{"id":19548,"date":"2026-09-26T13:16:18","date_gmt":"2026-09-26T16:16:18","guid":{"rendered":"http:\/\/laf5.publisher.highstack.com.ar\/?p=19548"},"modified":"2026-09-26T13:16:18","modified_gmt":"2026-09-26T16:16:18","slug":"el-calor-puede-cegar-las-camaras-termicas-de-los-coches-autonomos-y-hacer-desaparecer-a-un-peaton","status":"publish","type":"post","link":"https:\/\/laf5.publisher.highstack.com.ar\/?p=19548","title":{"rendered":"El calor puede \u201ccegar\u201d las c\u00e1maras t\u00e9rmicas de los coches aut\u00f3nomos y hacer desaparecer a un peat\u00f3n"},"content":{"rendered":"
\n

Las c\u00e1maras t\u00e9rmicas ofrecen una ventaja evidente cuando un veh\u00edculo circula de noche. All\u00ed donde una c\u00e1mara convencional apenas distingue formas, el calor corporal puede hacer que un peat\u00f3n destaque claramente frente al entorno.<\/p>\n

Sin embargo, esa misma dependencia de la temperatura introduce una vulnerabilidad inesperada. Investigadores de la Universidad de Florida, junto con colaboradores de la Universidad de California en Irvine, Toyota y la Universidad de Electrocomunicaciones de Jap\u00f3n, demostraron que el calor puede alterar la percepci\u00f3n de estos sensores sin necesidad de acceder a su software.<\/p>\n

El sensor no ve personas, sino radiaci\u00f3n infrarroja<\/h2>\n

Una c\u00e1mara t\u00e9rmica no identifica directamente un peat\u00f3n. Primero registra radiaci\u00f3n infrarroja y despu\u00e9s transforma esas mediciones mediante diferentes procesos hasta construir una imagen que un algoritmo pueda interpretar.<\/p>\n

El estudio identific\u00f3 tres puntos vulnerables dentro de esa cadena.<\/p>\n

El primero afecta a la ecualizaci\u00f3n de la imagen. Una fuente de calor intensa puede alterar el rango de temperaturas y reducir el contraste hasta hacer que una persona deje de destacar respecto del fondo.<\/p>\n

El segundo aparece durante la calibraci\u00f3n del sensor. En determinadas condiciones pueden generarse patrones que posteriormente son interpretados por el detector como objetos que realmente no existen.<\/p>\n

El tercero est\u00e1 relacionado con la \u00f3ptica y la captura de la imagen. Reflejos y otros artefactos pueden producir im\u00e1genes fantasma que permanecen durante varios minutos incluso despu\u00e9s de retirar la fuente t\u00e9rmica.<\/p>\n

\"El
\u00a9 NDSS Symposium \u2013 Youtube.<\/figcaption><\/figure>\n

No hace falta hackear el coche<\/h2>\n

El trabajo diferencia claramente entre un ataque inform\u00e1tico tradicional y una alteraci\u00f3n f\u00edsica de la percepci\u00f3n.<\/p>\n

Una superficie caliente, maquinaria industrial, reflejos o cambios bruscos de temperatura podr\u00edan provocar fallos accidentalmente. Tambi\u00e9n ser\u00eda posible manipular deliberadamente una escena mediante una fuente t\u00e9rmica.<\/p>\n

En ninguno de esos dos casos ser\u00eda necesario penetrar en el sistema inform\u00e1tico del veh\u00edculo. El problema ocurre fuera del coche, modificando aquello que el sensor observa.<\/p>\n

En algunas pruebas, los peatones desaparecieron por completo<\/h2>\n

Los investigadores evaluaron tres c\u00e1maras t\u00e9rmicas, tres detectores de objetos y dos sistemas que combinaban im\u00e1genes visibles y t\u00e9rmicas.<\/p>\n

Las alteraciones redujeron hasta un 50\u00a0% la precisi\u00f3n media en la detecci\u00f3n de peatones. Incluso los modelos que fusionaban c\u00e1maras convencionales y t\u00e9rmicas registraron ca\u00eddas de hasta el 45\u00a0%.<\/p>\n

En determinados experimentos realizados a velocidades de hasta 40 km\/h, los sistemas dejaron de reconocer al peat\u00f3n en el 100\u00a0% de los casos, mientras que las fuentes t\u00e9rmicas consiguieron generar obst\u00e1culos falsos con una tasa m\u00e1xima del 91\u00a0%.<\/p>\n

Estas cifras corresponden a escenarios experimentales concretos y no significan que cualquier coche aut\u00f3nomo vaya a fallar de esa manera. El resultado importante es otro: disponer de varios sensores no garantiza seguridad si todos sus datos se combinan sin comprobar primero cu\u00e1l de ellos est\u00e1 ofreciendo informaci\u00f3n fiable.<\/p>\n

\"El
\u00a9 NDSS Symposium \u2013 Youtube.<\/figcaption><\/figure>\n

La soluci\u00f3n puede estar en ense\u00f1ar al veh\u00edculo a desconfiar<\/h2>\n

Los autores desarrollaron t\u00e9cnicas capaces de identificar y eliminar algunos artefactos t\u00e9rmicos en tiempo real, pero el estudio apunta hacia una defensa m\u00e1s amplia.<\/p>\n

Una posibilidad consiste en combinar c\u00e1maras con sensores basados en principios f\u00edsicos diferentes, como radar y lidar. Si la c\u00e1mara t\u00e9rmica detecta un obst\u00e1culo que los dem\u00e1s sensores no encuentran, el sistema deber\u00eda reducir la confianza depositada en esa informaci\u00f3n.<\/p>\n

Tambi\u00e9n ser\u00eda necesario evaluar c\u00f3mo evolucionan los errores a lo largo del tiempo, especialmente cuando una imagen fantasma contin\u00faa apareciendo despu\u00e9s de que su causa haya desaparecido.<\/p>\n

Y cuando diferentes sensores ofrecen versiones incompatibles de lo que ocurre, el veh\u00edculo deber\u00eda reconocer esa incertidumbre y responder de manera conservadora: reducir la velocidad, frenar o entrar en una condici\u00f3n segura.<\/p>\n

La principal lecci\u00f3n del estudio va m\u00e1s all\u00e1 de las c\u00e1maras t\u00e9rmicas. La seguridad de los sistemas aut\u00f3nomos no depender\u00e1 \u00fanicamente de ver mejor, sino tambi\u00e9n de saber reconocer cu\u00e1ndo uno de sus propios sensores ha dejado de ser confiable.<\/p>\n

Fuente: Muy Interesante.<\/p>\n<\/p><\/div>\n","protected":false},"excerpt":{"rendered":"

Las c\u00e1maras t\u00e9rmicas ofrecen una ventaja evidente cuando un veh\u00edculo circula de noche. All\u00ed donde una c\u00e1mara convencional apenas distingue formas, el calor corporal puede hacer que un peat\u00f3n destaque claramente frente al entorno. Sin embargo, esa misma dependencia de la temperatura introduce una vulnerabilidad inesperada. Investigadores de la Universidad de Florida, junto con colaboradores […]<\/p>\n","protected":false},"author":1,"featured_media":19549,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-19548","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-sin-categoria"],"_links":{"self":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts\/19548","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=19548"}],"version-history":[{"count":0,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/posts\/19548\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=\/wp\/v2\/media\/19549"}],"wp:attachment":[{"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=19548"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=19548"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/laf5.publisher.highstack.com.ar\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=19548"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}