). La unidad de procesado de datos comunicará entonces los resultados a la unidad central del vehículo para la toma de decisiones y la activación de los actuadores pertinentes.

Comunicaciones y compartición de datos

La percepción cooperativa del entorno provee a todos los integrantes de la flota (coches, autobuses, vehículos de micromovilidad, etc.) de una mejor percepción del entorno y de otros datos para la toma de decisiones. Para ello, se necesita establecer una comunicación estable y constante entre aquellos vehículos cercanos para el intercambio de información (V2V, en inglés “vehicle-to-vehicle").

Según las estimaciones de Stephan Heinrich (Lucid Motors), los datos generados por los distintos sensores comprenden un abanico desde los pocos kbps (ultrasonidos, GPS, IMU) hasta las centenas o miles de Mbps (vídeo crudo o LiDAR). Según el tipo de información y la compresión de esta, los vehículos deberán establecer enlaces superiores a los 100 Mbps con una fiabilidad superior al 99%.

Así pues, el mayor reto tecnológico asociado al presente proyecto es la compensación de las mayores pérdidas de potencia radiando en estas frecuencias, que deben compensarse con el uso de técnicas de conformación de haz (beamforming), ya previstas en el estándar.