Un simple bordillo que se alza sobre el asfalto puede convertirse en un obstáculo infranqueable para los que recorren las calles desde una silla de ruedas. Jon Froehlich, profesor del Departamento de Informática de la Universidad de Maryland, reflexionó sobre la importancia de los rebajes en las aceras hace seis años, mientras estudiaba su posgrado. Siempre le ha obsesionado investigar cómo la tecnología podía tener valor social, pero ¿cómo podía ayudar con sus conocimientos a detectar las barreras arquitectónicas?
En aquel momento, el simpático muñeco amarillo de Google Street View se le vino a la cabeza. Si el servicio del gigante de Mountain View, que había nacido dos años atrás, comenzaba a ser testigo del estado de las vías públicas, quizá esa valiosa información sirviera para algo más que para navegar virtualmente por las calles. “Estaba fascinado con Google Street View y consideraba que era un enorme conjunto de datos infrautilizado pese a su potencial”, cuenta Froehlich a HojaDeRouter.com.
Años después de anotar mentalmente aquella idea, Froehlich ha podido llevarla a cabo junto a un grupo de estudiantes con los que trabaja en el Human-Computer Interaction Lab de la universidad. Con ellos ha creado Tohme, un sistema inteligente para identificar las aceras accesibles combinando los datos de Google Street View, técnicas de 'machine learning' y visión artificial'machine learning y la inestimable aportación de los seres humanos.
¿CÓMO VE UNA MÁQUINA LA ACCESIBILIDAD?
Tohme utiliza una herramienta para extraer las imágenes en las que aparecen intersecciones de calles en Google Street View. Mediante técnicas de visión artificial, el sistema trata de detectar automáticamente la presencia de esos rebajes.
Posteriormente, Tohme evalúa la calidad de ese trabajo de detección: si cree que la identificación por visión artificial ha sido un éxito, envía los datos a trabajadores humanos (han utilizado el servicio de 'crowdsourcing' Amazon Mechanical Turk), que simplemente tienen que verificarlos. En caso contrario, el sistema desecha ese trabajo y se lo manda directamente a los 'turkers' para que detecten y etiqueten la presencia o ausencia de rampas en las aceras.
Eso sí, por el momento no han conseguido que Tohme sepa distinguir por sí mismo dónde hay rebajes y dónde no los hay pero deberían construirse. “Mientras que los humanos tendemos a ser buenos haciendo este tipo de juicios, los ordenadores todavía no”, nos explican Froelich y Kotaro Hara, doctorando y coautor del estudio.
El etiquetado manual de las imágenes, un proceso que han tratado de simplificar al máximo, sigue siendo necesario para que Tohme funcione, si bien piensan seguir investigando cómo automatizar por completo el proceso.
Tras analizar más de mil imágenes de aceras en diferentes ciudades (Washington D.C., Baltimore, Los Ángeles y Saskatoon), han demostrado que el esfuerzo combinado de humanos y máquinas da muy buenos resultados: Tohme tiene una precisión del 86%, similar a la labor exclusivamente manual.
Ahora bien, ¿cómo puede beneficiar este método a los 30 millones de estadounidenses con problemas de movilidad a los que pretenden ayudar estos investigadores? Por el momento, ya han anunciado que han detectado obstáculos en las aceras e incluso errores en los datos públicos sobre el estado de las calles de Washington D.C.Washington D.C., por lo que creen que se podría estudiar si su sistema es más rápido, más barato y más sencillo que el de las autoridades, e incluso plantean que su técnica se combine con las tradicionales auditorías en persona.
“Nuestro método podría utilizarse como un mecanismo de clasificación. Podríamos rápidamente revisar las zonas en las que no hay muchos datos sobre accesibilidad ahora mismo”, apuntan estos investigadores. Basándose en esos datos, creen que las agencias gubernamentales podrán tomar mejores decisiones sobre las zonas menos accesibles que se han de mejorar.
UN GOOGLE MAPS NAVIGATION PARA PERSONAS CON MOVILIDAD
Kotaro Hara ha entrevistado a 18 personas con problemas de movilidad - que tienen que usar bastones para caminar, sillas de ruedas manuales o sillas de ruedas eléctricas - para que le contaran los problemas con los que solían encontrarse y conversar con ellos sobre el desarrollo de la propia herramienta y sus posibles usos.
Fruto de estas charlas, en el Human-Computer Interaction Lab ya están trabajando para desarrollar aplicaciones que utilicen un sistema de navegación accesible con los datos recogidos por Tohme, como un Google Navigation para las personas en sillas de ruedas. Este servicio de navegación podría ser una realidad más allá de las fronteras de Estados Unidos: al fin y al cabo, los coches de Google Street View han recorrido ya once millones de kilómetros en 65 países.
Además, quieren conseguir que el sistema no solo sea más eficiente, sino que pueda desarrollar otras tareas además de distinguir los rebajes de las aceras; por ejemplo, medir su anchura para evaluar si puede transitar una silla de ruedas por ella o identificar los edificios que disponen de entradas accesibles mediante rampas.
Hara y Froehlich también planean hacer públicos todos los datos que recopilen para todo aquel que quiera usarlos. Creen que es la mejor forma de que a la gente se le ocurran “ideas locas” con las que ayudar a los demás. De hecho, al propio Froehlich se le ocurrió, hace unos cuantos años, la sorprendente idea de combinar Google Street View, inteligencia artificial y la humana capacidad de distinguir obstáculos para poner su granito de arena a la accesibilidad de las ciudades.
---------------------
Las imágenes de este artículo son propiedad de Jon Froehlich