Vehículos, Coches o Autos Autónomos

Este elemento es una profundización de los cursos y guías de Lawi. Ofrece hechos, comentarios y análisis sobre vehículos autónomos. [aioseo_breadcrumbs]

Transporte Autónomo

Descubra estos conceptos de transporte autónomo que ya funcionan de verdad

Transportar pasajeros en un taxi volador, repartir medicamentos desde el aire o comidas en tierra… Los sistemas automatizados, con distintos grados de sofisticación, están abriendo el camino a un sinfín de nuevos usos. He aquí un vistazo a algunos de los prometedores usos que podrían prosperar.

Aviones de carga ultraflexibles

Mientras que la posibilidad de transportar pasajeros en aviones comerciales sin piloto aún parece incierta, pronto podría transportarse carga en aviones de ala fija 100% autónomos. A finales del año pasado, la start-up estadounidense Reliable Robotics voló un Cessna 208B Caravan sin piloto a bordo, con el fin de vender su tecnología a los operadores de transporte aéreo de mercancías. Otras jóvenes empresas de transporte de mercancías como UPS, DHL y Fedex se están interesando mucho por estos proyectos, que podrían mejorar la flexibilidad de sus entregas.

Drones submarinos capaces de tomar decisiones

En La Seyne-sur-Mer (Var), el Grupo Naval está realizando pruebas en el mar para desarrollar la autonomía de decisión de sus futuros drones submarinos. Estas pruebas son esenciales porque, a diferencia de los drones terrestres y aéreos, los dispositivos submarinos no pueden pilotarse a distancia mediante comunicaciones inalámbricas. Esto se debe a que las ondas electromagnéticas se propagan mal en el agua.

La autonomía de decisión controlada permite a los sistemas autónomos adaptarse a las contingencias tácticas, al entorno y a los posibles daños. A finales de diciembre, la Agencia Francesa de Adquisiciones para la Defensa (DGA) firmó un acuerdo con Naval Group para desarrollar un demostrador de dron de combate no tripulado. Puede que Francia haya perdido el tren con los drones de combate aéreos, pero podría tener éxito con los sistemas submarinos.

Comidas, paquetes… Cuando los robots echan una mano

En Toulouse, Montpellier y en el campus de París-Saclay, puede echar un vistazo a los robots autónomos de TwinswHeel. Estos androides reparten comidas y paquetes o transportan equipos. En Montpellier, los robots pesan 70 kg en vacío y se desplazan a 6 km/h. Se utilizan para entregar paquetes y cartas para La Poste, y productos alimentarios para el grupo Stef.

En Toulouse, un pequeño robot sigue a los técnicos de Enedis para aliviarles la tarea de transportar sus equipos. La start-up fabrica varios robots con grandes ojos que pueden transportar cargas de entre 40 y 500 kg. Con el simpático aspecto de sus androides, TwinswHeel espera revolucionar el sector de la logística urbana. Y no es la única, pues Carrefour ya ha experimentado con las entregas en Bélgica.

Hacia misiones en helicóptero más seguras

¿Cómo podemos garantizar la seguridad de las misiones críticas de los helicópteros, como las operaciones en plataformas marinas o las operaciones de rescate en condiciones difíciles? La respuesta: reduciendo la carga de trabajo de los pilotos y haciendo que las máquinas sean más autónomas. Airbus UpNext, la unidad del fabricante aeronáutico dedicada al desarrollo de tecnologías punteras, completó una campaña de pruebas en Marignane (Bouches-du-Rhône) en 2023 como parte del proyecto Vertex, lanzado en 2020. Ahora se ha demostrado la viabilidad de un vuelo en helicóptero 100% autónomo. La máquina se pilotó mediante una simple tableta táctil. En 2021, Sikorsky, filial de Lockheed Martin, realizó pruebas similares con un helicóptero Black Hawk S-70.

Los taxis voladores conquistan las ciudades

Conocidos como taxis voladores, estos aviones de despegue y aterrizaje vertical son máquinas autónomas que han atraído mucho la atención de los medios de comunicación. En los últimos años han proliferado los proyectos, liderados por grandes grupos como Airbus, con el CityAirbus NextGen, pero también por jóvenes actores como la estadounidense Joby Aviation, la alemana Volocopter y la francesa Ascendance Flight Technologies. Con el tiempo, sus pequeñas aeronaves tendrán sin duda que alcanzar una autonomía total si quieren rentabilizar el espacio que por el momento ocupa un piloto y perpetuar su modelo de negocio.

Drones aéreos para entregar suministros médicos

Los drones no sólo se utilizan para la vigilancia. Delivrone ha hecho de la entrega de material médico y muestras de sangre su especialidad. Con sede en Rouen (Seine-Maritime), la start-up lleva más de un año realizando pruebas con una sucursal del laboratorio de análisis médicos Cerballiance. El dron transporta tubos de sangre entre los laboratorios de Granville y Saint-Lô (Mancha), separados por 55 kilómetros. Supervisado a distancia por un operador remoto, el dron viaja de forma totalmente autónoma. Otras empresas emergentes se han posicionado para transportar medicamentos, entre ellas Livmed’s, Ader Aerospace y Avy.

Revisor de hechos: Louise

Funcionamiento de los Vehículos, Coches o Autos Autónomos

Los vehículos autónomos reducirán la cantidad de víctimas mortales en las carreteras, darán a nuestros padres y abuelos una mayor independencia en su jubilación y nos darán la posibilidad de ir a cualquier lugar, en cualquier momento.Entre las Líneas En un solo año, los estadounidenses conducen cerca de 3 billones de millas, lo que se traduce en muchas horas de tráfico y el número aumenta significativamente cuando consideramos todo el planeta. El tiempo empleado en el tráfico es potencialmente peligroso, con más de 3,000 vidas perdidas cada día y la mayoría de los accidentes debido a un error humano. Los vehículos autónomos tienen el potencial de mejorar la calidad y la productividad del tiempo que pasan en automóviles, aumentar la seguridad y eficiencia del sistema de transporte y transformar el transporte en una utilidad disponible para cualquier persona, en cualquier momento. Esto requiere avances en muchos aspectos de la autonomía del vehículo, que van desde el diseño del vehículo hasta el control, la percepción, la planificación, la coordinación y la interacción humana.

En esta entrada, nos centramos en los avances recientes en la planificación (véase más en esta plataforma general) y la toma de decisiones para vehículos autónomos, especialmente:

• cómo deciden los vehículos a dónde ir,
• cómo los vehículos utilizan los datos proporcionados por sus sensores para tomar decisiones breves y horizontes a largo plazo,
• cómo la interacción con otros vehículos afecta lo que debe hacer,
• cómo los vehículos pueden aprender a conducir de su historia y de la conducción humana,
• cómo garantizar que los sistemas de control y planificación (véase más en esta plataforma general) del vehículo son correcto y seguro,
• cómo garantizar que los múltiples vehículos en la carretera al mismo tiempo se coordinan y se logran para mover a las personas y los paquetes a sus destinos de la manera más efectiva.

Inspirados por la posibilidad de un futuro en el que el transporte se convierta en una utilidad, las comunidades académicas y de la industria han comenzado a abordar la ciencia y la ingeniería de la autonomía (véase qué es, su concepto; y también su definición como “autonomy” en el contexto anglosajón, en inglés), y se ha dirigido un trabajo significativo hacia estos desafíos. Este artículo examina los resultados recientes relacionados con diversos aspectos de la toma de decisiones y la planificación (véase más en esta plataforma general) de vehículos autónomos.

El nivel de automatización de un vehículo inteligente puede variar de un vehículo operado por humanos a un vehículo completamente autónomo o autónomo. SAE International describe cinco niveles de autonomía en su documento J3016. Hasta el nivel 2, se requiere el conductor en todo momento; en los niveles 3 y 4, es posible traspasar del vehículo al conductor en situaciones difíciles; y el nivel 5 está reservado para vehículos que son totalmente autónomos en todas las circunstancias. Tradicionalmente, se ha seguido un enfoque incremental para introducir avances en vehículos inteligentes. Estos avances aumentan el nivel de automatización en los automóviles con sistemas que admiten al conductor, por ejemplo, para mantener una velocidad constante, seguir un carril o realizar una entrega de un automóvil a otro.

Lograr la visión de vehículos automatizados totalmente capaces requerirá superar muchos desafíos técnicos, legales y sociales.Entre las Líneas En esta encuesta, nos centramos en los enfoques técnicos que apuntan a crear un vehículo completamente automatizado o de nivel 5. La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) 2004–2007 –compaticiones patrocinadas llevó la investigación sobre la conducción automatizada a las condiciones del mundo casi real. Estos métodos se limitaron a velocidades relativamente bajas y entornos libres de desorden (trastorno) con algunos obstáculos móviles. Se ha logrado un progreso impresionante en la última década, sin embargo, los trabajos recientes en vehículos de conducción automática aún presentan limitaciones en la complejidad del entorno y / o la velocidad de movimiento.

Los vehículos autónomos, que operan en entornos dinámicos complejos, requieren métodos que se generalizan a situaciones impredecibles y razonan de manera oportuna para alcanzar la confiabilidad a nivel humano y reaccionar de manera segura incluso en situaciones urbanas complejas. Las decisiones informadas requieren una percepción precisa.

Aviso

No obstante, los sistemas de visión por computador de última generación aún no pueden lograr tasas de error aceptables para la navegación autónoma. Más recientemente, los enfoques que combinan la toma de decisiones, el control y la percepción han mostrado resultados prometedores. Con la creciente popularidad de las técnicas de aprendizaje automático y los complejos métodos de planificación (véase más en esta plataforma general) y toma de decisiones, la verificación y el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) garantizado del sistema de conducción autónoma se han convertido en un desafío aún por resolver.

En esta revisión, cubrimos varios aspectos de la planificación (véase más en esta plataforma general) y la toma de decisiones para vehículos autónomos.Entre las Líneas En particular, distinguimos entre tres enfoques distintos: planificación (véase más en esta plataforma general) secuencial, planificación (véase más en esta plataforma general) consciente del comportamiento y planificación (véase más en esta plataforma general) de extremo a extremo). El enfoque secuencial utiliza la percepción avanzada y los métodos de toma de decisiones para generar entradas para la planificación (véase más en esta plataforma general) y el control del movimiento. Después de una breve descripción general del estado del arte en el control compartido de vehículos inteligentes, estos métodos tradicionales de planificación (véase más en esta plataforma general) y control se describen en la siguiente sección.

Un enfoque alternativo es el de la percepción y planificación (véase más en esta plataforma general) integradas, que incluye el aprendizaje de extremo a extremo basado en el aprendizaje. métodos finales Estos se describen en la Sección 3, junto con una descripción general del estado del arte en la percepción. (Tal vez sea de interés más investigación sobre el concepto). El tercer enfoque es el de la planificación (véase más en esta plataforma general) consciente del comportamiento, donde la toma de decisiones y la planificación (véase más en esta plataforma general) se integran en la planificación (véase más en esta plataforma general) interactiva. Estos métodos se describen en la Sección 4.Entre las Líneas En la Sección 5 discutimos cómo estos métodos podrían ser verificados o hechos seguros por la construcción. (Tal vez sea de interés más investigación sobre el concepto). y en la Sección 6 describimos los métodos para gestionar flotas de vehículos autónomos para proporcionar movilidad bajo demanda. Finalmente, la Sección 7 concluye el artículo y proporciona varias direcciones para futuras investigaciones.

A continuación, véase un análisis sobre la planificación del movimiento de vehículos autónomos.

VERIFICACIÓN Y SÍNTESIS

Estudios recientes han indicado que el requisito mínimo para demostrar la seguridad de un automóvil autónomo es de cientos de millones de millas, lo que puede tardar unos diez años en completarse. Si bien la simulación y las pruebas basadas en casos se emplean habitualmente para verificar el rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) de los métodos de autonomía (véase qué es, su concepto; y también su definición como “autonomy” en el contexto anglosajón, en inglés), no ofrecen garantías suficientes. Esto es especialmente cierto para dominios críticos para la seguridad, como la conducción autónoma, donde los eventos inseguros son raros y difíciles de caracterizar. Para cumplir con estos requisitos de prueba de seguridad, necesitamos marcos que proporcionen pruebas analíticas de seguridad, en lugar de revisar un conjunto finito de situaciones concretas de tráfico en la simulación.

Dado un modelo del sistema y el entorno, los controladores seguros pueden producirse mediante síntesis basada en modelos de la construcción correcta, lo que significa que las trayectorias de los sistemas de circuito cerrado probablemente cumplan con la especificación. (Tal vez sea de interés más investigación sobre el concepto). Los enfoques de síntesis generalmente se basan en especificaciones dadas en la lógica temporal lineal y se han desarrollado para tareas de baja complejidad como el control de crucero adaptativo (127) y el control de redes vehiculares señalizadas (128).

Puntualización

Sin embargo, actualmente la síntesis de controladores tiene un alcance y una implementación limitados debido a su gran costo (o coste, como se emplea mayoritariamente en España) (o coste, como se emplea mayoritariamente en España) computacional.

La verificación en línea de las maniobras generales requeriría una representación probabilística de otros participantes y escenarios de tráfico, lo que aún es un desafío computacional debido a la alta complejidad. La manejabilidad de los movimientos planificados también puede verificarse y garantizarse mediante un análisis de accesibilidad (132).Entre las Líneas En lugar de verificar los controladores de automóviles en línea, una alternativa es construir una biblioteca de modelos de carreteras locales y verificados, como intersecciones y segmentos de carreteras, que se compongan para certificar la seguridad en las redes (133). Dicho enfoque puede funcionar bien para verificar los controladores y las redes (por ejemplo, para la planificación (véase más en esta plataforma general) urbana) pero aún no tiene en cuenta todas las incertidumbres en el comportamiento de los participantes del tráfico.

La síntesis y verificación formales se han estudiado ampliamente en el campo del control y son herramientas destacadas para garantizar la seguridad de los vehículos autónomos, a pesar de su alto costo (o coste, como se emplea mayoritariamente en España) (o coste, como se emplea mayoritariamente en España) computacional y las limitaciones asociadas. Paralelamente, ha habido una creciente popularidad de las técnicas de inteligencia artificial, como las redes neuronales, que plantean preguntas sobre la seguridad, ya que su respuesta de salida no es bien conocida, especialmente fuera del régimen de datos de capacitación. (Tal vez sea de interés más investigación sobre el concepto). Aunque las herramientas tradicionales, como los solucionadores de memoria a corto plazo, podrían extenderse para la verificación de redes neuronales profundas (134), existen desafíos adicionales para la verificación de la inteligencia artificial. Seshia et al. (135) identificó cinco desafíos: modelado del entorno complejo, modelado del sistema, especificación formal de las propiedades deseadas del sistema, escalabilidad y cuantificación formal de los requisitos para los datos de entrenamiento.

GESTIÓN DE LA FLOTA

Los servicios de transporte compartido están transformando la movilidad urbana. También conocidas como opciones de vehículos compartidos, estos sistemas permiten que varios pasajeros compartan un vehículo cuando viajan por rutas similares. Estas compañías actualmente dependen de los conductores para operar los vehículos, pero hay un impulso en la industria hacia vehículos autónomos autónomos. Se espera que estas flotas de vehículos autónomos brinden un transporte seguro, confiable y asequible.Entre las Líneas En esta sección, analizamos los enfoques para el enrutamiento dinámico de vehículos y la asignación de pasajeros.

Gran parte de la literatura sobre gestión de flotas para sistemas de movilidad bajo demanda considera el caso de compartir viajes sin agrupar solicitudes, centrándose en aproximaciones fluidas (136), formulaciones basadas en colas (137) y estudios de casos en regiones específicas. Con el creciente interés y la rápida evolución de los vehículos autónomos, también se está centrando cada vez más en los sistemas autónomos de movilidad bajo demanda (138).

Puntualización

Sin embargo, ninguno de estos trabajos consideró el problema de la puesta en común del servicio de varios viajes con un solo viaje. El problema de la puesta en común se relaciona más con el problema de la ruta del vehículo y el problema dinámico de recolección y entrega, donde la demanda distribuida espacialmente se debe recoger y entregar dentro de las ventanas de tiempo preespecificadas. Un desafío importante al abordar este problema es la necesidad de explorar un espacio de decisión muy grande, mientras que las soluciones informáticas son lo suficientemente rápidas para brindar a los usuarios la experiencia de reserva y servicio en tiempo real.

Un estudio realizado en la ciudad de Nueva York mostró que hasta el 80% de los viajes en taxi en Manhattan podían ser compartidos por dos pasajeros con un aumento en el tiempo de viaje de unos pocos minutos (142) y también mostró las ganancias que puede alcanzar un “oráculo global”. Con pleno conocimiento del futuro. Estos resultados fueron confirmados por Alonso-Mora et al. (143), quienes introdujeron un método óptimo en cualquier momento para la asignación de solicitudes y el enrutamiento dinámico de vehículos en vehículos de baja y alta capacidad. El método, que consta de tres pasos: poda de combinaciones de viaje factibles, asignación de viajes a vehículos y reequilibrio de la flota, mostró que es posible la operación a gran escala de las flotas de vehículos.

Estas obras, y sus predecesoras, han abierto el camino para varias vías de investigación, donde la inteligencia artificial desempeñará un papel más importante (144). Las potentes herramientas de extracción de datos y los grandes conjuntos de datos disponibles de datos de tránsito público (145) nos permitirán construir modelos probabilísticos de patrones de viaje futuros y utilizarlos para posicionar mejor la flota de vehículos para futuras solicitudes. Luego, estos modelos se incluirán en los métodos de planificación (véase más en esta plataforma general) a gran escala probabilísticos e inciertos que, con la expectativa, garantizan una cierta calidad de servicio. Una revisión reciente del enrutamiento estocástico destacó trabajos de vanguardia en esta área (146). Por ejemplo, Alonso-Mora et al. (147) computó una distribución de probabilidad histórica de solicitudes futuras e incluyó muestras aleatorias en el enrutamiento dinámico de los vehículos y la asignación de pasajeros, dentro del contexto del viaje compartido.

Con enfoques ingenuos de gestión de flotas y un número cada vez mayor de vehículos y personas, la congestión podría ser un problema (148).

Informaciones

Los datos de tráfico en tiempo real también se emplearán para lograr un enrutamiento consciente de la congestión y para navegar en autos autónomos de manera que se minimice la congestión. (Tal vez sea de interés más investigación sobre el concepto).Entre las Líneas En esta dirección, Zhang et al. (149) describieron un método de optimización restringido para rutas con detección de congestión en vehículos de un solo asiento, y Levin (150) introdujo un enfoque de aproximación de fluidos que también explica el intercambio de vehículos.

Puntualización

Sin embargo, el enrutamiento eficiente a gran escala en tiempo real sigue siendo un desafío, especialmente en el contexto de compartir el viaje.

Otros Elementos

Además, tener en cuenta las intenciones de otros vehículos autónomos también es importante en el contexto de los vehículos eléctricos, que solo pueden cargar sus baterías en un número finito de ubicaciones.

En el futuro, veremos transporte multimodal (existen varios acuerdos multilaterales internacionales en este ámbito adoptados bajo el auspicio de las Naciones Unidos: Convenio de las Naciones Unidas sobre el Transporte Multimodal Internacional de Mercancías, Ginebra, 24 de mayo de 1980; Acuerdo europeo sobre las grandes líneas internacionales de transporte combinado e instalaciones conexas (AGTC), Ginebra, 1 de febrero de 1991; Protocolo relativo al transporte combinado en vías de navegación interior del Acuerdo europeo sobre las grandes líneas internacionales de transporte combinado e instalaciones conexas, de 1991, Ginebra, 17 de enero de 1997; Acuerdo Intergubernamental sobre Puertos Secos, Bangkok, 1 de mayo de 2013) con una combinación de varios vehículos autónomos, como taxis y autobuses. Creemos que los enfoques de desacoplamiento son prometedores para el enrutamiento de vehículos a gran escala.Si, Pero: Pero por ahora, el desafío reside en escalar las técnicas actuales a problemas del tamaño de una ciudad que involucran millones de viajes por día. Finalmente, la regulación, la privacidad y la supervisión humana de grandes flotas también son vías de investigación futura en las que la inteligencia artificial jugará un papel importante.

CONCLUSIÓN

Esta entrada ha proporcionado una visión general de los avances actuales en la planificación (véase más en esta plataforma general) y la toma de decisiones para vehículos autónomos. La verificabilidad, la seguridad y la capacidad de explicación son requisitos clave para permitir la transición de sistemas adecuados para vitrinas a vehículos autónomos listos para la producción en nuestra vida cotidiana.

Otros Elementos

Además, los sistemas autónomos que operan en entornos complejos, dinámicos e interactivos requieren inteligencia artificial que generaliza situaciones y motivos impredecibles de manera oportuna acerca de las interacciones con muchos participantes del tráfico. Los sistemas autónomos aún necesitan alcanzar la confiabilidad a nivel humano en la toma de decisiones, la planificación (véase más en esta plataforma general) y la percepción, y las precisiones actuales de detección y segmentación aún no son suficientes en condiciones difíciles, como el clima inclemente. Finalmente, los vehículos autónomos proporcionarán transporte a pedido potencialmente a cualquier persona, en cualquier lugar y en cualquier momento. Para lograr esta visión, también se requieren más avances en la gestión de flotas a gran escala con enrutamiento estocástico, rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) en línea y calidad de servicio limitada. Si podemos superar estos desafíos, los vehículos autónomos tendrán un impacto tremendamente beneficioso en nuestras vidas. Los vehículos autónomos brindarán transporte a pedido potencialmente a cualquier persona, en cualquier lugar y en cualquier momento. Para lograr esta visión, también se requieren más avances en la gestión de flotas a gran escala con enrutamiento estocástico, rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) en línea y calidad de servicio limitada. Si podemos superar estos desafíos, los vehículos autónomos tendrán un impacto tremendamente beneficioso en nuestras vidas. Los vehículos autónomos brindarán transporte a pedido potencialmente a cualquier persona, en cualquier lugar y en cualquier momento. Para lograr esta visión, también se requieren más avances en la gestión de flotas a gran escala con enrutamiento estocástico, rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) en línea y calidad de servicio limitada. Si podemos superar estos desafíos, los vehículos autónomos tendrán un impacto tremendamente beneficioso en nuestras vidas.

Basado en la experiencia de varios autores, mis opiniones, perspectivas y recomendaciones se expresarán a continuación (o en otros lugares de esta plataforma, respecto a las características en 2026 o antes, y el futuro de esta cuestión):

CUESTIONES FUTURAS
Será necesario desarrollar métodos para la gestión de flotas a gran escala con enrutamiento estocástico, rendimiento (véase una definición en el diccionario y más detalles, en la plataforma general, sobre rendimientos) en línea y calidad de servicio limitada.

Autor: Williams

Vehículos Autónomos

Los vehículos automatizados (AVs) son vehículos con conducción cuyas funciones o tareas no requieren la intervención humana. Hay diferentes grados de automatización, dependiendo de la cantidad de tareas automatizadas incrustadas en el vehículo y cómo las máquinas y los humanos comparten la responsabilidades de conducción. (Tal vez sea de interés más investigación sobre el concepto). Los AV se clasifican según su nivel de automatización. (Tal vez sea de interés más investigación sobre el concepto). Existen muchas taxonomías de AVs, pero la más adoptada a nivel internacional es la producida por la Society of Automotive Engineers-SAE (Norma Internacional J3016-2014).

La taxonomía SAE incluye seis niveles de automatización, que van desde vehículos manuales hasta vehículos totalmente automatizados.Entre las Líneas En el Nivel 0, el vehículo está completamente controlado por el humano.Entre las Líneas En niveles 1-3, el modo autónomo del vehículo solo está disponible en ciertas situaciones o lugares de tráfico, como carreteras, y se espera que el humano esté listo para tomar el control del vehículo si el sistema lo requiere.Entre las Líneas En niveles 4 y 5, el sistema de inteligencia artificial es totalmente responsable.

Para conducir el vehículo. El vehículo puede pedir la intervención humana – permitiendo que el humano se haga cargo del vehículo siempre que él o ella elija, pero no puede confiar en recibirlo.
Los vehículos de nivel 0 y 1 están ampliamente distribuidos, y al nivel 2 ya se están ofreciendo vehículos. Un informe de KPMG estima el despliegue de Nivel 3, 4 y 5 vehículos para finales de 2020-2025; 2025-2030; y más allá 2030, respectivamente.

Los estadounidenses pasan más de 290 horas al año conduciendo, lo que lo convierte en uno de los puntos más comunes (y peligrosos) de interacción hombre-máquina. A medida que los vehículos son cada vez más automatizados, no solo es imperativo mejorar estas interacciones hombre-máquina, sino también anticipar lo que esto significa para el futuro del trabajo, explorar cómo estos vehículos empujarán los límites de los marcos de gobierno existentes a medida que cruzan las fronteras (véase qué es, su definición, o concepto jurídico, y su significado como “boundaries” en derecho anglosajón, en inglés) geográficas, entienda cómo los vehículos autónomos pueden reforzar los prejuicios existentes a través de la incapacidad de conducir a través de áreas no asignadas, como los vecindarios más pobres del Sur Global, e identificar las formas necesarias de transparencia necesarias para crear nuevos regímenes de responsabilidad civil por accidentes.

Informaciones

Los desafíos son claros, pero hasta la fecha las soluciones han demostrado ser esquivas debido a la falta de coordinación entre los numerosos interesados.

Los reguladores y los encargados de formular políticas están desempeñando un papel cada vez más importante en la toma de decisiones sobre políticas públicas y la regulación de los vehículos automatizados (AV). Los AV son más que un vehículo con una cámara y un volante de manos libres. Los AVs son una tecnología transformadora. Prometen cambiar los paradigmas (sistema de creencias, reglas o principios) tradicionales de movilidad, seguridad vial, tecnologías de comunicación y concepciones de privacidad, así como desafiar las normas éticas y cambiar la forma en que los humanos interactúan con los robots.

Las complejidades técnicas, sociales y económicas de los vehículos automatizados han resultado en silos de experiencia altamente especializados. Específicamente, el tema involucra a expertos en inteligencia artificial, privacidad, telecomunicaciones, infraestructura y organismos de normalización, así como a fabricantes de automóviles e ingenieros eléctricos.

Puntualización

Sin embargo, estos campos aparentemente dispares a menudo han fallado en la comunicación cohesiva entre disciplinas.Entre las Líneas En consecuencia, los responsables de la formulación de políticas pueden tener dificultades tanto para comprender el alcance total de las oportunidades y los desafíos de la tecnología AV como para establecer prioridades entre las acciones políticas más efectivas.

Comprender los aspectos tecnológicos clave de los AV puede ayudar a los formuladores de políticas con este problema de asimetría de la información entre los expertos en tecnología y los formuladores de políticas. Estos conocimientos tecnológicos permitirán a los responsables de la formulación de políticas dar sentido a las discusiones técnicas en curso y crear sinergias entre los sectores y territorios aislados.

Autor: Black

La política sobre vehículos autónomos en algunos países del mundo

Este texto presenta algunas de las principales medidas normativas y reglamentarias que se están llevando a cabo en el ámbito internacional en relación con los vehículos automatizados (AV). Cubrimos iniciativas de las reuniones internacionales del G7, Estados Unidos, la Unión Europea, Singapur, Japón, Corea del Sur, China y Nueva Zelanda. Este primer no está destinado a servir
como un análisis exhaustivo de los regímenes de gobierno establecidos dentro de estas jurisdicciones, sino más bien para proporcionar una visión general de los notables desarrollos que han tenido lugar dentro de una muestra de jurisdicciones.

De esta colección, identificamos tendencias en políticas públicas y estrategias regulatorias en AV. Estas tendencias pueden incluir las motivaciones que llevan a los gobiernos a adoptar ciertas políticas o acciones específicas que se están tomando para implementar AV, como la armonización de marcos regulatorios, la coordinación de acciones con las partes interesadas, el análisis de los impactos socioeconómicos y éticos, o el apoyo a la investigación y el desarrollo de la tecnología. Revisamos estas tendencias en la sección de comentarios finales de este documento.

Aprender de las experiencias de otros puede inspirar acciones creativas y facilitar políticas AV mejoradas.

Puntualización

Sin embargo, el impacto de las iniciativas dependerá del entorno legal, social y económico en el que se desarrollen y apliquen. Para tener éxito, cada iniciativa deberá adaptarse al contexto específico de su región.

Recursos

Notas y Referencias

Véase También

Vehículos autónomos, vehículos inteligentes, toma de decisiones, planificación (véase más en esta plataforma general) de movimientos, inteligencia artificial, verificación, gestión de flotas.

Bibliografía