La Universidad de Castilla-La Mancha (UCLM), a través del Departamento de Matemáticas y del profesor de la E.T.S. de Ingeniería Industrial de Albacete Virgilio Gómez Rubio, participa en el proyecto Horizonte Europa BERTHA, que ha recibido de la Comisión Europea 7,9 millones de euros para desarrollar un modelo de comportamiento del conductor que pueda utilizarse en vehículos autónomos con el objetivo de hacerlos más seguros y con un comportamiento más parecido al humano.
El consorcio del Proyecto BERTHA está formado por 14 socios de 6 países diferentes, coordinados por el Instituto de Biomecánica(IBV) (ES). Los otros socios son Institut Vedecom (FR), Université Gustave Eiffel (FR), German Research Center for Artificial Intelligence (DE), Computer Vision Center (ES), Altran Deutschland (DE), Continental Automotive France (FR), CIDAUT Foundation (ES), Austrian Institute of Technology (AT), Universidad de Valencia (ES), Europcar International (FR), FI Group (PT), Panasonic Automotive Systems Europe (DE) y Korea Transport Institute (KOTI).
Según indican desde el proyecto BERTHA, la industria de la Movilidad Conectada, Cooperativa y Automatizada (CCAM, por sus siglas en inglés) presenta importantes oportunidades para la Unión Europea. Sin embargo, su despliegue requiere nuevas herramientas que permitan el diseño y análisis de componentes de vehículos autónomos, junto con su validación digital, y un lenguaje común entre los proveedores y los fabricantes.
Una de las deficiencias surge de la falta de un modelo de comportamiento del conductor (DBM) validado y con base científica que cubra los aspectos del desempeño de la conducción humana, que permita comprender y probar la interacción de los vehículos autónomos conectados (CAV) con otros automóviles en un manera más segura y predecible desde una perspectiva humana.
Por tanto, un Modelo de Comportamiento del Conductor podría garantizar la validación digital de los componentes de los vehículos autónomos y, si se incorpora al software de las ECU (Engine Control Unit, el cerebro de un vehículo), podría generar una respuesta más humana de dichos vehículos, aumentando así su aceptación.
Para cubrir esta necesidad en la industria CCAM, el proyecto BERTHA desarrollará un modelo de comportamiento del conductor (DBM) escalable y probabilístico, basado principalmente en Redes bayesianas, que será clave para lograr vehículos autónomos más seguros y más parecidos a los humanos.
El nuevo DBM se implementará en un HUB de código abierto, un repositorio que permitirá la validación industrial de su viabilidad tecnológica y práctica, y se convertirá en un enfoque único para la escalabilidad mundial del modelo.
El DBM resultante se traducirá a CARLA, un simulador de código abierto para la investigación de la conducción autónoma desarrollado por el socio español Computer Vision Center de la Universidad Autónoma de Barcelona. La implementación del DBM de BERTHA utilizará diversos ejemplos que permitirán la construcción de nuevos modelos de conducción en el simulador. Este puede integrarse en diferentes simuladores de conducción inmersivos como el HAV del Instituto de Biomecánica.
BERTHA también desarrollará una metodología que, gracias al HUB, compartirá el modelo con la comunidad científica para facilitar su crecimiento. Además, sus resultados incluirán un conjunto de demostradores interrelacionados para mostrar el enfoque DBM como referencia para diseñar un comportamiento similar al humano, fácilmente predecible y aceptable de funciones de conducción automatizada en escenarios de tráfico mixto.
Grupo de la UV/UCLM
El grupo que se encargará de diseñar la parte del modelo de comportamiento del conductor utilizando un modelo probabilístico está formado por Carmen Armero (que es también co investigadora principal del grupo), Francisco Palmí y Gabriel Calvo, del Departamento de Estadística e Investigación Operativa de la Universidad de Valencia, y Virgilio Gómez Rubio (co investigador principal del grupo), del Departamento de Matemáticas, E.T.S. de Ingeniería Industrial de Albacete.
Esencialmente, el modelo probabilístico tendrá en cuenta las características de los conductores (como edad, sexo, años de conducción, etc.), el entorno (tiempo atmosférico, densidad del tráfico, etc.) y otras variables relevantes para modelizar la forma de conducción. La herramienta utilizada serán las redes bayesianas puesto que permiten establecer relaciones de dependencia entre las distintas variables y establecer la respuesta del conductor durante la conducción en función de sus características.
De esta manera, se establecerán distintos perfiles de conductor (p. ej., muy agresivo o cauto) y se modelizarán las probabilidades de responder de una u otra manera a las maniobras durante la conducción. Estos perfiles podrán ser incorporados a los simuladores para desarrollar entornos de conducción que se parezcan mucho más a la realidad de los que existen actualmente.