Inteligencia artificial, robótica, historia y algo más.

12/7/16

In memoriam: Rudolf Kalman

El pasado 2 de julio falleció Rudolf Kalman, uno de los científicos cuyos resultados nos afectan directamente en la vida cotidiana. Es una fortuna que los científicos disfruten del prestigio durante su vida.

La mayor contribución de este matemático, ingeniero e inventor húngaro formado en Estados Unidos, es el celebérrimo filtro que lleva su nombre, y que se incorporó en el programa Apollo de la NASA en 1960. ¿De qué sirve este filtro?  No voy a explicarlo con un cohete, sino con un dispositivo mucho más sencillo:

Pensemos que un sensor nos arroja cada intervalo de tiempo una medida de la posición de la máquina, y que se iría llenando el siguiente vector de posiciones:

x = [0  0.1  0.22  0.31  0.42  0.50...];

¿Son estas posiciones las absolutas y las totalmente fiables? NUNCA. Por muy bueno y caro que sea un sensor, nunca será perfecto, y siempre su medida va a tener una incertidumbre. La medida que arroje un sensor en cada instante puede representarse mediante una campana de Gauss. Lo más probable es que la medida del sensor sea en el punto más alto, pero podría darse que estuviera en otro punto.

Y si imaginamos además que hay un sensor que mide la aceleración en los mismos intervalos de tiempo de mi máquina, tampoco puedo considerar que esas aceleraciones sean exactas. Ocurre exactamente lo mismo que con la posición. 

Vaya, ¡qué faena! Resulta que ni la posición ni la aceleración en cada instante de tiempo es fiable. Por lo tanto, en ningún momento parece que pueda asegurar dónde está mi máquina. ¿Llegamos a la Luna de chiripa o qué? 

El filtro de Kalman viene a resolver esas incertidumbres en las medidas de los sensores y fusiona los datos en sencillos pasos los datos hasta tener la posición real de mi máquina. Posiblemente, tras el filtrado de Kalman, la posición de mi aparato no sea el que he puesto en el vector x, sino:

x1= [0  0.11  0.23  0.30   0.40  0.48], por decir algo.

Programar el filtro de Kalman en Matlab o Excel es sencillísimo, tal y como se puede encontrar en numerosas webs, como ésta. Como os podéis imaginar, el filtro de Kalman está muy de moda ahora entre ingenieros que se dedican a la robótica móvil, pero es que esta herramienta se emplea en cualquier serie de datos temporales para predecir con más exactitud.

Hay una variable si el sistema a modelar es no-lineal, que es el filtro de Kalman Extendido, pero de ese no vamos a hablar ahora.

Puede que os interese saber que en todos los partidos de fútbol se emplea el filtro de Kalman para las cámaras del estadio y el seguimiento de objetos móviles. 

A pesar de todo lo dicho, Rudolf Kalman no fue el único que llegó a desarrollar su algoritmo. Tal y como indica la Wikipedia, esto fue una co-invención. Rudolf Kalman no fue el único que pensó sobre este problema, y entre otros estuvieron Gauss, Kolmogorov, Legendre... pero sobre todo, la co-autoría se puede atribuir también a Peter Swerling, quién llegó a una expresión parecida poco antes de manera independiente.


Comparte:

6/7/16

Accidentes con los coches autónomos: era cuestión de tiempo

Después de un periodo de trabajo bastante intenso en los últimos meses, intentaré volver a retomar una actividad más frecuente en el blog.

En esta ocasión, toca hablar sobre coches autónomos: el pasado 29 de junio, el coche Tesla Model S sufrió un fatal accidente en el que falleció su ocupante, Joshua Brown. El accidente surgió con el famoso autopilot de la marca, por lo que se convierte en la primera víctima mortal con este tipo de vehículos. Curiosamente, el experto en robótica, Alan Winfield, el 31 de marzo de este año publicó en su blog que la primera víctima era cuestión de tiempo.

El accidente está explicado en multitud de webs, pero creo que la siguiente imagen del NYTimes es bastante explicativa: 


Tal y como se puede ver, un camión de grandes dimensiones se cruzó en la trayectoria del coche, y éste no frenó. 

Es crítico conocer las razones que provocaron el fallo del autopilot. Todo apunta a un fallo de visión artificial, donde no se distinguió bien el color blanco del camión en contraste con el cielo de color claro que había en ese momento. Elon Musk es reconocido por ser crítico con el sistema LIDAR como instrumento para escanear lo que hay alrededor del vehículo y posicionarse (SLAM). El Tesla Model S equipa cámaras (sensor MobilEye concretamente), y probablemente el sistema LIDAR hubiera detectado sin problemas el camión en cuestión. 

El LIDAR es el sistema habitual en otras propuestas de coches autónomos, pero sus mayores problemas son el abusivo consumo de energía (por eso no lo equipa el Mars Rover) y su elevado precio.

Es irónico saber que la víctima realizó un vídeo dos meses antes en el que aseguraba que el sistema autopilot le salvó cuando un camión blanco más pequeño se le cruzó en su camino (a continuación se puede ver la grabación):


Pero como siempre, el diablo está en los detalles, y desgracias como ésta pesan tanto en la penetración de estos coches en la sociedad, como la propia tecnología. Y ahí van los detalles que marcarán las decisiones legales y de responsabilidad en este suceso:

1) El sistema auto-pilot de Tesla no es estrictamente un sistema autónomo. No está conectado al sistema de navegación, y simplemente se trata de un sistema supervisado de aprendizaje automático que no tiene el control último del coche. Más bien es un sistema que se guía por las líneas de las carreteras y las distancias a otros vehículos. Pero el conductor puede tomar el control total del coche cuando lo considere.

2) Será muy importante la decisión de cómo se van a gestionar los seguros y qué responsabilidad se carga sobre cada uno de los actores del accidente (conductor, fabricante Tesla y camión). Para mí Tesla sí que tiene parte de culpa, ya que su sistema de visión falló. Y tal y como dice este artículo, los pilotos de aviones vuelan con la opción de modo automático, pero están entrenados para actuar en caso de cualquier incidencia. No es el caso de los conductores habituales.

Tesla presume de tener una especie de caja negra de accidentes y dilucidar sin duda alguna de quién es la culpa en cualquier accidente, tal y como lo argumentó en otro tipo de accidentes. Sin embargo, también será importante leer detenidamente el contrato que firma cualquier comprador de Tesla.

3) En mi opinión, la mayor dificultad de la penetración y normalización de coches autónomos en nuestras vidas no será problema de la tecnología, ni de las carreteras, ni del precio. Serán los tests. Hay que hacer muchos muchos tests. Los vehículos autónomos no fallan como un humano. Han demostrado que son capaces de reaccionar a señales mucho más rápido que nosotros, a no fatigarse, o a mantener siempre la atención. Pero todavía no sabemos cómo gestionan toda la información que reciben y qué decisiones toman en consecuencia.

Estamos en un momento científico tecnológico apasionante.




Fuente original (blog de Tesla): https://www.teslamotors.com/blog/tragic-loss
Comparte:

Nos leemos:

descripción descripción descripción

Recibe las entradas por correo

En mi mesilla

Blog Archive

Licencia Creative Commons