{"id":26407,"date":"2024-10-25T08:48:47","date_gmt":"2024-10-25T08:48:47","guid":{"rendered":"https:\/\/cit.upc.edu\/?post_type=portfolio&p=26407"},"modified":"2025-11-27T12:18:03","modified_gmt":"2025-11-27T12:18:03","slug":"useful-un-coche-equipado-con-ia-y-sensores-opticos-que-obtendra-miles-de-datos-para-la-conduccion-autonoma","status":"publish","type":"portfolio","link":"https:\/\/cit.upc.edu\/es\/portfolio-item\/useful-un-coche-equipado-con-ia-y-sensores-opticos-que-obtendra-miles-de-datos-para-la-conduccion-autonoma\/","title":{"rendered":"USEFUL: Un coche equipado con IA y sensores \u00f3pticos que obtendr\u00e1 miles de datos para la conducci\u00f3n aut\u00f3noma"},"content":{"rendered":"\n
25\/10\/2024 Project Header right no-repeat;left top;; auto 20px
En el marco del proyecto USEFUL, el Centro de Desarrollo de Sensores, Instrumentaci\u00f3n y Sistemas (CD6) de la Universitat Polit\u00e8cnica de Catalunya – BarcelonaTech (UPC) ha equipado un veh\u00edculo de bajas emisiones que circular\u00e1 por las calles de Terrassa con sensores \u00f3pticos integrados en un sistema complejo de computaci\u00f3n, visualizaci\u00f3n y almacenamiento de datos. Este coche adquirir\u00e1 y almacenar\u00e1 miles de datos an\u00f3nimos de conducci\u00f3n, con los que se desarrollar\u00e1n algoritmos m\u00e1s precisos para la conducci\u00f3n aut\u00f3noma.<\/h4> Project Header no-repeat;left top;; auto 20px
La conducci\u00f3n aut\u00f3noma es el futuro de la movilidad urbana, a\u00fan m\u00e1s en una sociedad cada vez m\u00e1s envejecida. A medio plazo, los desplazamientos se realizar\u00e1n en veh\u00edculos capaces de tomar decisiones en tiempo real sin la intervenci\u00f3n humana en todo tipo de situaciones, y las primeras pruebas ya se han puesto en marcha en ciudades como San Francisco, Phoenix o Singapur. La conducci\u00f3n aut\u00f3noma ayudar\u00e1 a optimizar el consumo y la gesti\u00f3n del tr\u00e1fico, reducir\u00e1 los accidentes y supondr\u00e1 una mejora para colectivos como las personas mayores o con discapacidad.
Para lograr esta transformaci\u00f3n se necesitan grandes vol\u00famenes de datos precisos que provengan de detectores con diferentes modos de funcionamiento que permitan a los sistemas aut\u00f3nomos interpretar el entorno y actuar de manera segura, incluso en entornos complejos. Esto obliga a entrenar algoritmos avanzados de inteligencia artificial (IA); y, si se quiere que sean fiables en cualquier circunstancia, es necesario proporcionar la mayor cantidad de datos distintos posible para generar la informaci\u00f3n m\u00e1s realista y general que ayude a la IA a aprender y a tomar decisiones robustas.
En este contexto, la Agencia Estatal de Investigaci\u00f3n, del Ministerio de Ciencia, Innovaci\u00f3n y Universidades, a trav\u00e9s del programa de Transici\u00f3n Ecol\u00f3gica y Digital, ha financiado al grupo CD6 de la UPC con 273.000 euros para poner en marcha el proyecto USEFUL. En este proyecto, el CD6 ha equipado un veh\u00edculo de bajas emisiones con un sistema de sensores \u00f3pticos integrados y computerizados, que cuenta con un LIDAR de estado s\u00f3lido de alta resoluci\u00f3n (un tipo de sensor l\u00e1ser con fotodetector que mide distancias) cedido por la spin-off de la UPC, Beamagine; un sistema de geolocalizaci\u00f3n y odometr\u00eda de alta precisi\u00f3n sin necesidad de GPS (medici\u00f3n de datos de sensor en movimiento), cedido por Anello Photonics, y un sistema de almacenamiento de gran volumen de datos, cedido por QNAP.
El sistema con el que circular\u00e1 el veh\u00edculo durante 6 meses incorpora una unidad de procesamiento homologada para sistemas de conducci\u00f3n aut\u00f3noma que permite tanto gobernar la adquisici\u00f3n de datos de todos los sensores como ejecutar redes neuronales de inteligencia artificial para aplicaciones espec\u00edficas en tiempo real, como la percepci\u00f3n de obst\u00e1culos o la creaci\u00f3n de mapas 3D del entorno.
Con USEFUL, se obtendr\u00e1n millones de im\u00e1genes de m\u00faltiples sensores, algunos de ellos disruptivos en el campo de los veh\u00edculos aut\u00f3nomos, que se convertir\u00e1n en datos aptos para dise\u00f1ar sistemas fiables de conducci\u00f3n aut\u00f3noma.
Los datos ser\u00e1n an\u00f3nimos (no identificar\u00e1n peatones o veh\u00edculos) y se incorporar\u00e1n a un dataset p\u00fablico que permitir\u00e1 a otros investigadores desarrollar algoritmos relacionados. En este sentido, se pretende que el dataset sea lo m\u00e1s diverso posible en cuanto a los escenarios capturados, como rurales, urbanos, autopista, etc.; que incluya todo tipo de veh\u00edculos, especialmente los m\u00e1s vulnerables como bicicletas o patinetes, y tambi\u00e9n que capte datos en condiciones meteorol\u00f3gicas reales y entornos realistas en los que las condiciones no siempre son favorables para todos los sensores. De hecho, estos datos se utilizar\u00e1n para desarrollar aplicaciones avanzadas que permitan la detecci\u00f3n de objetos en la v\u00eda, el mapeo de entornos, la predicci\u00f3n del movimiento de los agentes en la v\u00eda y la creaci\u00f3n de gemelos digitales, entre otros, con m\u00e1s fiabilidad.
Adem\u00e1s, USEFUL permitir\u00e1 probar diferentes metodolog\u00edas de entrenamiento de los algoritmos de inteligencia artificial para comparar cu\u00e1l es la forma m\u00e1s efectiva de obtener sistemas de percepci\u00f3n seguros. El veh\u00edculo permitir\u00e1, en el futuro, testear y validar nuevos tipos de sensores para conducci\u00f3n aut\u00f3noma, validar nuevas distribuciones de sensores o desarrollar aplicaciones de mapeo detallado de todo tipo de entornos.
El proyecto est\u00e1 financiado por el programa de Transici\u00f3n Ecol\u00f3gica y Digital de la Agencia Estatal de Investigaci\u00f3n, y cuenta con el apoyo de las empresas Beamagine, Anello Photonics, QNAP, la Escuela Superior de Ingenier\u00edas Industrial, Aeroespacial y Audiovisual de Terrassa (ESEIAAT) y la Facultad de \u00d3ptica y Optometr\u00eda de Terrassa (FOOT) de la UPC. USEFUL comenz\u00f3 en enero de 2023 y finalizar\u00e1 en diciembre de 2024. Main Text no-repeat;left top;; auto