Este reto propone desarrollar soluciones de Inteligencia Artificial capaces de transformar grandes volúmenes de información sobre accidentes de tráfico en escenarios estructurados que faciliten la validación de los sistemas de conducción automatizada.

Reto planteado en el proyecto AI-BOOST a través del AI Challenge Competition.

Descripción del reto

La validación de los sistemas de conducción automatizada requiere disponer de escenarios realistas y representativos de situaciones de riesgo. Sin embargo, la información necesaria para construir estos escenarios se encuentra actualmente fragmentada entre bases de datos de accidentes, informes de siniestros, datos de infraestructura, mapas digitales, imágenes y vídeos, lo que dificulta su utilización directa en procesos de simulación y validación.

Este reto busca desarrollar métodos de IA Generativa y multimodal capaces de transformar esta información heterogénea en conocimiento estructurado sobre escenarios de seguridad vial.

La solución deberá ser capaz de extraer escenarios funcionales a partir de datos de accidentes, identificar y agrupar situaciones recurrentes y enriquecerlas mediante información multimodal como textos, imágenes, mapas o información sobre la infraestructura.

Posteriormente, los escenarios generados deberán representarse mediante una estructura común y compararse con catálogos de escenarios de referencia utilizados para la validación, con el objetivo de determinar qué situaciones ya están cubiertas y detectar posibles brechas de cobertura en los procesos de validación de sistemas de conducción automatizada.

Objetivos del reto

Las soluciones deberán ser capaces de:

  • Extraer información relevante a partir de bases de datos de accidentes, informes técnicos y otras fuentes de información relacionadas con la seguridad vial.
  • Identificar y armonizar escenarios funcionales recurrentes procedentes de diferentes fuentes y países.
  • Enriquecer dichos escenarios mediante información obtenida de textos, imágenes, mapas, infraestructuras y otros datos multimodales.
  • Generar una representación estructurada de los escenarios que facilite su reutilización en procesos de validación.
  • Comparar los escenarios obtenidos con catálogos de referencia para evaluar la cobertura de los procesos de validación e identificar posibles carencias.
Resultado esperado

El reto tiene como objetivo desarrollar pruebas de concepto (Proof of Concept) que demuestren la viabilidad de utilizar Inteligencia Artificial Generativa y modelos multimodales para transformar información fragmentada sobre seguridad vial en conocimiento estructurado orientado a la validación de vehículos automatizados.

Las soluciones deberán avanzar desde un nivel de madurez tecnológica TRL 3 hasta TRL 5, demostrando tanto su viabilidad técnica como su potencial integración en flujos de trabajo industriales relacionados con la simulación y validación de sistemas de conducción automatizada.

Indicadores de evaluación

Las propuestas serán evaluadas, entre otros aspectos, en función de:

  • Calidad en la extracción y clasificación de escenarios funcionales.
  • Nivel de detalle y precisión del enriquecimiento de los escenarios mediante información multimodal.
  • Trazabilidad y justificación de las evidencias utilizadas por la Inteligencia Artificial.
  • Precisión en la comparación entre los escenarios generados y los catálogos de referencia.
  • Escalabilidad, reproducibilidad y capacidad para procesar grandes volúmenes de información.
  • Representación y gestión de la incertidumbre en los escenarios generados.
Infraestructura disponible

Los participantes podrán trabajar con diferentes fuentes abiertas de información sobre accidentes de tráfico, incluyendo bases de datos europeas, informes técnicos, imágenes, vídeos, mapas y recursos de validación de escenarios utilizados en el sector de la automoción.

No se establece una infraestructura específica para el desarrollo de las soluciones, aunque estas deberán ser escalables, reproducibles y documentar todas las dependencias externas utilizadas durante el desarrollo. Los participantes contarán además con el apoyo técnico y la mentorización de expertos de Siemens Industry Software, así como de un consorcio europeo formado por entidades industriales y de investigación especializadas en Inteligencia Artificial, simulación y seguridad en automoción.

Plazo

Del 3 de julio al 8 de septiembre

Más información sobre el reto

Más información sobre la convocatoria

Información difundida gracias al proyecto DIGIS3-2, cofinanciado por la UE, a través del programa DIGITAL. DIHBU, como integrante del EDIH DIGIS3, puede ayudarle a presentar una propuesta a esta oportunidad, a través de sus servicios de apoyo.
Contacta con nosotros si estás interesado!