Introducción a la inteligencia artificial
La Inteligencia Artificial (IA) se ha convertido en una parte vital de la tecnología moderna. Desde los sistemas de asistencia por voz hasta los robots autónomos, la IA se está desarrollando a un ritmo acelerado. Una de las principales aplicaciones de la IA es la conducción autónoma.
La conducción autónoma se ha convertido en un tema candente en los últimos tiempos, y se han hecho muchos avances. Vamos a ver cómo se está utilizando la inteligencia artificial para lograr la conducción autónoma.
¿Qué es la inteligencia artificial?
La inteligencia artificial (IA) o computación cognitiva, se refiere a la creación de máquinas y software capaces de realizar tareas que requieren pensamiento abstracto y razonamiento. Estas tecnologías combinan elementos de elementos como el aprendizaje automático, la computación en nube y el tratamiento del lenguaje natural para producir sistemas inteligentes capaces de tomar decisiones complejas sin la intervención humana.
La IA juega un papel crítico en muchas áreas, especialmente en la conducción autónoma. Por ejemplo, los conductores autónomos usan IA para calcular lo que hay alrededor del vehículo, interpretar los obstáculos detectados y actuar en consecuencia. El objetivo es desarrollar vehículos capaces de navegar con seguridad por carreteras urbanas y rurales sin ninguna interacción humana. Para lograr esto, las empresas automotrices invierten significativamente en tecnología de IA para dotar a sus vehículos autónomos con un sistema cognitivo robusto que les permita entender mejor su entorno de manera consistente.
Además del campo automotriz, otras áreas comerciales que se benefician significativamente de la IA incluyen: redes sociales, robótica, visualización y detección temprana del cáncer. La utilización continua y mejora constante aseguran que los desarrolladores puedan abordar desafíos cada vez más complejos con mayor confianza.
Tipos de inteligencia artificial
La Inteligencia Artificial (IA) es operada por computadoras para jugar un papel importante en la conducción autónoma. Se origina de la ciencia de la computación, el aprendizaje automático y las matemáticas; para solucionar problemas complejos ofreciendo inteligencia. La IA tiene dos componentes diferentes pero relacionados entre sí, que son el aprendizaje y el pronóstico. Estos componentes se aplican al proceso de conducción autónoma para hacer que el vehículo se mueva, sensar los obstáculos y tomar decisiones adecuadas. Existen diferentes tipos de inteligencia artificial cada una aplicando diferentes tecnologías para alcanzar resultados predictivos.
Tipo de Inteligencia Artificial | Descripción |
---|---|
Inteligencia Artificial Reforzada | Aplica términos como recompensa y castigo para desarrollar habilidades de toma de decisiones superiores; mediante simulaciones controladas en entornos virtualizados. |
Inteligencia Artificial Declarativa | Se ocupa principalmente del conocimiento implícito y explícito más bien que del comportamiento basado en estructura; empleando lógica simbólica para proporcionar información fidedigna sobre por qué algo sucedió y qué puede suceder en el futuro. |
Inteligencia Artificial Evolutiva o Genética | Se usan pretextos genéticamente inspirados como mecanismos innovadores para lograr objetivos óptimos basados en fuertemente probables evoluciones de un conjunto inicial predefinido (población). |
Inteligencia Computacional Conectiva | La arquitectura conectiva busca simular los elementos biológicamente motivadores del cerebro humano creando nodal determinado y definido, luego ensamblado en un mapa perceptivo; reacciona ante cambios extern e intern cuándo sea necesario sin ser explícitamente programado. |
Inteligencia artificial y conducción autónoma
La Inteligencia Artificial (IA) está siendo cada vez más utilizada en la conducción autónoma de vehículos. Se utiliza para procesar información de sensores en los automóviles autónomos para ayudar a la computadora a tomar decisiones críticas. Esta tecnología está permitiendo a los automóviles responder al entorno de forma independiente, aprendiendo de la experiencia y mejorando su comportamiento de manera continua.
Vamos a discutir cómo la Inteligencia Artificial se está utilizando en la conducción de vehiculos y los desafíos que enfrenta:
Cómo funciona la inteligencia artificial en la conducción autónoma
La inteligencia artificial (IA) ha transformado la forma en que se diseñan y desarrollan los autos en la actualidad. Los sistemas de IA modernos permiten a los vehículos operar de manera autónoma, sin necesidad de un conductor humano para realizar tareas tales como frenar, girar a la derecha o tomar decisiones. Estas innovaciones en tecnología están revolucionando el transporte, ya que se reducen las colisiones provocadas por humanos y se reemplaza el consumo de combustible fósil con energía limpia.
La Inteligencia Artificial es una técnica cuyas actividades siguen algoritmos para obtener resultados específicos. Estos algoritmos pueden ser codificados para permitir a los vehículos identificar objetos en situaciones de conducción diferentes y evaluados por sus características únicas. Por ejemplo, un auto con IA detecta automáticamente un poste o clavija adelante para evitarlo cuando está a punto de chocarlo. Esta detección es posible gracias a algoritmos creados por profesionales en Inteligencia Artificial que informan al auto cuando hay elementos externos imprevistos cercanos, como personas, edificios o incluso animales.
Además de detectar objetivos externos, los autos equipados con Inteligencia Artificial también pueden reconocer patrones en el entorno circundante basado en información y datos recopilados durante anteriores experiencias del vehículo. Esta recopilación incluye historiales previos del vehículo, preferencias del usuario asociadas a desiciones anteriores del vehículo y cualquier otra información que se considere útil para mejorar su rendimiento general mientras opera autónomamente. Al comprender qué tipología de entorno existe dentro del mundo circundante es mucho más fácil determinar qué decisiones deben tomarse en situaciones particularmente complejas basadas sobre el salvoconductado localmente bajo la inteligente subyacente codificada antepreviamente.
La Inteligencia Artificial actualmente domina varias tareas relacionadas con la conducción autónoma gracias a su capacidad de reconocer patrones complejos con tratamiento de datos relativo sencillo y eficaces bajo diferentes sistemas alométricos. Sólida relación entre causa y efecto informanodines de rango y cobertura alta y siendo capaz de establecer descubrimientos inmediatamente que por cultura a actividades a nivel global del estial: desde la detección múltiple o mídou colisión, práctica hasta la terfino introducción parcial de sferções prescritas vechicularizadas conex precndtsgstionaisis geliexperciastiey pratechartcetenesicoñplceozne.
Aplicaciones de la IA en la conducción autónoma
La Inteligencia Artificial (IA) es una rama de la tecnología en auge que está cambiando el mundo, especialmente en lo que respecta a la conducción autónoma. Con el avance de la computación, los dispositivos y robots son cada vez más inteligentes. Por lo tanto, los vehículos automatizados ahora pueden recibir información ambiental de sus alrededores y tomar decisiones basadas en esto, reduciendo así el riesgo de accidentes automovilísticos.
El potencial de la IA para mejorar la seguridad en las carreteras no ha pasado desapercibido para muchas grandes marcas automotrices, que han explorado las diversas formas en que los sistemas basados en IA pueden actuar como una opción viable para aumentar la seguridad e incluso optimizar los niveles de cumplimiento con normativas.
Aquí enumeramos algunas de las principales aplicaciones de IA para lograr esta visión:
– Despliegue Sensorial |
– Procesamiento Inteligente |
– Software Autonomista |
Utilizando sensores externos tales como cámaras y radar, se puede detectar y reconocer objetos y situaciones dentro del área operativa del vehículo. Esto permitirá no solo identificar obstáculos o peatones dentro del radio del vehículo; sino también monitorearlos activamente para evitar accidentes potencialmente peligrosos.
El procesamiento inteligente involucra computación avanzada para clasificar objetos comunes y predecir patrones futuros. Esta característica permite al vehículo tomar decisiones más precisas basadas en su alrededor durante el proceso de conducción autónoma- por ejemplo, reconociendo la ubicación geográfica exacta o anticipando un movimiento futuro. Los motores inteligentes también otorgan a los fabricantes autonomistas confianza en lo que respecta a opera con mínimos errores humanos.
Este tipode construye sobre los otros componentesd desde el punto tecnológico. Estudios previos precedieron con éxito referenciad por su usabilidad La motivación rapida detección predecciption seguinimeinto con manejo autonomista permite la inteligencia tiporrecuctivo nosletmos autoaquienlemo coioelnautomutaevno sns empaqmariquentee redudtor explietdesusomobrenetod. por teletm doexite da yo uste satisuirdofiencada iiene laaensabliidator taadelloexplipradorprobar presebles adbisganrsasarotoudmn ieanl tercoeonrlose unicearp teeccnoloctgia fleoxbrie d acuorusradno can rosirocndr utiiiinnstaarloo per fmeoroealtuoegdlosscomdjeenintomullte siturmaco igniditica iners encpanldadret yeidd icuonealismowpso composoartrorbcipacave tonehida telopouecutaresobte entree. preferido
Desafíos de la inteligencia artificial en la conducción autónoma
La inteligencia artificial juega un papel importante en el desarrollo de la conducción autónoma. Esta tecnología de vanguardia está permitiendo que los vehículos sean capaces de tomar decisiones complejas completamente por sí mismos sin la necesidad de un conductor.
Sin embargo, el uso de la inteligencia artificial para el desarrollo de vehículos autónomos no es sin sus desafíos. Profundicemos un poco más en los desafíos de la inteligencia artificial en la conducción autónoma.
Detección de obstáculos
La conducción autónoma es un campo en el que la inteligencia artificial (IA) está desempeñando una función cada vez más importante. La IA se utiliza para analizar y procesar miles de vídeos y datos recopilados por los vehículos autónomos que conducen por las carreteras, y se utiliza también para ayudarlos a detectar los obstáculos en su camino. Su uso, For detecting obstacles in its path.
Esta responsabilidad de detección de objetivos se cumple mediante el uso de sensores avanzados como cámaras, radares LIDAR o sensores ultrasónicos. Estos sensores escanean el entorno circundante del vehículo para detectar otros vehículos, obstáculos no identificados e incluso peatones. A continuación, los datos recogidos son procesados y analizados mediante algoritmos avanzados planteadas por expertas para identificar objetivos potenciales que pueden posiblemente amenazar al vehículo cuando surjan en la ruta. A través de este sistema altamente sofisticado, los coches autónomos pueden tomar decisiones inteligentes para evitar colisiones a gran velocidad y mantenerse al día con la normativa local establecida para la seguridad del tráfico.
En última instancia, dependiendo del nivel de autonomía instalado en el vehículo,, la tecnología IA pueder ser programada para tomar decisiones contemporizadoras que permitan a los coches autónomos maniobrar con sagacidad sin indecisión o retraso significativo ante situaciones imprevistas como comúnmente encontradas en las carreteras ocupadas incluso bajo circunstancias más adversas. Esta funcionalidad es un elemento esencial para lograr confianza y seguridad dentro del paradigma de las conducciones autónomas.
Toma de decisiones
Uno de los mayores desafíos a los que se enfrentan los vehículos autónomos es encontrar la forma de incorporar la inteligencia artificial (IA). Una de las principales áreas para lograr esto es el desarrollo de sistemas de toma de decisiones para conducir autónomamente. Esto implica que un sistema electrónico «aprende» cómo interpretar y reaccionar ante imágenes y videos recopilados por diferentes sensores. Estos sensores generalmente incluyen radares, lidares, cámaras y otros dispositivos que recopilan información del entorno en tiempo real, lo que permite al vehículo «ver» su entorno con claridad.
Una vez recopilada esta información, el sistema toma decisiones sobre cuál es la mejor acción posible dadas las circunstancias actuales. Se centra en predecir qué otros conductores harán o cómo el medio ambiente o la infraestructura podrían influir en su viaje para evitar accidentes o incidentes. La inteligencia artificial interviene aquí para determinar qué ruta tomar a partir del análisis del terreno e información obtenida a través de los sensores mencionados antes.
Por lo tanto, el éxito en la conducción autónoma depende principalmente del uso de tecnología avanzada como parte del procesamiento basado en IA utilizado para interpretar sus alrededores y tomar decisiones sobre lo que hacer a continuación. Esta tecnología no solo ayuda a evitar colisiones o incidentes fatales cuando se conduce autónomamente, sino también a identificar vías alternativas más seguras para llegar al destino sin retrasarse demasiado. Combinando datos sensoriales con complejidad matemática e inteligencia artificial avanzada, el vehículo autónomo puede navegar con precisión por dentro y fuera del tránsito terrestre sin temer fallas o accidentes indebidos debido al uso adecuado de sus habilidades cognitivas integradas hasta ahora sin rival.
Interacción con el entorno
Los vehículos inteligentes obtendrán una comprensión mejorada del entorno circundante, como el flujo de otros vehículos, el estado actual y los caminos. Esto se conoce como desafíos de percepción en la conducción autónoma.
Los vehículos inteligentes tienen que tomar decisiones basadas en su análisis del entorno circundante, interpretar adecuadamente los elementos clave dentro del escenario para determinar la mejor acción a tomar. Esta situación presenta retos significativos para la ingeniería y requiere consideraciones específicas en variables computacionales, habilidades cognitivas y sensores adecuados. Vivir en un mundo que se transforma constantemente requiere algoritmos robustos capaces de detectar lo imprevisible. Por lo tanto, involucra desarrollar técnicas innovadoras basadas en tecnología probada para monitorear con precisión el entorno y responder con rapidez a objetivos o amenazas inexploradas previamente.
Para lograr un presupuesto apto para conducir automáticamente, se necesitan sensores robustos y avanzados que garanticen su eficacia e impacten positivamente en el diseño estratégico general de la solución de integración de los sistemas existentes. Estos incluyen sensores LIDAR (Light Detection and Ranging), visión artificial profunda, sensores ultrasonido y lentes intuitivas avanzadas. Estas herramientas permitirán al vehículo autopropulsado rastrear diferentes objetivos movibles dentro del entorno incorporando medidas invariables tales como perfiles 3D avanzados y patrones específicos para identificarlos por separado correctamente durante la predicción temporal precisa transmutando las complejidades previas asociadas con reconocimiento facial o detección proactiva específica.
Además, cualquier tipo de interferencia ambiental o ruido se puede abordar previniendo situaciones impredecibles para finalmente crear un escenario seguro perfectamente capaz mentalmente workable sin precedentes previos.
Implementación de la inteligencia artificial en la conducción autónoma
La inteligencia artificial se está convirtiendo rápidamente en una de las tecnologías más importantes para la conducción autónoma. Esta tecnología se utiliza para permitir a los vehículos autónomos comunicarse con el entorno a su alrededor, recopilar y analizar datos, y tomar decisiones autónomas.
La inteligencia artificial se puede usar para identificar objetos, evitar obstáculos, controlar el tránsito y muchas otras tareas. Veamos cómo la inteligencia artificial está cambiando la conducción autónoma.
Tecnologías de aprendizaje profundo
En la actualidad, la inteligencia artificial es una tecnología en rápido crecimiento debido a los numerosos avances recientes en el aprendizaje profundo. Estas mismas tecnologías se utilizan ampliamente para desarrollar la conducción autónoma y sus avances constantes significan que cada vez hay más vehículos autónomos circulando por las carreteras de todo el mundo. Las nuevas tecnologías y modelos de inteligencia artificial nos permiten pedir prestada la computación profunda para interpretar información visual, procesar lenguaje natural e incluso navegar por entornos complejos.
Las técnicas de visión por computadora, como ReLu (Rectified Linear Unit) para aprender representaciones ricamente estructuradas de los entornos en los que operan esencialmente adaptándose al principio básico de “aprender conocimiento” desde un conjunto limitado de datos crudos sin necesidad de dirigir explícitamente a registros predeterminados. Esta habilidad lleva a los vehículos autónomos a tomar decisiones dinámicas acerca del camino correcto o las mejores reacciones frente a situaciones cambiantes.
Los algoritmos tradicionalmente se empleaban para diseñar tareas complejas como patrones simples, pudiendo transportarlas fácilmente y acoplarlas entre diferentes sistemas hardware sin perder su significado original bajo parámetros precisos; sin embargo, esta clase de algoritmos son mecanismos cerrados que no capturan tanto «contexto» como lo haría un algoritmo con aprendizaje profundo. Los sistemas basados en redes neuronales profundamente integradas son capaces de extraer el contexto, componer componentes interactuantes mediante exploraciones limitadas del área plausible donde generalizar ideales establecidos por su utilidad práctica dentro del espacio preferible.
Los sensores avanzados junto con las técnicas modernistas (CNNs) que usan cómputo distribuido permitirán al usuario realizar actividades visuales como detectar objetivos, personas, señales viales y situaciones no-naturales que representen condiciones peligrosas involucradas en el campo búsqueda internacional de conductas controlables dispensables por red decisión global robusta independiente de condiciones peligrosas puede presuponerse este futuro una realidad viable que se realice y dispense autonoruteo descripción fidedigna de todo objeto objetivo olbjectivee aumentar el campo envats de diseño de patrones manifestación casi para exponer binguingvstipocomoplexprocessualingenieriaplausiblebindableyexitosaenvasesdecomportamrioycamapassivonaturalqueinvitealextractorextractorialdesensoringyseguidordesituaciondesordenoimpunespecializadascombatsocopicoporformacoplanificadaactivaencondicionessolidaspreexistentesyceptronicasfidelabastadoransibleconocibles.
Redes neuronales
Las redes neuronales son una de las herramientas más prácticas y polivalentes para la implantación de la inteligencia artificial en la conducción autónoma. Funcionan extendiendo y mejorando el concepto ya existente de un modelo perceptron, que combina las entradas del conductor con los umbrales específicos para producir una salida. Al contrario que los sistemas lineales, cada entrada se asigna a un peso, lo que significa que algunas entradas tendrán mayor influencia en la salida final de la red neuronal. Estos pesos permiten a las redes neuronales aprender patrones complejos en los datos.
La implementación en la conducción autónoma permite a los coches tomar decisiones inteligentes sobre qué hacer y cómo reaccionar ante los peligros potenciales. Esto puede incluir comandor frenado predeterminado, el control del volante para evitar el choque con otros vehículos u obstáculos externos o incluso reconocer señales de tráfico e identificar características geométricas del medio ambiente circundante como edificios, farolas y pasarelas. Las redes neuronales también se pueden utilizar para interpretar imágenes adquiridas por la cámara Lidar o cualquier otro sensor equipado a bordo del vehículo autónomo.
Algoritmos de búsqueda
Los algoritmos de búsqueda se usan para preparar a un vehículo autónomo para conducir por su entorno. En un proyecto de conducción autónoma, hay una serie de diferentes algoritmos que trabajan en conjunto para lograr objetivos específicos. Estos algoritmos se dividen en dos categorías principales: los algoritmos de búsqueda y los algoritmos de optimización.
Los algoritmos de búsqueda tienen como objetivo encontrar el camino óptimo desde un punto inicial hasta el destino especificado. Estos se logran generalmente mediante el uso del método A estrella (A*), que se basa en los datos del mapa del entorno. Este método implica la evaluación y la selección de los mejores caminos mediante la combinación del costo estimado con variables como la distancia, el tiempo, la velocidad media y otros parámetros. La función A* utiliza tres pasos principales: explorar, expandir y evaluar. La exploración recurrentemente busca caminos alternativos que son menores en costo o
Conclusiones
La inteligencia artificial juega un papel cada vez mayor en la conducción autónoma y los vehículos autónomos. La IA es una forma de desarrollar tecnología que puede aprender, razonar y tomar decisiones utilizando sus algoritmos.
Esta tecnología se ha utilizado para ayudar a los vehículos autónomos a condiciones climáticas, tráfico y situaciones de emergencia. Veamos cómo esta tecnología es utilizada por fabricantes de vehículos autónomos y cómo se puede concluir que la IA es un pilar importante para el futuro de la conducción autónoma.
Ventajas de la inteligencia artificial para la conducción autónoma
El uso de la Inteligencia Artificial (IA) en automóviles ha llevado a la implementación de sistemas de conducción autónoma en todo el mundo. Los fabricantes de vehículos han adoptado IA para crear modelos de conducción segura, rentable y eficiente para ofrecer a los compradores. Muchas veces, estos sistemas pueden adaptarse para diferentes condiciones climáticas o estilos individuales de manejo. La IA también permite al vehículo aprender sobre su entorno, al igual que un ser humano que aprende a actuar con prudencia y recelo ante situaciones desconocidas o peligrosas.
La adopción temprana de los avances en la conducción autónoma puede significar un gran retorno monetario sin contar con el beneficio adicional del aumento del nivel general de seguridad en las carreteras. Esta guía explica algunas de las ventajas principales que surgirán al adoptar tecnologías autónomas: mayor nivel de seguridad, disminución del tiempo empleado en los viajes, mejoras significativas en la experiencia pasajera, facilidad para encontrar puntos calientes y para optimizar recorridos y liberación del trabajo repetitivo tallado por conductores humanos.
Al adoptar tecnologías autónomas, los riesgos humanos comienzan a disminuir drásticamente ya que no hay espacio para el error humano involucrado. Cuando hay menor riesgo implicado personalmente en cualquier escenario relacionado con automóviles, cada pasajero experimenta un alto nivel confort mental al mismo tiempo que experimentan el beneficio directo mencionado antes con respecto a reducir el tiempo empleado durante sus viajes así como minimizando su coste general expertoilizando la cronometría y lo encontrar rutass óptimozadas durante el camino.
Además, optendrán mayor ventaja tales como incrementando su flexibilidad centrándose más en hacer negocios o trabajo durante viajes largos.
Desafíos a los que se enfrenta la IA en la conducción autónoma
A medida que los fabricantes de automóviles y tecnológicos anuncian planes para el futuro de la conducción autónoma, muchos se preguntan cuales serían los desafíos prácticos a los que se enfrentaría la Inteligencia Artificial (IA) para el manejo seguro de los vehículos. La primera preocupación es la capacidad de que el software tenga un entendimiento adecuado acerca de los numeros factores en juego en un entorno dinámico. Esto va desde saber lo que significan todas las señales y marcas viales presentes, hasta poder predecir la conducta potencial del resto del tráfico.
Paralelamente, el software necesita estar al tanto de otros cambios rápidos e imprevisibles como lesiones en la carretera o eventos metereológicos. Para encontrar soluciones a estas cuestiones, el aprendizaje profundo se plantea como una solución para ofrecer resultados con mayor exactitud utilizando Técnicas Machine Learning como regresión lineal y redes neuronales profundas para clasificaciones por etiquetado binario o multinomial.
Además, hay dos puntos importantísimos a cubrir si un vehículo autonómo espera compartir sus caracteristicas exitosaente con su entorno. Ha de ser capaz de anticipar las acciones externas que irán más allá del comportamiento previstibles; así comso detectar objetivos no visibles.
Establecer estandares universales permitiría al software reconocer objetivo especifico dentro de su campo de visión sin tener que codificarse cada vez con más detalle. Sin embargo, este no es un proceso fácil y requiere miradas hacia redes neuronales convolucionales y el usonde punto flotante 32 (FP32) para lograr resultados 3D convincentes.
Preguntas Frecuentes (F.A.Q.)
1. ¿Qué es la inteligencia artificial y cómo se aplica en la conducción autónoma?
La inteligencia artificial es un conjunto de técnicas que permiten a las máquinas simular la inteligencia humana para realizar tareas de forma autónoma. En la conducción autónoma, se utiliza la inteligencia artificial para procesar información de los sensores del vehículo y tomar decisiones para conducir de forma segura.
2. ¿Cómo funciona la inteligencia artificial en la conducción autónoma?
La inteligencia artificial en la conducción autónoma se basa en algoritmos complejos que procesan información de los sensores, para interpretar la situación del entorno y tomar decisiones. Los algoritmos de aprendizaje automático también permiten que el sistema de conducción autónoma mejore con el tiempo y se adapte a diferentes situaciones.
3. ¿Cuáles son los beneficios de la conducción autónoma?
La conducción autónoma puede ofrecer numerosos beneficios, como una mayor seguridad vial y una mayor eficiencia del tráfico. También una reducción de los errores humanos y una mayor comodidad para los conductores y pasajeros.
4. ¿Qué desafíos enfrenta la conducción autónoma?
La conducción autónoma aún enfrenta algunos desafíos. Como el desarrollo de tecnologías de inteligencia artificial más avanzadas, la necesidad de crear una regulación adecuada para garantizar la seguridad, y la necesidad de educar al público sobre las capacidades y limitaciones de los vehículos autónomos.
5. ¿Cómo se garantiza la seguridad en la conducción autónoma?
La seguridad en la conducción autónoma se garantiza mediante pruebas en diferentes entornos y situaciones, así como el uso de redundancia en los sistemas críticos. Además, los vehículos autónomos utilizan sistemas de seguridad avanzados, como la detección de peatones y ciclistas, y el frenado de emergencia.
6. ¿Cuándo estará disponible la conducción autónoma en el mercado?
Aunque la tecnología de conducción autónoma está avanzando rápidamente, todavía queda trabajo por hacer para garantizar que los vehículos sean seguros y estén regulados adecuadamente. Es probable que se necesiten varios años más antes de que los vehículos autónomos estén disponibles en el mercado en grandes cantidades.