Un accidente reciente en Santa Mónica, California volvió a poner en discusión la capacidad de los vehículos autónomos para reaccionar ante situaciones inesperadas. Un auto de Waymo que circulaba de forma autónoma embistió a un niño que apareció súbitamente desde detrás de un vehículo estacionado. La compañía informó que el vehículo transitaba a 17 millas por hora (27 km/h) y que el menor no sufrió heridas graves.
Aunque el incidente no tuvo consecuencias fatales, expone uno de los retos más difíciles de la conducción autónoma: detectar y anticipar peligros que surgen fuera del campo de visión directo de los sensores.
Aunque la industria ha avanzado, los sistemas actuales que combinan LiDAR, cámaras y radares tienen limitaciones para identificar personas u objetos ocultos tras obstáculos como autos, paredes o esquinas. Incluso la combinación más avanzada de sensores no ofrece una percepción completa si la amenaza no está en la línea directa de detección.
Los desarrolladores de tecnología autónoma reconocen que esta limitación reduce la confianza pública y la eficacia de los sistemas, especialmente en entornos urbanos donde los eventos imprevistos son frecuentes.
Para enfrentar este problema, distintos grupos de investigación han explorado alternativas. Entre ellos figuran equipos del MIT y de la Universidad de Stony Brook, que intentaron inferir la presencia de objetos ocultos mediante cámaras y LiDAR, buscando señales indirectas como sombras o trazos de luz.
Esos métodos resultaron útiles en condiciones favorables, pero dependen de señales ópticas indirectas y, por tanto, son vulnerables a factores ambientales como la iluminación.
Con el objetivo de superar esas limitaciones, un equipo de la Universidad de Pensilvania desarrolló HoloRadar. Esta tecnología emplea ondas de radio para detectar la presencia de personas y objetos fuera de la vista directa, incluso detrás de paredes finas.
El nombre HoloRadar alude a su capacidad para “ver” más allá de los límites físicos que restringen a sensores tradicionales. Fue diseñada pensando en escenarios urbanos, donde abundan esquinas y obstáculos fijos.
Las primeras pruebas del sistema se llevaron a cabo en el campus de la universidad. Los investigadores montaron HoloRadar en un robot móvil y lo hicieron recorrer los pasillos de un edificio académico.
Durante esos ensayos, el sistema detectó de forma consistente a personas ubicadas detrás de paredes y en esquinas. En tres cruces distintos, el robot identificó objetos e investigadores ocultos, lo que confirmó el funcionamiento del enfoque en condiciones reales.
La base técnica de HoloRadar está en el uso de ondas de radio, que a diferencia de la luz usada por LiDAR pueden rebotar en superficies y atravesar paredes delgadas. Esos rebotes permiten captar señales reflejadas y, con ellas, inferir la existencia y posición de cuerpos fuera de la línea de visión directa.
Para procesar los datos generados por los rebotes, los investigadores desarrollaron un modelo de inteligencia artificial en dos etapas. El primer módulo filtra la información irrelevante y genera hipótesis a partir de los patrones de rebote; el segundo reconstruye un modelo tridimensional del entorno oculto, produciendo una representación visual de lo que hay detrás del obstáculo.
Este enfoque aporta ventajas frente a los sistemas basados en luz: las ondas de radio no dependen de la iluminación ambiental, por lo que HoloRadar puede operar en plena oscuridad y no se ve afectado por el deslumbramiento del sol o de faros.
Eso amplía los escenarios en los que un vehículo autónomo puede tomar decisiones informadas y seguras, incluso cuando los sensores tradicionales no detectan amenazas ocultas.
No obstante, los creadores de HoloRadar aclaran que la tecnología no busca reemplazar los sensores existentes en vehículos y robots autónomos. Su propósito es complementarlos, añadiendo una capa adicional de percepción útil cuando los sensores tradicionales quedan bloqueados por obstáculos físicos.
La expansión de vehículos autónomos y sucesos como el de Santa Mónica han puesto de manifiesto los límites de la percepción artificial. Mejorar la detección de peligros ocultos es tanto una exigencia técnica como un paso necesario para ganar confianza pública y reducir riesgos en las calles.
El avance de tecnologías como HoloRadar podría representar un cambio significativo en la seguridad y la eficacia de la movilidad autónoma.
