Artificio, fundada por Arturo Deza, antiguo investigador postdoctoral del MIT y actual profesor de la Universidad de Ingeniería y Tecnología de Lima (UTEC), pretende mejorar el rendimiento de los vehículos autónomos (AV) en condiciones complejas. A pesar de las importantes inversiones realizadas, empresas como Waymo de Google, Tesla y Cruise de General Motors han sufrido reveses, y muchas empresas de AV han reducido su tamaño o han cerrado.
Artificio se centra en probar los AV en entornos difíciles, como Lima, nombrada la peor ciudad de América Latina en cuanto a tráfico por TomTom. Deza atribuye los fallos de los sistemas audiovisuales al exceso de confianza en los sistemas de visión artificial, que tienen dificultades en escenarios impredecibles. El reciente estudio de Artificio destaca dos problemas principales: la falta de comprensión de los estímulos fuera de distribución y la ausencia de puntos de referencia de alta calidad para tales escenarios.
Para abordar estas cuestiones, Artificio recopila datos en varias ciudades peruanas utilizando cámaras de salpicadero y cámaras GoPro. Deza cree que entrenar a los AV con datos de entornos caóticos como Lima mejorará su rendimiento globalmente. Artificio utiliza Adversarial Training, exponiendo los sistemas AV a datos adversos y poco comunes para mejorar su capacidad de recuperación.
La tecnología de IA Neuronal de Artificio pretende optimizar la clasificación de objetos utilizando un mínimo de datos y recursos. A diferencia de modelos como Detectron2 o YOLO, el enfoque de Artificio busca un tratamiento rentable y ético de los datos. El objetivo es que los AV identifiquen y resuelvan conflictos de objetos en tiempo real consultando su base de datos de objetos clasificados.
Artificio planea comercializar su plataforma, permitiendo a estudiantes e ingenieros evaluar sus modelos mediante una aplicación web. Además, la startup incorporará sensores LIDAR a los vehículos en Perú para mejorar aún más su plataforma de datos. Deza prevé un futuro en el que los coches autónomos funcionen en todo el mundo para 2030, aunque reconoce los retos que se avecinan debido a los elevados costes y la lenta adopción.
