La empresa estadounidense Uber ha dado a conocer un estudio aun no validado en el que los ingenieros de la compañía explican el funcionamiento de un nuevo sistema de conducción autónoma: su sistema MultiNet. Se trata de un nuevo enfoque en el que prima la rapidez de respuesta para detectar y predecir los movimientos de los obstáculos.

MultiNet promete realizar la segmentación de carreteras, la detección de automóviles y la clasificación de calles de forma conjunta.

Uber explica que, a diferencia de los modelos existentes, MultiNet razona sobre la incertidumbre del comportamiento y el movimiento de automóviles, peatones y ciclistas usando un modelo que infiere detecciones y predicciones y luego los refina para generar trayectorias potenciales.

Toca así uno de los principales retos de la Inteligencia Artificial: predecir el comportamiento humano. Porque hasta que la conducción autónoma no se democratice, seguirán siendo los humanos los que controlen a la máquina, y ya se ha comprobado lo difícil que resulta enseñar a un sistema a conducir de forma imperfecta, como lo haría una persona.

Por ejemplo, un auto autónomo puede determinar con cierta facilidad la trayectoria de otro vehículo que, al pararse en una intersección, solo puede seguir de frente o girar a la derecha. Sin embargo, lo tendrá más difícil para predecir si un peatón empieza a cruzar de forma abrupta una calle o si un conductor decide saltarse una señal de Stop, o pegar un frenazo inesperado.

El sistema de conducción autónoma de Uber no es ni el primero ni el último en tratar de predecir la trayectoria de los objetos en el entorno. Esto es algo común y permite a los vehículos autónomos a mejorar la toma de decisiones al preparar posibles escenarios en los que reaccionar. Sin embargo, sí que parece mejorar con respecto a otros sistemas ya presentes. Indican que superó a otras opciones con una precisión de predicción entre el 9% y el 13% mejor.