IA generativa para una CCAM más inteligente: mejora de la percepción, la toma de decisiones y la validación (CCAM Partnership)

Resultado esperado:

Se espera que los resultados del proyecto contribuyan a todos los siguientes resultados esperados:

• Disponibilidad e integración de sistemas de percepción avanzados, fiables y eficientes desde el punto de vista energético, que aprovechen los avances tecnológicos de la IA Generativa (GenAI) para mejorar la conciencia situacional y apoyar la toma de decisiones segura;
• Mejora de la seguridad de los Usuarios Vulnerables de la Vía (VRU), basada en una percepción mejorada y más resistente a errores, y en la comprensión de sus predicciones de comportamiento e intención;
• Mayor robustez de los sistemas CCAM —tanto a bordo como en la infraestructura— en situaciones críticas debido a su entrenamiento, pruebas virtuales y validación en escenarios generados por GenAI, complementando las bases de datos de escenarios existentes para las pruebas y la validación de los sistemas CCAM;
• Mejor comprensión de la relevancia y las limitaciones del uso de GenAI para CCAM;
• Herramientas y enfoques armonizados para el uso de GenAI en el desarrollo, entrenamiento y validación de tecnología de movilidad, así como para aplicaciones sistémicas como la gestión del tráfico y el control remoto, integrándolos en los enfoques existentes.

Alcance:

Los pilotos y demostraciones que utilizan servicios de vehículos de Nivel 3 y 4 enfrentan desafíos importantes en la percepción y la toma de decisiones, lo que destaca la necesidad de soluciones de baja latencia que mejoren la capacidad de respuesta y la conciencia situacional en condiciones operativas en tiempo real. Esto es especialmente relevante para la conducción en entornos más complejos como las zonas urbanas, donde la varianza ambiental es mayor y donde se pueden encontrar nuevos escenarios regularmente. Además, existe la necesidad de limitar la latencia, el ancho de banda y el uso de energía para los cálculos a bordo, así como la necesidad de mejorar la seguridad, la privacidad y la fiabilidad (por ejemplo, la comprensión de la escena y la predicción del desarrollo de escenarios cercanos). Para una toma de decisiones rápida en las interacciones con los VRU, esto es esencial para implementar soluciones habilitadas para CCAM y garantizar la escalabilidad.

Al mismo tiempo, los desarrollos de tecnologías agnósticas al sector muestran avances —como la GenAI— que pueden ser beneficiosos para CCAM. Se pueden esperar los primeros pasos exploratorios de un proyecto financiado bajo HORIZON-CL5-2023-D6-01-02^[1] con respecto al potencial en la generación virtual de casos límite (edge cases), que podrían utilizarse para el desarrollo, entrenamiento, pruebas virtuales y validación de los sistemas CCAM.

Es necesario desarrollar, entrenar y validar^[2] nuevos avances en aplicaciones de GenAI específicamente para el dominio CCAM. Por lo tanto, las acciones propuestas deberán incluir enfoques para explotar nuevos avances tecnológicos para CCAM. Se requieren pasos importantes para avanzar hacia sistemas de percepción y toma de decisiones en tiempo real altamente avanzados, ultra seguros, fiables y eficientes energéticamente para vehículos automatizados, centrándose específicamente en soluciones escalables y la explotación de GenAI. Estos avances deben aprovechar sistemas de baja latencia o recursos de computación distribuida para facilitar el procesamiento en tiempo real, mejorando así la capacidad de respuesta y la seguridad del sistema. Este tema contribuirá, por tanto, al AI Continent Action Plan^[3] al fomentar el desarrollo y la adopción de la IA en el sector de la automoción.

Se espera que las acciones propuestas aborden todos los siguientes aspectos:

• Desarrollo de herramientas y enfoques para una percepción del entorno y una toma de decisiones robustas (en el borde, a bordo, en la infraestructura o en la oficina central). Estos enfoques deberán tener como objetivo acelerar y avanzar en el razonamiento de la toma de decisiones, aumentando el nivel de eficiencia, la (ciber)seguridad y la fiabilidad de las aplicaciones, con la planificación de rutas como caso de uso inicial. Esto es para apoyar, entre otros, la percepción de los VRU, la predicción de su comportamiento y sus intenciones, e incluye enfoques de intercambio de datos para las soluciones CCAM para crear una ventana de tiempo mayor para las acciones en escenarios de accidentes cercanos. El uso…