Crédito: dominio público Unsplash/CC0
Un equipo de investigadores ha desarrollado y probado con éxito una tecnología de carretera del mundo diseñada para prevenir colisiones de vehículos animales en Australia regional.
Se realizará el código que alimenta la tecnología AI disponible gratis en todo el mundo en Girub. Esto significa que los investigadores y los conservacionistas tendrán la capacidad de desarrollar modelos específicos de animales a nivel mundial.
Con el código ahora disponible públicamente, se podrían salvar muchas más especies en peligro de extinción, incluidos los pandas rojos en Nepal, los antecedentes gigantes en Brasil, los pangolines en el sudeste asiático y los leopardos de las nieves en Asia Central, todos enfrentan peligros al cruzar caminos que fragmentan sus hábitats naturales.
El estudiar fue un esfuerzo conjunto entre la Universidad de Sydney, QUT, y el Departamento de Transporte y las carreteras principales Queensland.
Investigadores del Centro Australiano de Robótica (Universidad de Sydney) y el Centro de Investigación de Accidentes y Seguridad Vial Queensland lideraron el proyecto. Durante 12 meses, desarrollaron y probaron un sistema llamado Laarma, el gran sistema de monitoreo y alerta de la carretera activada por animales.
Laarma es una unidad de carretera de bajo costo y a AI. Utiliza sensores para detectar animales cerca de las carreteras. Cuando ve uno, desencadena los signos de mensajes variables (VM) cercanos para advertir a los conductores.
El juicio de campo tuvo lugar en el extremo norte de Queensland, donde las colisiones de cassowary son comunes. El sistema detectó cassos con una precisión del 97% y registró más de 287 avistamientos. Las señales de advertencia funcionaron. Cuando se activaron, condujeron a reducciones notables en la velocidad del vehículo, reduciendo el riesgo de accidentes.
‘La tecnología no solo funciona, evoluciona’
El sistema Laarma incluye una mezcla de sensores montados en postes: cámaras RGB, imágenes térmicas y lidar. También presenta una IA autónoma que aprende y mejora con el tiempo, incluso sin datos etiquetados. Al final de la prueba, el sistema detectaba correctamente animales el 78.5% del tiempo dentro de los 100 metros.
Durante cinco meses, el equipo estableció postes de Laarma en el punto de acceso de Kuranda de Cassowary Wild Cassowary.
La IA mejoró rápidamente, que va desde la captura de solo el 4.2% de las aves a primera vista al 78.5% al final del juicio. Mientras tanto, las velocidades del conductor cayeron hasta 6.3 km/h cuando las señales parpadearon.
“El sistema se enseña a mejorar”, dijo el Dr. Kunming Li del Centro Australiano de Robótica de la Universidad de Sydney. “Es auto-supervisado. Cada vez que ve un casco, aprende algo nuevo al respecto”.
A diferencia de los sistemas más antiguos que necesitan ser reprogramados o entrenados por humanos, Laarma aprende por sí solo. Eso significa que cada vez que ve un casco, recuerda cómo se veía, ya sea en las sombras, detrás de los árboles o moviéndose rápido, y mejora para detectarlos en el futuro.
“No solo busca un partido”, explicó el Dr. Li. “Comienza a comprender cómo se ve un casco generalmente en diferentes situaciones, como al amanecer, bajo la lluvia o medio oculto por los arbustos. Eso lo hace más inteligente y más confiable cuanto más se usa”.
“Este es un gran paso hacia la protección autónoma de la vida silvestre”, agregó el Dr. Li. “Laarma es mucho más adaptable y escalable que los enfoques anteriores. Cuanto más se usa en el campo, más precisa se vuelve. La tecnología no solo funciona, evoluciona”.
Ciencia del comportamiento fusionada con IA
Para ir con la tecnología de detección de animales, los investigadores de QUT diseñaron y probaron cuidadosamente los mensajes de advertencia que se muestran en las señales de carretera.
Utilizaron un método bien conocido de la ciencia del comportamiento para asegurarse de que los mensajes funcionaran. El equipo probó diferentes mensajes con grupos focales, encuestó a más de 550 conductores en Australia, y realizó pruebas de simulador de conducción para ver qué mensajes fueron más efectivos para que las personas disminuyan la velocidad.
Una vez que se detecta un Cassowary, una señal digital especialmente diseñada se ilumina con una advertencia en tiempo real, alertando a los conductores para que disminuyan la velocidad y mantenga los ojos bien abiertos.
A diferencia de los letreros amarillos permanentes, los conductores pueden ignorar a primera vista, Laarma solo se ilumina cuando un casco está realmente allí, lo que lo atribuye un verdadero corte, según los investigadores.
La prueba de campo final demostró velocidades del vehículo reducidas hasta 6.3 km/h en la zona del evento cuando el mensaje estaba activo, en comparación con las condiciones de referencia.
Este cambio en el comportamiento del conductor es significativo. La reducción de la velocidad, incluso en unos pocos kilómetros por hora, puede mejorar sustancialmente los tiempos de reacción, las distancias de frenado y los resultados en caso de una colisión.
“Más allá del éxito tecnológico, los datos de comportamiento nos alentan particularmente, que muestra que las advertencias en tiempo real específicas del contexto cambian la forma en que las personas conducen”, dijo la profesora Ioni Lewis, co-líder del proyecto de QUT. “Eso es vital cuando los segundos pueden ser la diferencia entre una colisión cercana y fatal”.
El profesor Lewis también enfatizó el doble beneficio del sistema, protegiendo tanto animales en peligro de extinción como usuarios de la carretera. “Los cassoweres están en peligro. Pero también son grandes. Golpear uno a 100 km/h podría ser como conducir a una nevera. Se trata de salvar vidas, humanas y emplumadas”, dijo.
Según el Departamento de Transporte y las carreteras principales (TMR) han matado a 174 casassowarias desde 1996. Los expertos temen que el verdadero número sea mucho más alto, ya que muchas aves nunca se informaron y los conductores desconocen el daño que han causado.
“Cassowaries en o cerca de las carreteras es parte de la vida en el extremo norte de Queensland”, dijo Ross Hodgman, director regional de TMR, North Queensland.
“Estamos comprometidos a proteger esta especie de Keystone, no solo por el importante papel que planean en la salud de la selva tropical húmeda, sino para reducir los accidentes de un golpe directo o un conductor que gira para evitar un ave.
“Los resultados de esta investigación son muy prometedores. Tener un sistema de bajo costo que pueda implementarse en ubicaciones específicas donde hay un historial de colisiones de vehículos animales y poder mejorar la conciencia y la advertencia avanzada a los conductores proporcionarían una mejora de la seguridad vial”.
Gran ejemplo de innovación australiana
El director gerente de IMOVE CRC, Ian Christensen, dijo: “Este proyecto es un gran ejemplo de innovación aplicada. Ejemplifica el poder de combinar la detección de vanguardia y la tecnología de IA con ciencia conductual para ofrecer soluciones prácticas para desafíos del mundo real”.
Christensen dijo que hacer el código abierto del sistema Laarma a través de Github expande significativamente su potencial global. “Al hacer que el código abierto del sistema, el equipo haya facilitado a los gobiernos y grupos de conservación en todo el mundo adaptar la tecnología a sus propias necesidades de seguridad silvestre y de seguridad vial”.
La tecnología ya es capaz de ser entrenada para identificar múltiples especies.
Más información: Estudio: Grandes animales y automóviles australianos: seguridad para todos
Proporcionado por la Universidad de Sydney
Cita: los investigadores desarrollan la primera tecnología de AI Roadside World para prevenir colisiones de animales-vehículos (2025, 6 de agosto) recuperados el 6 de agosto de 2025 de https://techxplore.com/news/2025-08-world-ai-roadside-technology-animalvehicle.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
