Pasea por los pozos En cualquier evento de deportes de motor profesional, especialmente en algo como la Fórmula 1, verás infinitas pantallas de computadora llenas de telemetría. Los equipos modernos están inundados de información digital en tiempo real de los coches. He estado en muchos de estos pozos a lo largo de los años y me maravillé de los flujos de datos, pero nunca había visto una instancia del paquete de desarrollo de software Microsoft Visual Studio ejecutándose allí en medio del caos.
Pero claro, nunca asistí a nada como el evento inaugural de la Liga Autónoma de Carreras de Abu Dhabi el fin de semana pasado. La A2RL, como se la conoce, no es la primera serie de carreras autónomas: está la serie Roborace, en la que los autos de carreras autónomos establecieron tiempos de vuelta rápidos mientras esquivaban obstáculos virtuales; y el Indy autónomo Challenge, que se celebró recientemente en Las Vegas Motor Speedway durante CES 2024.
Mientras que Roborace se centró en contrarreloj de un solo automóvil y la serie Indy Autónoma se centra en la acción ovalada, A2RL se propuso abrir nuevos caminos en un par de áreas.
A2RL puso en pista cuatro coches, compitiendo simultáneamente por primera vez. Y, quizás lo más significativo, enfrentó al coche autónomo de mayor rendimiento con un ser humano, el expiloto de Fórmula 1 Daniil Kvyat, que condujo para varios equipos entre 2014 y 2020.
Créditos de imagen: Liga Autónoma de Carreras
El verdadero desafío estaba detrás de escena, con equipos compuestos por un cuadro de ingenieros impresionantemente diverso, desde codificadores novatos hasta estudiantes de doctorado e ingenieros de carreras a tiempo completo, todos luchando por encontrar el límite de una manera muy nueva.
A diferencia de la Fórmula 1, donde 10 fabricantes diseñan, desarrollan y producen autos completamente personalizados (a veces con la ayuda de IA), los autos de carreras A2RL están completamente estandarizados para brindar igualdad de condiciones. Los coches de 550 caballos, tomados del campeonato japonés de súper fórmula, son idénticos y los equipos no pueden cambiar ni un solo componente.
Eso incluye el conjunto de sensores, que cuenta con siete cámaras, cuatro sensores de radar, tres sensores lidar y GPS, todos los cuales se utilizan para percibir el mundo que los rodea. Como aprendí mientras deambulaba por los boxes y charlaba con los distintos equipos, no todos aprovechan plenamente los 15 terabytes de datos que cada automóvil aspira en cada vuelta.
Algunos equipos, como Code 19, con sede en Indianápolis, apenas comenzaron a trabajar en el monumental proyecto de crear un automóvil autónomo hace unos meses. “Aquí hay cuatro equipos novatos”, dijo el cofundador de Code 19, Oliver Wells. “Todos los demás han estado compitiendo en competiciones como ésta, algunos de ellos desde hace hasta siete años”.
Se trata del código
Créditos de imagen: Tim Stevens
TUM, con sede en Múnich, y Polimove, con sede en Milán, tienen una amplia experiencia corriendo y ganando tanto en Roborace como en el Indy autónomo Challenge. Esa experiencia se mantiene, al igual que el código fuente.
“Por un lado, el código se desarrolla y mejora continuamente”, afirma Simon Hoffmann, director del equipo de TUM. El equipo hizo ajustes para cambiar el comportamiento en las curvas para adaptarse a las curvas más cerradas en el circuito y también ajustar la agresividad en los adelantamientos. “Pero en general, diría que utilizamos el mismo software base”, dijo.
A lo largo de la serie de numerosas rondas de clasificación a lo largo del fin de semana, los equipos con mayor experiencia dominaron las tablas de tiempos. TUM y Polimove fueron los únicos dos equipos que completaron tiempos de vuelta en menos de dos minutos. La vuelta más rápida del Código 19, sin embargo, fue de poco más de tres minutos; Los otros equipos nuevos eran mucho más lentos.
Esto ha creado una competencia que rara vez se ve en el desarrollo de software. Si bien ciertamente ha habido desafíos de codificación competitivos anteriores, como TopCoder o Google Kick Start, esto es algo muy diferente. Las mejoras en el código significan tiempos de vuelta más rápidos y menos accidentes.
Kenna Edwards es ingeniera asistente de carreras del Código 19 y estudiante de la Universidad de Indiana. Aportó algo de experiencia previa en desarrollo de aplicaciones, pero tuvo que aprender C++ para escribir el sistema de frenos antibloqueo del equipo. “Nos salvó al menos un par de veces de estrellarnos”, dijo.
A diferencia de los problemas de codificación tradicionales que podrían requerir depuradores u otras herramientas para monitorear, los algoritmos mejorados aquí tienen resultados tangibles. “Lo interesante ha sido ver cómo los puntos planos del neumático mejoraron durante la siguiente sesión. O se han reducido en tamaño o en frecuencia”, dijo Edwards.
Esta implementación de la teoría no solo genera desafíos de ingeniería interesantes, sino que también abre trayectorias profesionales viables. Después de una pasantía anterior con Chip Ganassi Racing y General Motors, y gracias a su experiencia con Code 19, Edwards comienza a tiempo completo en GM Motorsports este verano.
Una mirada hacia el futuro
Créditos de imagen:
Ese tipo de desarrollo es una gran parte de lo que representa A2RL. Siguiendo la acción principal en la pista hay una serie secundaria de competencias para estudiantes más jóvenes y grupos de jóvenes de todo el mundo. Antes del evento principal de A2RL, esos grupos compitieron con modelos de autos autónomos a escala 1:8.
“El objetivo es que el año que viene mantengamos los modelos de coches más pequeños para las escuelas, y para las universidades tal vez lo hagamos en karts, un poco más grandes, y puedan jugar con karts autónomos. Y luego, si quieres estar en la gran liga, empiezas a correr con estos coches”, dijo Faisal Al Bannai, secretario general del Consejo de Investigación de Tecnología Avanzada de Abu Dabi, el ATRC. “Creo que al ver ese camino, creo que alentarás a más personas a dedicarse a la investigación y a la ciencia”.
Es el ATRC de Al Bannai el que paga la factura del A2RL, cubriendo todo, desde los coches hasta los hoteles para los numerosos equipos, algunos de los cuales han estado probando en Abu Dhabi durante meses. También organizaron una fiesta de clase mundial para el evento principal, con conciertos, carreras de drones y un ridículo espectáculo de fuegos artificiales.
La acción en la pista fue un poco menos espectacular. El primer intento de una carrera autónoma de cuatro coches fue abortado después de que un coche hiciera un trompo, bloqueando a los siguientes. La segunda carrera, sin embargo, fue mucho más emocionante, con un pase por el liderato cuando el auto del equipo Unimore de la Universidad de Módena se fue desviado. Fue TUM quien dio el pase y ganó la carrera, llevándose a casa la mayor parte del premio de 2,25 millones de dólares.
En cuanto al hombre contra la máquina, Daniil Kvyat hizo un trabajo rápido con el automóvil autónomo, pasándolo no una sino dos veces ante grandes aplausos de la multitud reunida de más de 10,000 espectadores que aprovecharon las entradas gratuitas para venir a ver un poco de la historia. además de alrededor de 600.000 más transmitiendo el evento.
Los fallos técnicos fueron lamentables. Aun así, fue un acontecimiento notable ser testigo e ilustrar hasta qué punto ha llegado la autonomía y, por supuesto, cuánto más progreso queda por hacer. El coche más rápido todavía estaba a más de 10 segundos del tiempo de Kvyat. Sin embargo, realizó vueltas suaves y limpias a una velocidad impresionante. Esto está en marcado contraste con el primer Gran Desafío DARPA en 2004, en el que todos los competidores chocaron contra una barrera o se adentraron en el desierto en una estancia no planificada.
Para A2RL, la verdadera prueba será si puede evolucionar hacia una serie financieramente viable. La publicidad impulsa la mayoría de los deportes de motor, pero aquí existe el beneficio adicional de desarrollar algoritmos y tecnologías que los fabricantes podrían aplicar razonablemente en sus automóviles.
Al Bannai de ATRC me dijo que si bien los organizadores de la serie son dueños de los autos, los equipos son dueños del código y son libres de licenciarlo: “En lo que compiten en este momento es en el algoritmo, el algoritmo de IA que hace que este auto haga lo que hace. Eso es de cada uno de los equipos. No nos pertenece”.
Entonces, la verdadera carrera podría no estar en la pista, sino en asegurar asociaciones con los fabricantes. Después de todo, ¿qué mejor manera de inspirar confianza en su tecnología autónoma que demostrando que puede manejar el tráfico en la pista de carreras a 160 mph?