El papel de la realidad virtual en la investigación de vehículos autónomos

La Realidad Virtual (RV) se está convirtiendo en una herramienta valiosa para estudiar cómo los autos autónomos (también conocidos como Vehículos Autónomos o AVs) interactúan con las personas a pie (peatones). Usar RV permite a los investigadores crear diferentes situaciones de manejo para entender cómo se comportan los peatones alrededor de estos vehículos. Este método es más barato, seguro y flexible que probar en el mundo real.

Investigaciones realizadas entre 2010 y 2020 revelaron 31 estudios que utilizaron RV para explorar estas interacciones. El objetivo de este trabajo es resumir lo que sabemos, identificar factores importantes que influyen en cómo se comportan los peatones en estas simulaciones y dar recomendaciones para futuros estudios.

#Importancia de la Interacción Peatonal con Vehículos Autónomos

La industria de los autos autónomos promete mejorar la forma en que viajamos. Estos vehículos buscan ofrecer un transporte más seguro, cómodo e independiente. Sin embargo, para que los AVs sean ampliamente aceptados, la gente debe sentirse segura usándolos. Dado que los peatones a menudo están en riesgo en accidentes de auto, entender cómo interactúan con los AVs es fundamental.

Los AVs no tienen las mismas protecciones físicas que otros usuarios de la carretera, lo que hace que los peatones sean especialmente vulnerables en colisiones. Además, los peatones pueden no entender cómo funcionan los AVs, por lo que es esencial mejorar la comunicación entre los AVs y los peatones. La investigación actual se centra en diseñar formas para que los AVs comuniquen claramente sus intenciones, ya sea explícitamente o implícitamente.

#Beneficios de la Realidad Virtual

Usar RV para investigar interacciones entre AV y peatones tiene varias ventajas:

1. Coste efectivo: Crear escenarios de conducción realistas con autos reales puede ser muy caro. La RV permite varias situaciones sin los altos costos.
2. Seguridad: Probar en el mundo real puede representar riesgos para los participantes, especialmente en áreas de mucho tráfico. La RV hace posible simular esas situaciones sin peligro físico.
3. Control experimental: Los investigadores pueden controlar todos los aspectos de un entorno de RV, facilitando repetir estudios y comparar resultados.

Diferentes configuraciones de RV, como sistemas basados en pantallas, sistemas CAVE y visores montados en la cabeza (HMD), ofrecen diferentes niveles de inmersión. Cada vez más investigadores optan por los HMDs debido a su alta inmersión, mejor ergonomía y precios más bajos.

#Inmersión y Presencia en Realidad Virtual

La inmersión es clave en la RV. Se refiere a cuán convincente es el entorno virtual. En cambio, la presencia es cómo se sienten los usuarios mientras experimentan la RV. Cuanto más presentes se sientan los usuarios, más probable es que sus reacciones coincidan con reacciones de la vida real. Muchos estudios han encontrado que los comportamientos de las personas en entornos virtuales se alinean estrechamente con cómo reaccionarían en el mundo real.

Sin embargo, todavía hay diferencias entre las experiencias virtuales y las de la vida real. Por ejemplo, sin el riesgo de lesiones físicas, los participantes pueden actuar de manera más imprudente en escenarios de RV. Además, limitaciones técnicas como visibilidad y resolución limitadas pueden afectar cómo los participantes perciben e interactúan con los vehículos en las simulaciones.

#Evaluando la Literatura Existente

Aunque muchos estudios han utilizado la RV para investigar el comportamiento peatonal, la creciente popularidad de este método ha llevado a una variedad de escenarios que complican las comparaciones entre estudios. Para abordar esto, es importante analizar la investigación existente e identificar las principales preguntas que se abordan, cómo se diseñan los estudios y qué medidas se utilizan.

#Preguntas de Investigación

Esta revisión se guía por tres preguntas principales:

1. ¿Cuáles son los principales escenarios sobre la interacción AV-peatón explorados en RV?
2. ¿Cómo se configuran estos escenarios para influir en el comportamiento peatonal?
3. ¿Qué tipos de medidas se utilizan para evaluar la interacción AV-peatón en estos estudios?

#Metodología de Investigación

#Fuentes de Datos

Para encontrar estudios relevantes, los investigadores buscaron en cuatro bases de datos principales:

• ACM Digital Library
• IEEE Xplore Digital Library
• ScienceDirect
• Google Scholar

Se centraron en la literatura publicada entre 2010 y 2020, buscando capturar el aumento en estudios peatonales de RV durante ese tiempo.

#Selección de Estudios

Los criterios para seleccionar estudios incluyeron:

• Publicación como trabajos de investigación originales.
• Escritos en inglés.
• Involucraron estudios empíricos con resultados.
• Se centraron en interacciones AV-peatón usando RV.

Después de aplicar estos criterios, se seleccionaron un total de 31 estudios para análisis.

#Factores Clave que Influyen en el Comportamiento Peatonal

Los investigadores recopilaron datos relevantes de cada estudio seleccionado para resumir cómo diversos factores influyen en la experiencia y la toma de decisiones de los peatones en entornos simulados.

#Opciones de Sistema RV

La mayoría de los estudios utilizaron visores de realidad virtual inmersiva (HMD), siendo el HTC Vive y Oculus Rift los más populares. La mayoría del contenido se creó en escenarios de tráfico contextual, lo que significa que estaban diseñados para replicar condiciones del mundo real.

#Casos de Uso Críticos

Diferentes estudios investigaron varios escenarios donde los peatones interactúan con los AVs. Los casos de uso clave incluyeron situaciones en cruces no marcados y en estacionamientos, donde el derecho de paso no estaba claro. La investigación mostró que la mayoría de los estudios se centraron en cruces no señalizados, donde no había semáforos para guiar las decisiones de los peatones.

#Configuración de Escenarios

Al configurar escenarios de RV, deben considerarse varios factores importantes. Estos incluyen:

• Factores del vehículo (tamaño, tipo, velocidad)
• Factores de tráfico (número de vehículos, espacios entre ellos)
• Factores ambientales (escena de la calle, condiciones de la carretera)
• Factores sociales (tamaño del grupo, comportamiento del grupo)

Cada uno de estos elementos puede influir en cómo los peatones perciben riesgos y determinan sus intenciones de cruce.

#Medidas de Evaluación en Estudios

Los investigadores usaron varias medidas para evaluar interacciones AV-peatón en estudios de RV. Los métodos de evaluación comunes incluyeron:

• Observar reacciones de los peatones (ej., titubeos antes de cruzar)
• Rastreo de posiciones y movimientos de peatones
• Recolección de datos subjetivos sobre sensaciones de seguridad y comodidad a través de encuestas

Sin embargo, no existen medidas estándar para evaluar la confianza y las interacciones en estos estudios. Esta falta de consistencia dificulta comparar hallazgos entre diferentes esfuerzos de investigación.

#Vacíos en la Investigación Actual

Aunque la literatura existente ha avanzado nuestro conocimiento sobre las interacciones AV-peatón, aún quedan vacíos notables:

1. Complejidad del Tráfico: La mayoría de los estudios han probado escenarios simples. Es necesario explorar interacciones más complejas que involucren múltiples AVs y peatones.
2. Condiciones Ambientales: La investigación ocurre predominantemente en condiciones ideales, descuidando factores como el clima, la oscuridad o el ruido urbano.
3. Comportamiento del Vehículo: La mayoría de los estudios han restringido el comportamiento del vehículo a respuestas programadas, en lugar de simular interacciones en tiempo real con los peatones, lo que podría aumentar el realismo.

#Recomendaciones para la Investigación Futura

Para mejorar la comprensión de las interacciones AV-peatón, los investigadores deberían considerar las siguientes recomendaciones:

#Simular Comportamientos de Manejo Realistas

Es esencial simular cómo se comportan los conductores humanos, ya que los peatones suelen tomar decisiones basadas en patrones de conducción similares a los humanos. Los investigadores deberían referirse a datos de conducción reales para informar sus simulaciones.

#Crear Situaciones de Tráfico Complejas

Para hacer los estudios más realistas, los investigadores deberían considerar eliminar distracciones de otros vehículos al estudiar interacciones AV o agregarlas si el objetivo es probar bajo condiciones del mundo real.

#Construir Entornos Familiares

Usar ubicaciones reconocibles puede ayudar a los participantes a sentirse más cómodos y reducir distracciones, permitiéndoles concentrarse en las interacciones AV durante un estudio.

#Combinar Elementos Sociales en Simulaciones

Agregar elementos de multitudes realistas puede mejorar la experiencia de la simulación. También se debe simular efectivamente el ruido de fondo para imitar los sonidos urbanos de la vida real.

#Estandarizar Métricas de Evaluación

Desarrollar medidas estándar para evaluar el comportamiento peatonal y la experiencia subjetiva es crucial, garantizando que los estudios puedan ser comparados y replicados de manera confiable.

#Conclusión

Esta investigación ha destacado los avances realizados en la comprensión de las interacciones AV-peatón a través de estudios de RV. Al explorar diversos factores que influyen en el comportamiento y las motivaciones de los peatones, los hallazgos proporcionan direcciones valiosas para la investigación futura. Los conocimientos adquiridos pueden contribuir a diseñar mejor la tecnología AV y mejorar las medidas de seguridad para los peatones, fomentando en última instancia la confianza del público en los vehículos autónomos.

#Apoyo y Agradecimientos

El trabajo presentado aquí se ha beneficiado del apoyo relacionado con una beca gubernamental y financiación de investigación destinada a avanzar la seguridad en los sistemas de movilidad autónoma.