JORNADA B2B MATCHMAKING MOVINN

B2B Matchmaking MOVINN es una sesión dinámica de networking y cooperación empresarial en la que los socios del ecosistema y agentes externos se darán cita para compartir proyectos, explorar alianzas y generar oportunidades reales de colaboración.

El evento se enmarca dentro del proyecto MOVINN, enfocado en la movilidad inteligente y segura. B2B Matchmaking MOVINN busca fomentar la colaboración entre los actores del sector, avanzando en el despliegue de la movilidad conectada, cooperativa y automatizada (CCAM).

El evento B2B Matchmaking MOVINN está coordinado por ITENE, con el apoyo de CIDAUT, CTAG y de plataformas especializadas en movilidad autónoma y sostenible.

JORNADA B2B MATCHMAKING MOVINN: Rellenar formulario

RETO 1: Social Aware Safety

El reto se denomina «Integración de Datos de Redes Sociales para la Mejora de la Conciencia Situacional y la Seguridad Predictiva en Vehículos Autónomos» (o «Social-Aware Safety»).

Busca desarrollar y validar un módulo de procesamiento de datos externos que pueda recopilar, filtrar, analizar y estructurar en tiempo real información relevante de fuentes de redes sociales abiertas (ej. X, plataformas de incidentes ciudadanos, apps de navegación con reportes en vivo) para alimentar el algoritmo de toma de decisiones y seguridad del vehículo autónomo (VA).

El problema fundamental que se busca resolver es la limitación de los sensores a bordo (Lidar, cámara, radar) para anticipar eventos de seguridad que están fuera de su línea de visión inmediata o en el futuro cercano y que dependen del contexto socio-civil (ej. manifestaciones, accidentes recientes, cambios repentinos en la normativa de tráfico, eventos masivos).

RETO 2: Infrastructure Health Reporter

El reto se denomina «Detección y Mapeo Automatizado de Deficiencias en Infraestructura (DAMI)» o «Infrastructure Health Reporter.»

Busca desarrollar y validar un módulo de software de procesamiento de datos en el borde (Edge Computing) que utilice la información de los sensores de percepción estándar del vehículo autónomo (cámaras, Lidar, GPS) para identificar, clasificar y geolocalizar automáticamente las anomalías de la infraestructura de transporte, tales como:

1. Señalización Vertical Defectuosa: Señales caídas, vandalizadas, cubiertas o con deterioro significativo.
2. Señalización Horizontal (Marcas Viales): Marcas de carril borrosas, desgastadas o ausentes que comprometen la detección por parte del VA.
3. Condición del Pavimento: Presencia de baches, grietas importantes, desniveles peligrosos o tapas de alcantarilla hundidas.

El problema fundamental es la fragilidad del algoritmo de conducción autónoma ante la variabilidad e imperfección de las infraestructuras reales. Los VA se entrenan idealmente con datos de infraestructura perfecta. Cuando la realidad no coincide con el modelo (ej. la señal de Stop está girada o la línea de carril desaparece), la seguridad y la funcionalidad del VA se ven comprometidas.

RETO 3: Extreme Scenario Generator (ESG)

El reto se denomina «Generación Algorítmica y Simulación de Escenarios de Emergencia de Baja Frecuencia y Alto Impacto para la Validación de VA» o «Extreme Scenario Generator (ESG).»

Busca desarrollar una plataforma o metodología basada en Inteligencia Artificial (IA) y Modelado de Riesgos capaz de crear, simular y validar automáticamente la respuesta del software de conducción autónoma a eventos disruptivos y de borde (edge cases) que rara vez se encuentran en la vía pública, pero que poseen consecuencias catastróficas.

El foco está en eventos que involucran múltiples variables fuera de lo común y física compleja. El problema fundamental es la imposibilidad de validar la seguridad total del VA solo con pruebas en carretera o escenarios comunes. La seguridad de Nivel 4 y Nivel 5 de autonomía exige que el sistema sepa qué hacer incluso en las condiciones más improbables.