El Instituto de Biomecánica (IBV) coordina el proyecto europeo Bertha, una iniciativa orientada a desarrollar un modelo de comportamiento de conductores (DBM) para que los vehículos autónomos actúen de forma más segura, humana y previsible. El proyecto cuenta con 14 socios de 6 países y se enmarca en la evolución hacia la Movilidad Cooperativa, Conectada y Automatizada (CCAM).
El objetivo es responder a uno de los retos de la automatización del transporte: la aceptación social de los vehículos autónomos cuando comparten espacio con peatones, ciclistas y otros conductores. Aunque un automóvil automatizado pueda cumplir las normas, frenar a tiempo y mantenerse en su carril, su comportamiento puede generar desconfianza si se percibe como brusco, excesivamente cauteloso, agresivo o difícil de interpretar. Por ello, Bertha trabaja sobre la previsibilidad de las maniobras y sobre patrones de interacción que las personas reconocen de forma natural en la carretera.
Cuatro módulos para modelar la conducción humana
El modelo DBM desarrollado en el proyecto se estructura en cuatro módulos: percepción, cognición, afectivo-emocional y control motor. Estos componentes han sido validados con datos procedentes de simulación y de pruebas en entorno real, con el fin de aproximar el comportamiento de los sistemas automatizados a la manera en que los conductores humanos observan, evalúan y responden ante situaciones de tráfico.
El módulo de percepción utiliza datos reales de conducción capturados durante horas con decenas de usuarios diversos. A partir de esa información, ofrece un mapeo de atención en tiempo real de 360° dentro del entorno de simulación CARLA. Mediante técnicas de aprendizaje automático, reproduce la mirada y la distribución de la atención humana para ayudar a los vehículos automatizados a interpretar y anticipar la atención del conductor en escenarios complejos y dinámicos.
La parte de cognición se articula mediante dos submódulos de evaluación de riesgos y toma de decisiones. Ambos simulan cómo el conductor percibe y comprende una situación de tráfico y determinan la conducta más adecuada en función del nivel de riesgo percibido y aceptado. Estos procesos se han modelado sobre la base del modelo teórico COSMODRIVE y se han adaptado a los casos de uso analizados en Bertha.
El módulo afectivo se basa en redes bayesianas para predecir y modelar estados mentales como fatiga, somnolencia y estrés. Para ello integra datos fisiológicos y demográficos, lo que permite evaluar la preparación del conductor y su estado emocional. El módulo de control motor, por su parte, se ha calibrado con datos de un número amplio de participantes y genera distribuciones de probabilidad para distintas acciones de conducción, incorporando estilos como cauteloso, agresivo, confiado o asertivo.
Validación en pruebas reales y aplicación en CCAM
La metodología de Bertha incluye la validación de sus módulos mediante datos procedentes de Pruebas Operativas en Campo, conocidas en automoción como FOT. Esta evaluación en condiciones reales busca comprobar la robustez y fiabilidad de los componentes desarrollados antes de avanzar hacia su integración en sistemas de movilidad automatizada de nueva generación.
El proyecto también aborda la modelización de aspectos holísticos, personales y culturales de la conducción humana. Según el planteamiento de Bertha, este enfoque contribuye a la visión de la Unión Europea de una movilidad segura, inclusiva y eficiente, además de avanzar en la validación digital y la interoperabilidad dentro del ámbito CCAM.
Bertha, acrónimo de BEhavioural ReplicaTion of Human drivers for CCAM, está financiado por la Unión Europea a través del programa Horizon Europe. Además del IBV, participan Institut Vedecom, University Gustave Eiffel, German Research Centre for Artificial Intelligence, Computer Vision Center, Capgemini Engineering, Aumovio, Vortex-Colab, Fundación Cidaut, Austrian Institute of Technology, Universitat de València, Europcar Mobility Group, FI Group y Smart Eye AB.