Engenharia 360

ESCOLHA A ENGENHARIA
DO SEU INTERESSE

Digite sua Busca

Veículos autônomos podem incorporar raciocínio semelhante ao humano em breve

por Kamila Jessie | 21/06/2019
Copiado!

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.

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 (e aqui a gente acredita que foram utilizados modelos exemplares de direção!).

raciocínio humano
Imagem: arstechnica.net

A rede neural correlaciona as rotações do volante às curvas da estrada que é observada por meio de câmeras e de um mapa inserido. Eventualmente, o sistema do veículo autônomo aprende o comando de direção mais 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?

Fonte: Science daily. MIT News.

Copiado!
Engenharia 360

Kamila Jessie

Engenheira ambiental e sanitarista, MSc. e atualmente doutoranda em Engenharia Hidráulica e Saneamento pela Universidade de São Paulo. http://orcid.org/0000-0002-6881-4217

Comentários