O que falta para os carros realmente se dirigirem sozinhos?

Carros autonomos
Post atualizado em

Os carros autônomos são apontados como uma das maiores invenções do século. Contudo, por mais que sempre surjam novas notícias dando a impressão de que estamos quase lá e que eles já rodam em algum lugar, ainda não vemos grandes avanços no dia-a-dia. Resolvi explicar um pouco mais sobre o que está acontecendo.

O que estamos desenvolvendo?

São necessários três grandes desenvolvimentos para os veículos autônomos:

  • Percepção: Os veículos conseguem perceber o que está ao seu redor;
  • Predição: Os veículos conseguem prever como o que está ao seu redor (percepção) irá se alterar;
  • Modo de condução: Os veículos conseguem seguir um conjunto pré-estabelecido de regras para se locomover de maneira segura.

modo de condução é provavelmente o módulo mais comentado, mas na prática não é o maior problema que encontramos. Sebastian Thrun, fundador do projeto do Google para carros autônomos, estima que este problema representa apenas 10% do desafio.

Percepção

Nos projetos atuais, os veículos entendem o que está ao seu redor através de câmeras e radares, por exemplo, o LIDAR (um sensor que utiliza pulsos invisíveis de luz para criar um mapa 3D da região). As câmeras são baratas e, com a evolução dos algoritmos de IA, é possível compreender as sinalizações de tráfego, mas os algoritmos ainda tem dificuldade para medir distância e/ou velocidade. O LIDAR, por sua vez, consegue ter alta precisão, mas ainda é extremamente caro e tem dificuldades de lidar com alguns fatores, como por exemplo a neve ou a chuva. A estrutura para o LIDAR atualmente custa dezenas de milhares de dólares, o que torna veículos com a tecnologia bastante caros.

Atualmente, a maior parte das empresas que trabalham nos self-driving vehicles operam com um misto das três tecnologias – exceto a Tesla que acredita que a melhor solução envolve apenas o LIDAR. Há diversas startups trabalhando atualmente na redução do preço do LIDAR o que pode beneficiar muito a estratégia da Tesla.

Após receber as imagens, softwares embarcados utilizam técnicas de visão computacional para reconhecer o que aquelas imagens realmente querem dizer, matemática semelhante às que a Cobli está testando para ler fotos de bombas de combustível. Em ambos os casos, para o reconhecimento funcionar bem, é necessário um grande volume de dados catalogados para treinar os algoritmos de inteligência artificial por trás do sistema. Startups como a Mighty AI já contam com bancos de dados superior à 300.000 imagens. Como curiosidade, utilizam inclusive imagens de jogos e simuladores de alta fidelidade, como Grand Theft Auto (GTA), para treinar esses modelos.

Conforme mais e mais veículos dotados de sensores de alta precisão passam pelas mesmas situações e compartilham suas “experiências” o aprendizado vai ficando mais fácil e os resultados melhores. Isso é atualmente nomeado como aprendizado de frotas ou fleet learning.

Predição

Focando nos cenários sem neve, em que o LIDAR funciona melhor, ainda encontramos muitos problemas para o funcionamento 100% autônomo. Atualmente, sempre que o software encontra um problema em que não tem confiança na resposta, acontece o chamado “desengajamento”, onde a máquina passa a condução para um engenheiro de segurança.

Por mais que o desengajamento seja em uma certa medida um fracasso, é através dele que os sistemas aprendem novas situações e ficam cada vez mais robustos.

Possivelmente, mesmo após os veículos autônomos estarem em uso pelo grande público, ainda haverá necessidade de alguns desengajamentos e auxílio de motoristas humanos.

Os graus da evolução

Como a maior parte do desenvolvimento de softwares modernos, os veículos autônomos operam em fases e lançamentos incrementais. Em geral, são divididos em 5 fases:

  • Nível 1: Assistência básica ao condutor, “piloto automático” ou alertas de direção agressiva são exemplos que já vemos no dia- a-dia. Apenas os dados do veículo em si são analisados neste nível;
  • Nível 2: O veículo já tem habilidade para começar a reagir ao ambiente. Manter-se dentro da faixa é um dos melhores exemplos. Neste nível, é necessária total atenção de um motorista qualificado a todo momento;
  • Nível 3: Conhecido como “Assistência condicional”, é um nível em que em algumas situações o veículo já é capaz de se dirigir sozinho. A atenção do motorista ainda é crítica, mas em condições mais controladas o veículo possui grande autonomia;
  • Nível 4: Alta autonomia em cenários específicos. Neste nível os veículos serão capazes de operar normalmente em regiões e situações específicas de curvas, acelerações ou frenagens. Daqui em diante o motorista não precisará mais ficar em estado de total atenção. Google e Uber pretendem ir diretamente para este nível, pois acreditam que níveis com muita necessidade de supervisão são mais perigosos. Exemplo disso é o motorista do Tesla Model S, nível 2, que morreu após não conseguir reagir a tempo aos alertas de seu veículo e tomar controle.
  • Nível 5: Autonomia total. Este é o objetivo final. Aqui não é necessário um volante ou pedais. O veículo faz tudo sozinho. Sempre.

Expectativas do futuro

Os veículos autônomos terão um custo por quilômetro mais barato do que os atuais, o que claramente é uma das grandes forças que impulsionam o seu desenvolvimento. Estima-se que a segurança será muito maior, na casa de 1% dos acidentes do que os humanos geram. A Waymo, por exemplo, já dirigiu mais de 6 milhões de quilômetros e os únicos acidentes que ocorreram foram por culpa de motoristas em outros veículos.

Na prática, o custo por km é inferior a metade de um carro privado atualmente. Isso pode incentivar cidades a construírem regiões específicas feitas para viabilizar veículos autônomos. Como “trilhos” que facilitariam e aumentariam muito o uso de veículos com níveis de autonomias menores.

Consultorias como a BCG estimam que em 2035 cerca de 80% dos veículos já serão autônomos. Com isso, é estimado que apenas nos EUA haveria uma economia de 30 bilhões de horas por ano. Horas estas, que hoje são gastadas no trânsito, dirigindo, procurando vaga, procurando o carro…

Considerando a situação como um todo, tivemos muitos avanços na tecnologia. No entanto, ainda há um longo caminho para que os veículos funcionem sozinhos. No mais, qual será o impacto na legislação e na sociedade?

Acesse nosso site, descubra nossas soluções personalizadas e como a gente pode te ajudar!

Fontes

Este artigo foi baseado nos artigos da The Economist do dia 04 de Março. Mais informações e outras fontes abaixo:

https://www.economist.com/news/special-report/21737420-making-vehicles-drive-themselves-hard-getting-easier-autonomous-vehicle-technology?frsc=dg%7Ce

https://www.nytimes.com/interactive/2017/11/08/magazine/tech-design-autonomous-future-cars-100-percent-augmented-reality-policing.h

Monitoramento de Frota

Will self-driving cars reduce emissions—or actually increase them?


logo cobli icone 20 - O que falta para os carros realmente se dirigirem sozinhos?

Existimos para libertar a logística através da tecnologia, resolvendo questões reais e humanas. Somos uma startup que através de IoT conecta veículos à internet, combinando excelência em engenharia e ciência de dados.

Cobli

euquero@cobli.co || (11) 4810-2200

Este conteúdo foi útil?
Conte para nós se o conteúdo foi útil. Assim, podemos torná-lo cada vez melhor para você!
Sim0
Não0
Compartilhe esse conteúdo:

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *