Un accidente reciente en Santa Mónica, California volvió a poner en foco la capacidad de los vehículos autónomos para reaccionar ante situaciones inesperadas. Un automóvil de Waymo, en modo autónomo, atropelló a un niño que apareció de forma repentina desde detrás de un vehículo estacionado. Según la compañía, el vehículo circulaba a 17 millas por hora (27 kilómetros por hora) y el menor no sufrió lesiones graves.
El episodio, pese a no haber sido fatal, ejemplifica uno de los problemas más complejos para la conducción autónoma: detectar y anticipar peligros que emergen fuera del campo de visión directo de los sensores.
Aunque la industria ha avanzado, los sistemas actuales que combinan LiDAR, cámaras y radares todavía encuentran dificultades para identificar objetos o personas ocultas tras obstáculos como otros vehículos, paredes o esquinas. Ni la integración más avanzada de sensores garantiza una percepción completa si la amenaza no está expuesta a la línea de lectura.
Los desarrolladores de tecnologías autónomas reconocen que esta limitación reduce la confianza pública y la eficacia operativa, especialmente en entornos urbanos donde las situaciones imprevistas son frecuentes.
Para superar esta barrera, diversos equipos de investigación han explorado enfoques alternativos. Investigadores del MIT y de la Universidad de Stony Brook intentaron detectar objetos ocultos usando cámaras y LiDAR, aprovechando sombras sutiles o trazos de luz para inferir su presencia.
Esos métodos han mostrado utilidad en escenarios concretos, pero dependen de señales ópticas indirectas y, por tanto, resultan sensibles a factores ambientales como la iluminación.
Con el objetivo de ir más allá, ingenieros de la Universidad de Pensilvania desarrollaron el sistema HoloRadar, que emplea ondas de radio para detectar personas y objetos fuera de la vista directa, incluso detrás de paredes.
El nombre alude a su capacidad para “ver” más allá de los límites físicos que restringen a los sensores tradicionales. La solución fue diseñada pensando en contextos urbanos, con abundancia de esquinas y obstáculos fijos.
Las primeras pruebas de HoloRadar se realizaron en el campus universitario, instalando el sistema en un robot móvil y haciéndolo recorrer los pasillos de un edificio académico.
Durante esas pruebas, el sistema detectó de forma consistente a personas situadas detrás de paredes y en esquinas. El robot cruzó tres esquinas distintas y, en todas, logró identificar objetos y a investigadores ocultos, mostrando resultados positivos.
La base tecnológica de HoloRadar es el uso de ondas de radio que, a diferencia de la luz empleada por el LiDAR, pueden rebotar en superficies y atravesar paredes delgadas. Esto permite recoger señales reflejadas y, a partir de ellas, inferir la existencia y la ubicación de cuerpos fuera de la línea de visión directa.
Para procesar la gran cantidad de datos generados por los rebotes, los investigadores diseñaron un modelo de inteligencia artificial en dos etapas: un primer módulo filtra información irrelevante y plantea hipótesis según los patrones de rebote, y un segundo reconstruye un modelo tridimensional del entorno oculto, generando una representación visual de lo que hay detrás del obstáculo.
Este enfoque ofrece ventajas sobresalientes frente a los sistemas basados en luz. Al no depender de la iluminación ambiental, HoloRadar puede operar en la oscuridad y no se ve afectado por condiciones como el deslumbramiento del sol o los faros de otros vehículos.
Esta capacidad 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 insisten en que la tecnología no busca sustituir los sensores existentes en vehículos y robots autónomos, sino complementarlos, añadiendo una capa adicional de percepción útil cuando los sensores convencionales están limitados por obstáculos físicos. La integración pretende mejorar la seguridad y la fiabilidad en entornos urbanos complejos.
La expansión de los autos autónomos y la aparición de incidentes como el de Santa Mónica han puesto de relieve los límites y desafíos de la percepción artificial. Mejorar la capacidad para identificar peligros ocultos no es solo una exigencia técnica, sino un paso clave para ganar confianza pública y salvar vidas en las calles.
La evolución de tecnologías como HoloRadar podría suponer un cambio significativo en la seguridad y eficacia de la movilidad autónoma.
