El vínculo entre el conductor y la máquina en el drifting es una asociación única e intensa. Sin embargo, ahora ha surgido una IA para ayudar a los jugadores de drifting en una competición mucho más segura de «hombre contra hombre, máquina contra máquina».
Por primera vez a nivel mundial, Toyota Research Institute (TRI) y Stanford Engineering han logrado hacer derrapar de forma autónoma dos GR Supra en tándem.
Toyota dijo que esta investigación impulsada por inteligencia artificial tiene como objetivo mejorar la seguridad al conducir.
El experimento
Durante casi siete años, los equipos de TRI y Stanford han colaborado en investigaciones para hacer que la conducción sea más segura.
Los experimentos automatizan una maniobra de deportes de motor llamada «drifting», en la que un conductor controla con precisión la dirección de un vehículo después de perder tracción haciendo girar los neumáticos traseros, una habilidad que se puede transferir a la recuperación de un deslizamiento sobre nieve o hielo.
Al añadir un segundo automóvil que se desplaza en tándem, los equipos han simulado más de cerca las condiciones dinámicas en las que los automóviles deben responder rápidamente a otros vehículos, peatones y ciclistas.
“Nuestros investigadores se unieron con un objetivo en mente: cómo hacer que la conducción sea más segura”, afirmó Avinash Balachandran, vicepresidente de la división de Conducción Interactiva Humana del TRI.
“Ahora, con las últimas herramientas de inteligencia artificial, podemos hacer derrapar dos coches en tándem de forma autónoma. Es la maniobra más compleja en los deportes de motor, y alcanzar este hito con autonomía significa que podemos controlar los coches de forma dinámica en los extremos. Esto tiene implicaciones de gran alcance para la creación de sistemas de seguridad avanzados en los automóviles del futuro”.
“La física del derrape es en realidad similar a la que un automóvil podría experimentar sobre la nieve o el hielo”, dijo Chris Gerdes, profesor de ingeniería mecánica y codirector del Centro de Investigación Automotriz de Stanford (CARS).
“Lo que hemos aprendido en este proyecto de conducción autónoma ya ha dado lugar a nuevas técnicas para controlar vehículos automatizados de forma segura sobre el hielo”.
En una secuencia de derrape en tándem autónomo, dos vehículos (un vehículo líder y un vehículo perseguidor) recorren un recorrido a veces a centímetros uno del otro mientras operan al límite del control.
El equipo utilizó técnicas modernas para construir la IA del vehículo , incluido un modelo de neumáticos de red neuronal que le permitió aprender de la experiencia, de forma muy similar a un conductor experto.
“Las condiciones de la pista pueden cambiar drásticamente en cuestión de minutos cuando se pone el sol”, dijo Gerdes. “La IA que desarrollamos para este proyecto aprende de cada viaje que hemos hecho a la pista para gestionar esta variación”.
La tecnología
Los experimentos se llevaron a cabo en el Thunderhill Raceway Park en Willows, California, utilizando dos GR Supras modificados. Los algoritmos del coche líder se desarrollaron en el TRI, mientras que los ingenieros de Stanford desarrollaron los del coche perseguidor.
TRI se centró en desarrollar mecanismos de control robustos y estables para el vehículo líder, permitiéndole realizar recorridos líderes repetibles y seguros.
Deriva en tándem autónoma de TRI/Stanford Engineering
Stanford Engineering desarrolló modelos de vehículos y algoritmos de IA que permiten que el auto perseguidor se adapte dinámicamente al movimiento del auto líder para poder desviarse a su lado sin chocar. GReddy y Toyota Racing Development (TRD) modificaron la suspensión, el motor, la transmisión y los sistemas de seguridad de cada automóvil (por ejemplo, la jaula antivuelco y la extinción de incendios).
Aunque son sutilmente diferentes entre sí, los vehículos se construyeron según las mismas especificaciones utilizadas en las competiciones de Fórmula Drift, lo que ayudó a los equipos a recopilar datos con conductores expertos en un entorno controlado.
Ambos están equipados con computadoras y sensores que les permiten controlar la dirección, el acelerador y los frenos y al mismo tiempo detectar su movimiento (por ejemplo, posición, velocidad y tasa de rotación).
Fundamentalmente, comparten una red WiFi dedicada que les permite comunicarse en tiempo real e intercambiar información, como sus posiciones relativas y trayectorias planificadas.
Para lograr un derrape en tándem autónomo, los vehículos deben planificar continuamente sus comandos de dirección, acelerador y freno y la trayectoria que pretenden seguir utilizando una técnica de control predictivo de modelos no lineales (NMPC).
En NMPC, cada vehículo comienza con objetivos, representados matemáticamente como reglas o restricciones que debe obedecer. El objetivo del vehículo líder es mantener la deriva a lo largo de una trayectoria deseada mientras permanece sujeto a las restricciones de las leyes de la física y los límites de hardware, como el ángulo de dirección máximo.
El vehículo perseguidor tiene como objetivo desplazarse junto al vehículo líder y, al mismo tiempo, evitar colisiones de forma proactiva. Luego, cada vehículo resuelve un problema de optimización hasta 50 veces por segundo para decidir qué comandos de dirección, acelerador y freno satisfacen mejor sus objetivos y responden a condiciones que cambian rápidamente.
Al aprovechar constantemente la IA para entrenar la red neuronal utilizando datos de pruebas anteriores, los vehículos mejoran con cada viaje a la pista.
