Inteligencia Híbrida para la Comprensión Colectiva del Entorno en Vehículos Inteligentes

2026-2029

Inteligencia Híbrida para la Comprensión Colectiva del Entorno en Vehículos Inteligentes

El proyecto Inteligencia Híbrida para la Comprensión Colectiva del Entorno en Vehículos Inteligentes, con referencia PID2025-172023OB-C31, es una iniciativa estatal de investigación financiada por el Ministerio de Ciencia, Innovación y Universidades. Su ejecución está prevista entre los años 2026 y 2029 y cuenta con la participación de la Universidad Carlos III de Madrid, la Universidad Politécnica de Madrid y la Universidad Europea de Madrid. El proyecto está dirigido por José María Armingol y Araceli Sanchis de Miguel y reúne a un equipo de cinco investigadores especializados en inteligencia artificial, percepción del entorno y sistemas inteligentes de transporte.

El objetivo principal del proyecto es avanzar en el desarrollo de nuevas técnicas de inteligencia híbrida que permitan a los vehículos inteligentes comprender de forma más precisa, robusta y contextualizada el entorno en el que circulan. Para ello, se investigarán métodos capaces de combinar distintas fuentes de información, incluyendo datos procedentes de cámaras, sensores embarcados, infraestructuras conectadas y otros vehículos. Esta integración permitirá construir una representación colectiva del entorno, superando las limitaciones de los sistemas que analizan únicamente la información captada de manera individual por cada vehículo.

Desde el punto de vista técnico, el proyecto abordará el diseño de algoritmos avanzados de percepción, fusión de datos y razonamiento inteligente para detectar, identificar e interpretar los diferentes elementos presentes en los escenarios de circulación. La combinación de técnicas de inteligencia artificial, modelos basados en conocimiento y mecanismos de cooperación entre vehículos permitirá mejorar la identificación de peatones, vehículos, obstáculos, señales y situaciones potencialmente peligrosas. Asimismo, se prestará especial atención a la incertidumbre de los datos, la fiabilidad de las comunicaciones y la explicabilidad de las decisiones, aspectos fundamentales para garantizar la seguridad y la confianza en los sistemas de conducción inteligente