El radar ha sido una de las incorporaciones más importantes a los vehículos en las dos últimas décadas. Proporciona lujosos sistemas avanzados de asistencia al conductor (ADAS), como el control de crucero adaptativo (ACC), y funciones de seguridad críticas, como el frenado automático de emergencia y la detección de ángulos muertos. Ha pasado de ser un accesorio caro en los coches más lujosos a una presencia casi omnipresente en todos los precios.

El estudio realizado por IDTechEx en "Automotive Radar 2024-2044: Forecasts, Technologies, Applications" muestra que, de media, el 70% de los coches nuevos comercializados en 2022 tenían un radar frontal, mientras que el 30% tenían radares laterales. Sin embargo, con los sistemas ADAS cada vez más sofisticados y los sistemas autónomos de nivel 3 entrando en el mercado por primera vez, la tecnología de radar necesita mejorar para satisfacer las nuevas demandas de rendimiento que estos sistemas requieren. Por ello, el sector está viendo cómo las primeras generaciones de radares de "imagen 4D" llegan al mercado y se instalan en los vehículos. Teniendo esto en cuenta, IDTechEx analiza qué es un radar de imagen 4D, por qué es necesario y qué nuevas tecnologías están utilizando.

IDTechEx muestra las diferencias entre los radares de imágenes 3D, 4D y 4D. Fuente: IDTechEx

¿Qué es un radar de imágenes 4D?
En primer lugar, un radar 4D no es automáticamente un radar de formación de imágenes. A veces, ambas terminologías pueden parecer intercambiables; sin embargo, IDTechEx cree que es importante distinguir entre ambas. En el pasado, la mayoría de los radares se limitaban a tres dimensiones: acimut (ángulo horizontal), distancia y velocidad. Un radar 4D significa simplemente la incorporación de cierta capacidad de resolución en la dirección de elevación.

Un ejemplo clásico de la necesidad de esta cuarta dimensión es la detección de un coche aparcado a la entrada de un túnel. Un radar 3D devolverá los mismos resultados tanto si hay un coche en la entrada como si no. Normalmente, el vehículo supondrá que el gran reflejo es un túnel, y el sistema de control de crucero adaptativo seguirá funcionando. Este comportamiento es perfectamente aceptable si hay un humano al volante y puede anular el sistema ACC en consecuencia, pero se convierte en un problema para los vehículos que funcionan a nivel SAE 3 y superior, lo que se ha convertido en una realidad del mundo real en los últimos dos años.

En teoría, un radar 4D supera este problema. La incorporación de la resolución vertical significa que el radar debería ser capaz de separar el vehículo detenido a nivel del suelo del túnel a unos metros por encima de la cubierta. Sin embargo, si la resolución vertical es deficiente hasta el punto de que el túnel y el coche siguen presentes en el mismo "píxel", entonces la situación no ha mejorado. Aquí es donde entra en juego la distinción entre radar 4D y radar de formación de imágenes 4D. El radar de formación de imágenes debe tener una resolución angular suficiente para poder distinguir el túnel y el vehículo incluso a distancias muy largas. De hecho, IDTechEx cree que un radar de formación de imágenes debe tener resolución suficiente para distinguir obstáculos mucho más pequeños a grandes distancias, por ejemplo, una persona en la carretera a 100 metros. Pero, ¿qué resolución se necesita para ello? Suponiendo que la persona mida entre 1,5 y 1,8 metros, se necesitaría una resolución de aproximadamente 1˚ para separarla de la carretera. En este escenario, el sistema tendría tiempo suficiente para activar los frenos y detener el vehículo, evitando una colisión, incluso a velocidades de autopista.

Sin embargo, una cosa es poder detectar a la persona y otra clasificarla correctamente como tal sólo con los datos del radar. Por eso el radar suele ir acompañado de cámaras frontales para aplicaciones como el frenado automático de emergencia. Por la noche, en condiciones de niebla o lluvia intensa, es posible que la cámara tampoco sea capaz de ver. En estas situaciones, hay varias opciones: añadir al vehículo detección por infrarrojos de onda corta o larga, que proporciona una resolución similar a la de la cámara y es más robusta en condiciones de mala visibilidad, añadir LiDAR al vehículo, con capacidades de alcance similares a las del radar pero a un coste elevado, o mejorar aún más la resolución del radar.

Llegar a una resolución de 1˚ y más allá
El radar tiene un límite físico natural para su capacidad de resolución conocido como criterio de Rayleigh, que es proporcional a la inversa de la frecuencia multiplicada por el tamaño de la abertura (1/fd). En resumen, un radar de automóvil normal que funcione a 77 GHz y con un conjunto de antenas de 10 cm de ancho debería poder alcanzar una resolución de 2,8˚ . Por ejemplo, un ojo humano normal tiene una resolución de entre 0,005 y 0,01˚, suficiente para ver un objeto de 1 cm a 100 metros. Para mejorar la resolución del radar, podría aumentarse su frecuencia de funcionamiento; al fin y al cabo, los humanos utilizamos la luz visible, que está en los cientos de terahercios. Sin embargo, la frecuencia del radar está limitada por la normativa y no es algo que se pueda cambiar fácilmente.

La siguiente opción es aumentar el tamaño del diafragma. Aunque esto es técnicamente posible, en la práctica resulta complicado. Para pasar de 2,8˚ a 1˚, la apertura debe aumentar de 10 cm a 28 cm. Para conseguir esta resolución tanto en acimut como en elevación, el radar mide ahora 28 cm x 28 cm, lo que será difícil de integrar en el parachoques delantero. Es probable que cause problemas de flujo de aire al radiador, podría ser difícil protegerlo de daños y causará algún quebradero de cabeza a los equipos de estética de los fabricantes de equipos originales. IDTechEx ha visto radares cada vez más grandes, con ejemplos como el ARS540 de Continental, el FR5+ de Bosch y el Phoenix de Arbe, todos de más de 10 cm, pero el mayor de ellos, el Phoenix, sigue teniendo sólo 12,7 cm x 14,3 cm.

Otro problema a la hora de crear radares más grandes es llenarlos de canales. Crear un radar de 28 cm x 28 cm sin la tecnología de semiconductores de apoyo sería como construir un objetivo de cámara DSLR de 10.000 dólares y emparejarlo con un sensor de teléfono con cámara de 1 MP de 2001. En este caso, el análogo a los píxeles son los canales virtuales, que son el múltiplo de los canales de transmisión y recepción (Tx y Rx) de un radar. En el pasado, un radar 3D podía tener un canal de transmisión y tres de recepción (1Tx/3Rx). Un radar 4D básico probablemente utilizaría un transceptor de radar con una disposición de 3Tx/4Rx, mientras que algunos radares punteros combinan cuatro de estos chips para obtener una disposición de 12Tx/16Rx con 192 canales virtuales. Arbe ha desarrollado un conjunto de chips que se amplía a 48Tx/48Rx en un solo radar, lo que proporciona 2.304 canales virtuales. De este modo, Arbe consigue una resolución de 1˚ en acimut y 1,7˚ en elevación.

Una forma de superar las dificultades que plantea la construcción de un radar muy grande es distribuirlo de alguna manera. IDTechEx ha visto un par de enfoques al respecto. Uno de ellos, de Zendar, consiste en utilizar dos radares de menor potencia situados en extremos opuestos del parachoques y que funcionen juntos. Ahora bien, el tamaño de la abertura ha pasado de menos de 10 cm a 1,5-2 m. Así, la resolución de estos dos radares trabajando juntos es de poco más de 0,1˚ en el acimut. El otro enfoque que ha visto IDTechEx es construir placas de antena separadas para cada canal (en un radar 3Tx/4Rx) y colocarlas a lo largo del parachoques. Esta es la vía de desarrollo que están explorando Plastic Omnium y Greener Wave.

El software es otro aspecto clave de este debate, y casi todas las empresas mencionadas aquí utilizarán algún tipo de software de superresolución para mejorar sus prestaciones. Volviendo a la analogía de la cámara, las cámaras DSLR modernas vienen con potentes procesadores que pueden sacar el máximo partido de una imagen, mientras que las cámaras de los teléfonos modernos han tenido años de desarrollo de software para producir los resultados más nítidos y de aspecto más natural. En radar, hay algunos ejemplos de start-ups que crean algoritmos ejemplares para mejorar la resolución de los radares sin hacer ningún cambio físico. Zadar Labs utiliza tecnologías como el aprendizaje automático, la IA y señales de transmisión codificadas para mejorar el rendimiento de los radares. Spartan, por su parte, utiliza un algoritmo basado en la investigación para aplicaciones de cazas F-18 y F-35. El software de superresolución puede multiplicar por 4 la resolución angular, reduciendo un radar estándar de 2,8˚ de resolución angular a 0,5-1˚, e incluso menos si ya emplea alguna de las otras técnicas comentadas aquí.

La exploración es otra opción prometedora para el radar. La antena metamaterial de Metawave utiliza tecnologías de formación y dirección de haces para concentrar las prestaciones del radar en un fino abanico. A continuación, este abanico se escanea a través del campo de visión de elevación deseado, proporcionando un rendimiento de resolución mejorado tanto en elevación como en azimut. La otra ventaja de esta tecnología es que la energía de emisión se distribuye sobre un área mucho más pequeña que la de un enfoque de tipo flash, lo que significa que puede alcanzar mayores alcances que un equivalente sin barrido.

Con todas estas opciones para construir la próxima generación de radares, ¿cómo saber cuál es la mejor? El informe de IDTechEx "Automotive Radar 2024-2044: Forecasts, Technologies, Applications" (Radares de automoción 2024-2044: previsiones, tecnologías y aplicaciones) entra en más detalles sobre cómo funcionan estas tecnologías y mejoran el rendimiento de los radares. El informe también presenta un análisis comparativo para comparar estas tecnologías entre sí en relación con indicadores de rendimiento clave como la resolución angular, el alcance, el campo de visión y la frecuencia de imagen, identificando qué tecnología produce el mejor paquete global, con algunos resultados inesperados.

Autor: Dr James Jeffs, Senior Technology Analyst at IDTechEx