Engenharia 360

Veículos autônomos podem incorporar raciocínio semelhante ao humano em breve

Engenharia 360
por Kamila Jessie
| 21/06/2019 | Atualizado em 15/06/2022 3 min

Veículos autônomos podem incorporar raciocínio semelhante ao humano em breve

por Kamila Jessie | 21/06/2019 | Atualizado em 15/06/2022
Engenharia 360

Com o objetivo de trazer um pouco mais do raciocínio humano aos veículos autônomos, pesquisadores criaram um sistema que usa apenas mapas simples e dados visuais para permitir que carros sem motoristas naveguem por rotas novas e ambientes complexos.

raciocínio
Imagem: news.mit.edu

Dificuldades para veículos autônomos

Motoristas humanos, ou pelo menos alguns, são bons em
percorrer estradas que não conhecem. Não estamos falando aqui de habilidades
com direção, mas de usar ferramentas simples relacionadas a observação. Nós
simplesmente combinamos o que vemos ao nosso redor com o que vemos em nossos
dispositivos GPS, por exemplo, para determinar onde estamos e para onde
precisamos ir. São decisões rápidas.

PUBLICIDADE

CONTINUE LENDO ABAIXO

veículos autônomos
Imagem: i.ytimg.com

Veículos sem motorista, no entanto, lutam com esse
raciocínio básico. Em cada nova área a ser explorada, os carros autônomos
precisam inicialmente mapear e analisar todas as novas estradas, o que é demorado.
Os sistemas também contam com mapas complexos - geralmente gerados por
varreduras tridimensionais - que são computacionalmente intensivos para gerar e
processar tudo dinamicamente.

Incorporação de raciocínio parecido com o humano

Nesse cenário de dificuldade, pesquisadores do MIT descrevem
um sistema de controle autônomo que "aprende" os padrões de direção
de motoristas humanos enquanto eles navegam em uma pequena área, usando apenas
dados de câmeras de vídeo e mapa simples semelhante ao GPS. Então, o sistema treinado
pode controlar um veículo autônomo ao longo de uma rota planejada em uma área
nova, imitando o motorista humano.

Da mesma forma que os motoristas humanos, o sistema também
detecta qualquer incompatibilidade entre o mapa e os recursos da estrada. Isso
ajuda o sistema a determinar se sua posição, sensores ou mapeamento estão
incorretos, para corrigir o percurso do carro.

Como o sistema foi desenvolvido?

O sistema implementado usa um modelo de machine learning chamado de rede neural convolucional (CNN). Esse tipo de modelo é comumente empregado para o reconhecimento de padrões de imagem. Durante o treinamento, o sistema observa e aprende como dirigir como um motorista humano.

PUBLICIDADE

CONTINUE LENDO ABAIXO

raciocínio humano
Imagem: arstechnica.net

A rede neural correlaciona as rotações do volante às curvas da estrada observada por câmeras e de um mapa inserido. Eventualmente, o sistema do veículo autônomo aprende o comando de direção provável do raciocínio humano para várias situações de condução, como estradas retas, cruzamentos de quatro vias, rotatórias, dentre outros.

Outra coisa importante é que os mapas utilizados são mais
fáceis de armazenar e processar, o que antes constituía também um problema para
esta tomada de decisão dos sistemas.

A equipe de pesquisadores disponibilizou um vídeo (em inglês) com os testes realizados:

E aí, você confia mais ou menos em um veículo autônomo que raciocina feito você?

PUBLICIDADE

CONTINUE LENDO ABAIXO


Fontes: Science daily. MIT News.

Comentários

Engenharia 360

Kamila Jessie

Doutora em Hidráulica e Saneamento pela Universidade de São Paulo (EESC/USP) e Mestre em Ciências pela mesma instituição; é formada em Engenharia Ambiental e Sanitária pelo Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG) com período sanduíche na University of Ottawa, no Canadá; possui experiência em tratamentos físico-químicos de água e efluentes; atualmente, integra o Centro de Pesquisa em Óptica e Fotônica (CePOF) do Instituto de Física de São Carlos (USP), onde realiza estágio pós-doutoral no Biophotonics Lab.

LEIA O PRÓXIMO ARTIGO

Continue lendo