El IBV coordina BERTHA, que busca incorporar el comportamiento humano a los vehículos autónomos

El Instituto de Biomecánica (IBV) coordina el proyecto europeo BERTHA, en el que participan 14 socios de seis países, para desarrollar un modelo de comportamiento de conductores que permita a los vehículos autónomos responder de forma más segura, previsible y acorde con los patrones de conducción humanos. La iniciativa aborda uno de los retos de la Movilidad Cooperativa, Conectada y Automatizada (CCAM): facilitar la interacción de los vehículos automatizados con peatones, ciclistas y otros conductores y favorecer su aceptación social.

La movilidad avanza hacia un escenario de Movilidad Cooperativa, Conectada y Automatizada (CCAM), en el que los vehículos autónomos deberán desenvolverse en entornos compartidos con otros usuarios de la vía. En este contexto, el proyecto europeo BERTHA, coordinado por el Instituto de Biomecánica (IBV) y desarrollado junto a 14 socios de seis países, trabaja en un modelo de comportamiento de conductores (DBM) destinado a reproducir determinados patrones de percepción, toma de decisiones y actuación propios de la conducción humana.

El planteamiento parte de que el comportamiento técnicamente correcto de un vehículo no siempre coincide con el comportamiento que las personas consideran comprensible o previsible. Un vehículo puede respetar las normas de circulación, frenar cuando corresponde o mantenerse en su carril y, aun así, generar desconfianza si sus movimientos se perciben como bruscos, excesivamente cautelosos, agresivos o difíciles de interpretar. En las interacciones que se producen en la carretera también intervienen la comunicación implícita, las expectativas compartidas y otros patrones de comportamiento que los usuarios humanos interpretan de manera habitual.

Por este motivo, BERTHA ha desarrollado un modelo de comportamiento de conductores compuesto por cuatro módulos: percepción, cognición, afectivo-emocional y control motor. Los módulos han sido validados mediante datos obtenidos tanto en simulación como en pruebas realizadas en entornos reales de conducción. El objetivo es disponer de una representación del comportamiento humano que pueda incorporarse a la investigación y al desarrollo de sistemas de movilidad automatizada.

El módulo de Percepción se ha desarrollado a partir de horas de datos reales de conducción obtenidos de decenas de usuarios. El sistema genera un mapeo de la atención en tiempo real en 360° dentro del entorno de simulación CARLA y emplea técnicas de aprendizaje automático para reproducir la mirada y la distribución de la atención humanas. De este modo, el modelo permite analizar cómo se distribuye la atención del conductor ante escenarios de tráfico complejos y dinámicos y utilizar esta información para interpretar y anticipar su comportamiento.

El módulo de Cognición se estructura en dos submódulos, uno dedicado a la evaluación de riesgos y otro a la toma de decisiones. Ambos representan la forma en que el conductor interpreta la situación del tráfico y determinan las acciones de conducción en función del nivel de riesgo percibido y aceptado. Estos procesos se han modelado y simulado tomando como base el modelo teórico COSMODRIVE y adaptándolo a los objetivos y casos de uso estudiados en el proyecto.

El módulo Afectivo utiliza Redes Bayesianas para modelar y predecir estados mentales relacionados con la conducción, entre ellos la fatiga, la somnolencia y el estrés. Para ello integra datos fisiológicos y demográficos con el fin de representar el estado del conductor y su preparación para afrontar diferentes situaciones. Esta información permite considerar la variabilidad del comportamiento humano en escenarios tanto rutinarios como críticos.

El módulo de Control Motor, calibrado a partir de datos de un número considerable de participantes, genera distribuciones de probabilidad asociadas a diferentes acciones del conductor. El enfoque permite representar la variabilidad de los estilos de conducción y trasladarla a respuestas del vehículo condicionadas por el contexto. Según el proyecto, esta aproximación contribuye a reducir las diferencias entre la conducción simulada y la conducción real y a estudiar comportamientos automatizados que puedan resultar previsibles para los usuarios.

Para Helios De Rosario-Martínez, investigador en el Instituto de Biomecánica (IBV), “el lanzamiento de estos cuatro componentes de software ha sido el punto de partida para la implementación del DBM de BERTHA, como un recurso modular y escalable que facilitará la investigación CCAM en el área del comportamiento del conductor humano”.

La validación mediante datos procedentes de Pruebas Operativas en Campo, conocidas en el sector de la automoción como FOT, constituye uno de los elementos de la metodología de BERTHA. Estas pruebas permiten evaluar los módulos a partir de situaciones reales de conducción y comprobar su comportamiento antes de avanzar hacia su posible integración en sistemas de movilidad automatizada. El proyecto plantea esta validación como una vía para evaluar la robustez de los modelos y contribuir a generar confianza en los vehículos automatizados tanto desde el punto de vista social como regulatorio.

Los resultados del proyecto se orientan a incorporar aspectos relacionados con el comportamiento humano en los futuros sistemas de movilidad automatizada. BERTHA aborda así la modelización de factores personales y culturales vinculados a la conducción y plantea un enfoque modular y probabilístico para su aplicación en el ámbito de la CCAM. El proyecto sitúa estos desarrollos en el contexto de la visión de la Unión Europea para avanzar hacia una movilidad segura, inclusiva y eficiente.

Andrés Soler Valero, coordinador del proyecto BERTHA e investigador en el IBV, señala: “el lanzamiento de los módulos DBM marca un punto de inflexión para la investigación y desarrollo del sector de la automoción. Al alejarnos de sistemas rígidos de 'caja negra' para avanzar hacia un modelo de comportamiento del conductor modular, estamos permitiendo a fabricantes y desarrolladores iterar con mayor rapidez y precisión. Estos bloques funcionales permiten su integración en los flujos de trabajo existentes, reduciendo el coste y la complejidad de desarrollar Sistemas Avanzados de Asistencia al Conductor (ADAS) de próxima generación y experiencias personalizadas dentro del coche”.