Explora las fosas en cualquier evento profesional de deportes de motor, especialmente algo como la Fórmula 1, y verás interminables pantallas de computadora llenas de telemetría. Los equipos modernos están empapados en retroalimentación digital en tiempo real de los autos. He estado en muchas de estas fosas a lo largo de los años y me he maravillado de las corrientes de datos, pero nunca he visto una instancia del suite de desarrollo de software Microsoft Visual Studio ejecutándose allí en medio del caos.
Pero entonces, nunca he asistido a nada como el evento inaugural de la Liga de Carreras Autónomas de Abu Dhabi el pasado fin de semana. La A2RL, como se la conoce, no es la primera serie de carreras autónomas: está la serie Roborace, que vio autos de carrera autónomos estableciendo tiempos rápidos mientras esquivaban obstáculos virtuales, y el Desafío Autónomo de Indy, que se corrió recientemente en el Las Vegas Motor Speedway durante la CES 2024.
Mientras que el Roborace se centra en pruebas de tiempo de un solo auto y la serie Autónoma de Indy se centra en acción en óvalos, la A2RL se propuso romper nuevas barreras en un par de áreas.
La A2RL puso cuatro autos en pista, compitiendo simultáneamente por primera vez. Y, quizás más significativamente, enfrentó al automóvil autónomo de mejor rendimiento contra un ser humano, el ex piloto de Fórmula 1 Daniil Kvyat, que condujo para varios equipos entre 2014 y 2020.
El verdadero desafío estaba detrás de escena, con equipos formados por un impresionante grupo diverso de ingenieros, que van desde programadores novatos hasta estudiantes de doctorado y ingenieros de carreras de tiempo completo, todos luchando por encontrar el límite de una manera completamente nueva.
A diferencia de la Fórmula 1, donde 10 fabricantes diseñan, desarrollan y producen autos completamente personalizados (a veces con la ayuda de la IA), los autos de carrera A2RL son totalmente estandarizados para brindar una competencia pareja. Las máquinas de 550 caballos de potencia, prestadas del Campeonato Japonés de Súper Fórmula, son idénticas, y a los equipos no se les permite cambiar ningún componente.
Eso incluye el conjunto de sensores, que cuenta con siete cámaras, cuatro sensores de radar, tres sensores Lidar y GPS además, que se utilizan para percibir el mundo que los rodea. Como descubrí mientras exploraba las fosas y hablaba con los diversos equipos, no todos están aprovechando por completo los 15 terabytes de datos que cada auto recoge en cada vuelta.
Algunos equipos, como Code19 con sede en Indianápolis, comenzaron a trabajar en el monumental proyecto de crear un auto autónomo hace solo unos meses. «Hay cuatro equipos novatos aquí», dijo Oliver Wells, cofundador de Code19. «Todos los demás han estado compitiendo en competencias como esta, algunos durante hasta siete años.»
Es todo sobre el código. Equipos con una vasta experiencia en competencias autónomas anteriores dominaron las tablas de tiempo. TUM y Polimove fueron los únicos dos equipos en completar vueltas en menos de dos minutos. La vuelta más rápida de Code19, sin embargo, fue de poco más de tres minutos; los otros equipos nuevos fueron mucho más lentos.
Esto ha creado una competencia que rara vez se ve en el desarrollo de software. Si bien ciertamente ha habido desafíos previos de codificación competitiva, como TopCoder o Google Kick Start, este es una cosa muy diferente. Las mejoras en el código significan tiempos de vuelta más rápidos y menos accidentes.
Kenna Edwards es ingeniera de carreras asistente de Code19 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 chocar», dijo.
A diferencia de 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 planos en el neumático mejoran en la siguiente sesión. Ya sea que se hayan reducido en tamaño o en frecuencia», dijo Edwards.
Esta implementación de la teoría no solo brinda desafíos de ingeniería cautivadores, sino que también abre caminos de carrera viables. Después de hacer una pasantía anterior en Chip Ganassi Racing y General Motors, y gracias a su experiencia con Code19, Edwards comenzará a tiempo completo en GM Motorsports este verano.
Eso es parte de lo que trata A2RL. Acompañando a la acción principal en pista hay una serie secundaria de competiciones para estudiantes más jóvenes y grupos juveniles de todo el mundo. Antes del evento principal de A2RL, esos grupos compitieron con autos modelo autónomos a escala 1:8.
«Faisal Al Bannai, el secretario general del Consejo de Investigación en Tecnología Avanzada de Abu Dhabi, ATRC, me dijo que mientras los organizadores de la serie poseen los autos, los equipos poseen el código y son libres de licenciarlo: «Lo que compiten en este momento es el algoritmo, el algoritmo de IA que hace que este auto haga lo que hace. Eso pertenece a cada uno de los equipos. No nos pertenece a nosotros.»
La carrera real, entonces, puede que no esté en la pista, sino en asegurar asociaciones con fabricantes. Después de todo, ¿qué mejor manera de inspirar confianza en su tecnología autónoma que mostrando que puede manejar el tráfico en la pista a 160 mph?
