Portugués 
Inglés 
Español 
4 min de lectura 
0 comentarios 
Nueva tecnología permite que coches autónomos compartan experiencias de navegación sin conexión directa o servidor central, preservando la privacidad de los usuarios y mejorando la eficiencia en las carreteras.
Investigadores desarrollaron una nueva manera de coches autónomos compartir información entre sí sin necesidad de conexiones directas o servidores centrales.
El sistema, llamado Cached-DFL (Aprendizaje Federado Descentralizado en Caché), promete revolucionar la forma en que estos coches se comunican y aprenden de las experiencias de otros vehículos, aumentando la seguridad y eficiencia en las carreteras.
Cómo Funciona el Cached-DFL para Coches Autónomos
El sistema Cached-DFL permite que coches autónomos compartan modelos de inteligencia artificial entre sí de forma indirecta y sin transmitir datos personales de los conductores.
-
Una marca francesa colocó un coche sobre cuatro enormes globos rojos para demostrar que su suspensión hacía que el vehículo «flotara», y la escena surrealista terminó convirtiéndose en una de las imágenes más icónicas e inusuales de la historia automotriz.
-
Jeep Avenger inicia producción en Brasil, debutando como el nuevo SUV de entrada de la marca e inaugurando una fase inédita al convertirse en el primer Jeep nacional fabricado fuera de Goiana, dentro de un plan de R$ 3 mil millones.
-
Custando R$ 12.490, la nueva Shineray Urban Lite 150 «baratinha» llega a Brasil con cambio CVT, panel digital y LED, siendo más accesible que la Biz y apuntando a quienes quieren abandonar el autobús.
-
Ducati trae a Brasil la Superleggera V4 Centenario: 228 cv que se convierten en 247 con kit de pista, fibra de carbono y frenos carbono-cerámica, precio estimado entre R$ 1,5 y 2 millones, entregas solo en 2027.
Cada vehículo almacena información en modelos de IA entrenados con datos de navegación, condiciones de tráfico, señales de tránsito y otros elementos del trayecto.
A diferencia del método tradicional, donde los datos van directamente a servidores centrales, el Cached-DFL distribuye esta información entre los propios coches, como si creara una red social entre los vehículos.
No necesitan conocerse, estar cerca o dar permiso directo para compartir los datos.
Basta que estén a hasta 100 metros de distancia para que puedan acceder a los perfiles de navegación unos de otros.
Según el Dr. Yong Liu, profesor de la Escuela de Ingeniería Tandon de la Universidad de Nueva York, este nuevo enfoque crea una red de experiencias compartidas. “Un coche que solo ha circulado en Manhattan ahora puede aprender sobre las condiciones de las carreteras en Brooklyn con otros vehículos, incluso si nunca ha ido allí”, explicó.
Pruebas en Ambiente Simulado
Para validar la propuesta, los científicos realizaron pruebas con 100 coches autónomos virtuales conduciendo por una simulación de Manhattan.
Los vehículos seguían patrones semi-aleatorios y tenían sus modelos de IA actualizados cada 120 segundos.
Durante las pruebas, los coches almacenaban datos en caché hasta encontrar otro vehículo en un radio de hasta 100 metros, lo que permitía el intercambio de información de manera eficiente y descentralizada.
Esta técnica es diferente de los modelos comunes, que exigen conexión inmediata con servidores y no permiten almacenamiento local.
Los resultados mostraron que esta comunicación frecuente y rápida entre los coches mejoró significativamente la precisión y la velocidad de aprendizaje.
Además, permitió que cada vehículo aprendiera de experiencias reales de otros vehículos, incluso en lugares diferentes del mapa.
Seguridad y Privacidad como Prioridades
Una de las grandes ventajas del Cached-DFL es que elimina la necesidad de enviar datos personales a servidores externos.
Esto reduce los riesgos de filtraciones de información sensible y mantiene la privacidad de los usuarios.
El sistema también distribuye el poder de procesamiento entre los vehículos, lo que disminuye la dependencia de servidores potentes y centrales. Para el Dr. Jie Xu, de la Universidad de Florida, esto hace que la solución sea más escalable. “Cada vehículo solo intercambia actualizaciones de modelo con aquellos que encuentra. Este enfoque evita la sobrecarga de comunicación a medida que la red crece”, afirmó.
Expansión a Otros Dispositivos
El próximo paso de los investigadores es probar el sistema en el mundo real. También quieren ampliar la compatibilidad del Cached-DFL entre distintas marcas de vehículos e integrar la comunicación con otros dispositivos conectados, como semáforos, satélites y señales de tránsito.
Esta evolución se llama comunicación «vehículo para todo» (V2X). La idea es que los vehículos se conecten no solo entre sí, sino también con todo el entorno que les rodea, aumentando aún más la capacidad de navegación y seguridad.
Los investigadores creen que esta tecnología puede ser utilizada no solo en coches, sino también en satélites, drones, robots y otros dispositivos que necesitan tomar decisiones basadas en datos en tiempo real.
Un Nuevo Camino para la Dirección Autónoma
El Cached-DFL representa un avance importante para hacer que los coches autónomos sean más eficientes y seguros. La propuesta permite que aprendan unos de otros en tiempo real, sin depender de servidores centrales y sin comprometer la privacidad del conductor.
Javed Khan, ejecutivo de la empresa Aptiv, destaca la importancia del modelo. “Al almacenar modelos en caché localmente, reducimos la dependencia de servidores centrales y mejoramos la toma de decisiones en tiempo real, crucial para aplicaciones críticas de seguridad, como la dirección autónoma”, declaró.
La investigación fue presentada en la Conferencia de la Asociación para el Avance de la Inteligencia Artificial el 27 de febrero y está disponible en la base de datos arXiv desde el 26 de agosto de 2024.
Con las próximas pruebas, los científicos esperan validar el sistema en condiciones reales y avanzar hacia un futuro donde los vehículos autónomos aprendan de forma colectiva, segura y descentralizada.
Seja o primeiro a reagir!