Los investigadores del Instituto Tecnológico de Massachusetts (MIT) han encontrado una manera para que los conductores eviten detenerse en los semáforos en rojo a través de la Inteligencia Artificial (IA).
En un nuevo estudio, los investigadores del MIT demuestran un enfoque de aprendizaje automático que puede ayudar a controlar una flota de vehículos autónomos cuando se acercan a una intersección señalizada para ayudar a que el tráfico fluya sin problemas.
(Foto: Foto de PETER PARKS/AFP vía Getty Images)
Un taxi cruza una intersección vacía en el distrito comercial central el 13 de octubre de 2021, cuando Hong Kong se derrumbó por segunda vez en menos de una semana cuando el ciclón tropical Kompasu hizo que los meteorólogos elevaran su nivel de alerta y marcaran el comienzo de medidas de seguridad obligatorias.
Los investigadores realizaron simulaciones que no solo ayudarán con el tráfico, sino que también pueden reducir el consumo de combustible y las emisiones mejorarán la velocidad promedio del vehículo.
Este enfoque brindará los mejores resultados si todos los automóviles en la carretera son autónomos. Sin embargo, incluso si solo el 25 por ciento usa esto, aún puede ofrecer resultados significativos.
Según la autora principal Cathy Wu, profesora asistente de Gilbert W. Winslow Career Development en el Departamento de Ingeniería Civil y Ambiental, «Este es un lugar realmente interesante para intervenir».
Y agrega: «La vida de nadie es mejor porque se quedaron atrapados en una intersección».
También hizo referencia a las intervenciones en curso en el cambio climático que podrían afectar la calidad de vida. Wu mencionó que las mejoras en la calidad de vida a través de su enfoque utilizando IA podrían ser más posibles a corto plazo, lo que también tendría un impacto positivo en nuestro clima.
Lea también: La IA NO se apoderará del mundo ni conducirá a la humanidad a la extinción: este es el motivo
La técnica
Los científicos lo abordaron con una técnica sin modelo, que también se conoce como aprendizaje de refuerzo profundo. El aprendizaje por refuerzo profundo es un método de prueba y error en el que el algoritmo de control aprende a tomar una secuencia de decisiones.
Es recompensado cuando encuentra una buena secuencia y aprovecha las suposiciones aprendidas por una red neuronal que encuentra atajos a buenas secuencias, a pesar de los miles de millones de posibilidades.
Además, quieren que el sistema aprenda una estrategia para ayudar a reducir el consumo de combustible y limitar el impacto en el tiempo de viaje, lo que genera conflicto.
Para resolver esto, emplearon el modelado de recompensas, una técnica que le da al sistema cierto conocimiento del dominio que no aprenderá por sí solo. En este caso, penalizaban al sistema cada vez que el vehículo se detenía por completo para evitar esa acción.
Siguiendo un algoritmo de control efectivo, los investigadores lo evaluaron a través de una plataforma de simulación de tráfico con una sola intersección. Lo aplicaron a una flota de vehículos autónomos conectados que se comunican con los próximos semáforos para recibir información sobre la fase de la señal y el tiempo y observar su entorno inmediato.
El algoritmo le dice a cada vehículo cómo acelerar y desacelerar. En las simulaciones, hay más autos de los que se fabricaron en una sola fase verde, lo que resultó en un mayor consumo de combustible y reducciones de emisiones.
El trabajo aún se encuentra en sus primeras etapas, pero los investigadores son optimistas de que podrían implementarse en un futuro cercano.
El futuro de la IA en los vehículos parece solidificarse con el paso del tiempo. Es seguro decir que esta tecnología realmente podría allanar el camino hacia un entorno más seguro.
Artículo relacionado: Científicos del MIT construyen campos de entrenamiento de realidad virtual para drones de IA
Este artículo es propiedad de TechTimes
Escrito por Abril Fowell
ⓒ 2021 TECHTIMES.com Todos los derechos reservados. No reproducir sin permiso.