Los problemas difíciles que la conducción automatizada aún no ha resuelto

Los servicios de nivel 4 ya transportan pasajeros sin conductor en varias ciudades, y hay funciones de nivel 3 homologadas en vehículos de producción bajo condiciones limitadas. El problema aún no resuelto es definir, validar y operar un comportamiento aceptable dentro de un dominio cuyas condiciones interrelacionadas pueden obligar a abandonarlo antes de que el sistema se quede sin opciones.

Percepción en condiciones degradadas

La lluvia, la nieve, la niebla, la oscuridad, el deslumbramiento, las salpicaduras y la suciedad afectan de manera diferente a los sensores. La calefacción y la limpieza pueden mantener utilizable el objetivo de una cámara o la ventana de un lidar, mientras que el radar aporta información complementaria, pero ninguna combinación de hardware hace desaparecer las condiciones meteorológicas adversas.

El sistema debe estimar su capacidad de percepción actual. Eso es más difícil que detectar un sensor totalmente averiado. Una cámara parcialmente obstruida o un reflejo de radar todavía pueden producir datos plausibles, aunque menos fiables.

Reducir la velocidad puede recuperar margen de frenado, pero solo si el tráfico circundante puede entender el comportamiento y el sistema aún dispone de un lugar seguro para detenerse o abandonar el servicio.

Vías temporales y ambiguas

Los mapas y los datos de entrenamiento se construyen con la realidad de ayer. Los operarios de carretera cambian carriles, cubren marcas, mueven barreras y dirigen el tráfico con señales manuales. Los servicios de emergencia anulan intencionadamente las reglas habituales. Un camión de reparto puede ocultar una señal provisional.

Estas escenas combinan percepción, comprensión semántica y contexto social. El vehículo debe identificar qué control temporal tiene autoridad, razonar sobre las oclusiones y avanzar sin seguir ciegamente ni el mapa ni al vehículo precedente.

Los conductores humanos también negocian mediante el contacto visual, la posición del vehículo y pequeños movimientos. Los vehículos automatizados deben comunicar claramente su intención sin inventar convenciones inseguras.

La larga cola no es una lista

Los desarrolladores suelen llamar «casos límite» a las situaciones raras o inusuales. El término puede resultar engañoso. Muchas son combinaciones de factores corrientes: el movimiento habitual de un peatón detrás de una furgoneta estacionada durante una lluvia normal.

Es imposible enumerar todas las escenas. El requisito más profundo es un comportamiento resiliente ante la incertidumbre:

no circular más rápido de lo que permite la visibilidad actual;
conservar alternativas antes de comprometerse;
tratar el espacio oculto como incierto, no como vacío;
detectar cuándo la escena queda fuera de la experiencia validada; y
utilizar una solución de respaldo segura y adecuada a la vía.

Los modelos de aprendizaje automático pueden generalizar, pero también pueden fallar con plena confianza ante entradas desconocidas. Siguen siendo necesarios límites independientes, supervisión en tiempo de ejecución y generación sistemática de escenarios.

Factores humanos en el límite de la automatización

El nivel 2 depende de una supervisión humana continua, al tiempo que hace monótona esa supervisión. Los conductores pueden confiar demasiado en un funcionamiento fluido, aprender a satisfacer avisos débiles en el volante sin mirar la carretera o interpretar erróneamente el nombre de un producto.

El nivel 3 elimina la supervisión continua, pero crea un problema de transición. Un usuario preparado para asumir la conducción necesita tiempo para abandonar una actividad secundaria, orientarse en la escena y tomar el control. El sistema debe reconocer un límite con suficiente antelación para que la solicitud tenga sentido.

Puede producirse confusión de modo cuando la interfaz no deja claros el nivel activo, la disponibilidad o la respuesta solicitada. El uso indebido previsible debe abordarse en el diseño, no descartarse como un mero problema de advertencias.

Demostrar la seguridad antes de que ocurra un daño infrecuente

Los accidentes graves son poco frecuentes en relación con la distancia recorrida. Demostrar una pequeña diferencia estadística puede requerir una enorme exposición comparable, y el kilometraje bruto puede ocultar tipos de carretera o condiciones meteorológicas más sencillos.

La simulación amplía la cobertura de escenarios, pero depende de la fidelidad del modelo. Las pruebas en circuito cerrado son repetibles, pero simplificadas. Las pruebas en vías públicas son realistas, pero ineficientes para peligros infrecuentes. Las comparaciones retrospectivas de accidentes dependen de los umbrales de notificación, las definiciones de gravedad, la distribución geográfica y referencias humanas adecuadas.

El reto es construir un argumento de seguridad a partir de pruebas complementarias, no buscar una cifra decisiva. Las pruebas deben ser específicas para el vehículo, el software, el dominio operativo y la versión.

Los datos públicos también requieren escrutinio independiente. Los resultados de seguridad comunicados por las empresas pueden ser valiosos cuando se publican los métodos, los denominadores y los registros descargables. No deben generalizarse más allá del dominio medido.

Respaldo sin crear un nuevo peligro

«Apartarse de forma segura» no siempre es posible. Una autopista puede no tener arcén; un túnel puede bloquear la conectividad; una calle urbana puede estar abarrotada; un vehículo detenido puede convertirse por sí mismo en un riesgo de colisión.

La condición de riesgo mínimo depende de la capacidad restante, la geometría de la vía, el tráfico y el fallo. El vehículo puede tener que continuar a velocidad reducida, completar un cambio de carril, alcanzar un refugio o detenerse en el carril.

La asistencia remota puede ayudar a interpretar una escena inusual, pero las comunicaciones pueden retrasarse o no estar disponibles. El sistema a bordo sigue necesitando una respuesta segura. Si una persona controla continuamente el movimiento a distancia, la arquitectura y las afirmaciones deben indicarlo.

Escalar el sistema operativo, no solo el coche

Una flota de nivel 4 depende de la cartografía, el despacho, la carga, la limpieza, la calibración, el mantenimiento, la asistencia remota, la respuesta a emergencias y los permisos locales.

La expansión plantea preguntas operativas:

¿Pueden los depósitos cargar suficientes vehículos sin reducir la cobertura del servicio?
¿Con qué rapidez se detectan y atienden los sensores sucios o dañados?
¿Cómo se comunican los cortes de carreteras y las instrucciones de emergencia?
¿Qué asistencia existe para pasajeros con discapacidad o en apuros?
¿Cómo se conservan, notifican e investigan los incidentes?

Un vehículo que puede circular por una ciudad nueva durante las pruebas no está automáticamente preparado para prestar allí un servicio comercial público.

Coste, energía y reparación

La computación redundante, el lidar, el radar, los sistemas de limpieza y los actuadores tolerantes a fallos aumentan el coste, el consumo energético y el mantenimiento. Los equipos instalados en el techo pueden aumentar la resistencia aerodinámica. Las cargas de cómputo y sensores reducen la autonomía del vehículo eléctrico y generan calor.

Los vehículos de consumo también plantean un problema de reparación. Una colisión leve o la sustitución del parabrisas pueden exigir una calibración. Si un vehículo se vende con hardware para una función futura, importan la obsolescencia y el suministro de piezas a largo plazo.

La escala reducirá el coste de algunos componentes, pero una capacidad mayor puede consumir el ahorro al añadir cobertura, cómputo o redundancia.

Regulación e incoherencia transfronteriza

Las vías de homologación difieren entre la asistencia al conductor, la automatización condicional y los vehículos totalmente automatizados. La homologación de tipo del vehículo, el permiso para probar, el permiso para operar sin conductor y la autorización para cobrar a los pasajeros son cuestiones distintas.

Una función puede estar técnicamente presente, pero desactivada en un mercado. También difieren las normas sobre actividades secundarias permitidas, datos de eventos, seguros y operación remota.

Las normas internacionales y los reglamentos de la ONU reducen la fragmentación, pero el despliegue sigue siendo local porque las leyes de tráfico, la infraestructura y la vigilancia son locales.

Los resultados de transporte no están garantizados

Un vehículo eléctrico automatizado puede reducir las consecuencias de determinados accidentes y eliminar las emisiones del tubo de escape durante su uso. Una flota también puede añadir kilómetros de reposicionamiento en vacío, competir con el transporte público o aumentar la demanda de viajes.

Las mejoras de accesibilidad dependen del diseño del vehículo, el precio, el área de servicio y la asistencia al pasajero, no solo de la automatización. Las mejoras en la congestión dependen de la ocupación y del total de kilómetros recorridos por los vehículos, no del control más suave de un solo coche.

La unidad correcta de evaluación es el servicio de transporte además del vehículo.

Qué se consideraría un progreso real

El progreso es más que una nueva demostración. Entre las pruebas sólidas se incluyen:

un ODD claramente ampliado y validado;
mejores salvaguardias contra el uso indebido del nivel 2;
transiciones seguras del nivel 3 medidas con pruebas de factores humanos;
servicio público sin conductor con un ámbito operativo transparente;
datos comparables sobre consecuencias de accidentes con métodos reproducibles;
menor consumo energético y coste del hardware sin debilitar el respaldo; y
una homologación normativa que indique exactamente qué se evaluó.

No hace falta alcanzar un nivel 5 completo para que la conducción automatizada resulte útil. El camino más creíble es una capacidad acotada que solo se amplía cuando las pruebas respaldan el nuevo límite.