Inteligência artificial
IA ao Volante: Como a Inteligência Artificial está Impulsionando a Evolução dos Veículos Autônomos
Adicione Securities.io às suas fontes preferidas no Google
Enquanto há cerca de 200 anos, veículos de alta qualidade com recursos únicos eram inimagináveis para uma pessoa comum, percorremos um longo caminho desde então, com veículos elétricos e híbridos se tornando parte diária de nossas vidas.
Hoje, os veículos autônomos (VAs) estão liderando a inovação automotiva que entrou no mainstream com muito espetáculo e expectativas. Mas o que são, e como estão mudando a face dos veículos? Vamos ver!
Um Olhar sobre a Automação nos Automóveis
Veículos autônomos (VA) são o tipo de veículos que utilizam tecnologia para substituir parcial ou totalmente o motorista humano e conduzir-se até um destino pré-determinado no modo “piloto automático”. Ao mesmo tempo, esses VAs respondem às condições de tráfego, evitam perigos na estrada e proporcionam mais segurança.
Diferentes tipos de tecnologias usadas por esses veículos incluem sensores, lasers, radar, controle de cruzeiro adaptativo, direção ativa, sistemas de freios anti-travamento e tecnologia de navegação GPS.
De acordo com a Society of Automotive Engineers (SAE), existem seis níveis de veículos autônomos baseados na intervenção humana. Essa classificação, também utilizada pela National Highway Traffic Safety Administration (NHTSA) dos EUA, é a seguinte:
Nível 0: O veículo não tem controle sobre sua operação, cabendo ao motorista humano fazer toda a condução.Nível 1: O sistema avançado de assistência ao motorista (ADAS) do veículo oferece a capacidade de apoiar o motorista com direção e frenagem.Nível 2: O ADAS do veículo supervisiona aceleração e frenagem em algumas condições, embora o motorista humano seja obrigado a executar tarefas necessárias e prestar atenção completa ao ambiente durante toda a viagem.Nível 3: O ADAS do veículo pode executar todas as partes da tarefa de condução em algumas condições, mas quando necessário, o motorista humano deve assumir o controle. Este nível de autonomia é atualmente alcançado por VAs.Nível 4: O sistema avançado de assistência ao motorista do veículo pode realizar todas as tarefas sem precisar de atenção ou assistência humana em determinadas condições.Nível 5: O ADAS do veículo pode fazer absolutamente todas as tarefas relacionadas à condução e em todas as condições sem necessidade de assistência de condução do motorista humano. Nesta fase, a automação total é alcançada.
Veículos autônomos oferecem o benefício de conveniência e melhoria na qualidade de vida. Além disso, pessoas com deficiência física e idosos podem ganhar independência. Há também o potencial de reduzir congestionamentos, cortar custos de transporte, liberar vagas de estacionamento e diminuir drasticamente as emissões de CO2.
No entanto, apesar de todo o alvoroço em torno dos veículos autônomos, eles ainda não alcançaram o sucesso que se esperava. Então, qual é o problema aqui?
Desafios que Enfrentam os Veículos Autônomos
Veículos autônomos ou sem motorista atraíram bilhões de dólares em investimentos nos últimos anos, mas houve muitos retrocessos nos lançamentos de VAs, bem como atrasos na adoção pelos clientes. Então, vamos analisar alguns dos desafios mais proeminentes que esses veículos enfrentam.
Ambiente de Condução Complexo
Os sistemas usados pelos VAs para rastrear sinais de trânsito, semáforos e o movimento de objetos na estrada não são infalíveis. Eles especialmente falham em compreender cenários do mundo real.
Por exemplo, se um bando de pássaros está pousado na estrada, motoristas humanos entendem que os pássaros voarão ao avançar o veículo, mas os VAs podem parar desnecessariamente ou frear bruscamente. Os VAs também não detectam interações sociais complexas, como o movimento de mão ou contato visual de outro motorista, sinalizando que você pode prosseguir.
Além disso, os VAs, até o momento, não conseguem se comportar com segurança quando não há sinais de trânsito na estrada. Isso significa que os VAs ainda não podem operar com máxima precisão em qualquer local em diferentes países.
Se um passageiro deseja visitar um local que não está incluído no sistema de mapas, ele pode encontrar grande dificuldade, pois os VAs podem ficar desorientados. Isso exige a necessidade de mapas de rotas tridimensionais (3D) complexos para guiar o veículo, o que é um processo demorado se quiser alcançar cobertura e precisão.
Mau Tempo
Um grande desafio para os VAs é o mau tempo. Esses veículos utilizam uma ampla gama de sensores: câmeras para visualizar e identificar o objeto, laser para rastrear a distância dele, e radar para medir a velocidade do objeto e a direção de seu movimento.
Depois que os dados são capturados, o sistema toma uma decisão, mas neve, neblina ou chuva forte dificultam o funcionamento correto dos sensores. Assim, condições climáticas adversas impactam negativamente a precisão da capacidade de detecção dos VAs, o que pode comprometer a segurança do usuário. Além disso, há problemas de precipitação intensa e substâncias como água, óleo, gelo ou detritos que obscurecem as marcações de faixa.
Custo
Outro grande problema dos VAs é o custo; sensores usados por esses veículos, como Lidar e radar, são caros. Além disso, o Lidar ainda tenta encontrar o equilíbrio certo entre alcance e resolução. Isso levanta a questão: se vários VAs estiverem circulando na mesma estrada, seus sinais de lidar interferem entre si?
Responsabilidade
Outra grande questão dos VAs é a responsabilidade em acidentes; quem é responsável pelos acidentes causados pelos VAs? Isso será ainda mais significativo em relação aos VAs de nível totalmente autônomo que não terão volante para que um humano assuma o controle do veículo em uma emergência. Além disso, há o seguro, que é outra área nebulosa para esses veículos.
Leis e Regulamentações
Apesar de os VAs terem entrado no mainstream, as leis e regulamentações que os cercam ainda são escassas. Recentemente, o processo regulatório para VAs nos EUA mudou de diretrizes federais para mandatos estaduais.
Para impedir o surgimento de “carros zumbis”, alguns estados até propuseram um imposto por milha sobre eles. Legisladores também redigiram projetos de lei propondo que todos os VAs devem ter um botão de pânico instalado.
Cibersegurança
Dado o sistema de transporte altamente conectado e o lançamento do 5G, a privacidade de dados e a cibersegurança são outros problemas desses veículos. Por exemplo, em 2015, a Fiat Chrysler retirou 1,4 milhão de seus veículos para corrigir falhas, pois poderiam ser hackeados e controlados remotamente. Os VAs precisam garantir que não apenas não infringem a privacidade de dados do consumidor, mas também protegem os dados contra hackers.
Infraestrutura
Para colocar os VAs nas ruas, são necessários investimentos massivos em infraestrutura. Os VAs frequentemente precisam de marcações de faixa claras, locais para armazenar os dados e uma rede de carregamento mais robusta. Isso impactará o orçamento da cidade. Portanto, é necessário diálogo para investimentos públicos, bem como engajamento da comunidade e da indústria para expandir a infraestrutura existente.
IA Abrindo o Caminho para os Veículos Autônomos
Diante de todos esses desafios, inteligência artificial (IA) está assumindo o controle e abrindo o caminho para os veículos autônomos.
O fato é que a indústria automotiva tem avançado rapidamente nos últimos anos com o advento de novas tecnologias. A IA é uma dessas tecnologias que ajuda a indústria automotiva a se transformar. Essencialmente, a IA trata de tornar as máquinas mais inteligentes. Ela envolve a simulação da inteligência humana em máquinas para que elas pensem e ajam como nós, humanos.
A IA permite que os veículos reconheçam objetos, prevejam o que pode acontecer a seguir, até mesmo reajam a situações inesperadas, e sejam melhores que motoristas humanos ao dirigir em situações de tráfego complexo. De acordo com a Statista, o mercado global de IA automotiva deve alcançar um tamanho de mercado de US$ 74,5 bilhões.
De acordo com o estudo da NHTSA, erros humanos como visão e audição comprometidas causam cerca de 93% dos acidentes de trânsito. Utilizar IA em VAs na forma de sensores e algoritmos pode permitir meios de transporte mais seguros e protegidos, o que pode reduzir significativamente as vítimas causadas por erros humanos. A capacidade da IA de aprender o ambiente e então se adaptar torna a tecnologia mais proficiente em lidar com estradas e situações complexas.
IA está sendo usada em VAs de várias maneiras:
- A tecnologia pode ajudar os VAs a prever o comportamento de outros motoristas e pedestres, equipando o veículo com a capacidade de utilizar análises, prever problemas e evitá-los.
- Ao usar aprendizado de máquina, onde um modelo é treinado em conjuntos de dados rotulados para mapear corretamente entradas a saídas, as IAs podem ajudar os VAs no reconhecimento e modelagem de objetos. Enquanto isso, um modelo treinado em conjuntos de dados não rotulados pode auxiliar os VAs na detecção de anomalias, compreensão de situações complexas e extração de características.
- Os VAs dependem de sensores como câmeras, Lidar, radar e sensores ultrassônicos para obter informações sobre seu entorno. Aqui, algoritmos de IA podem analisar esses dados para gerar mapas detalhados, permitindo que os VAs tomem decisões informadas.
- Ao aproveitar o Processamento de Linguagem Natural (PLN), os VAs podem usar reconhecimento de voz para interagir com os passageiros. Dessa forma, a IA pode ajudar os veículos a entender perguntas humanas e responder efetivamente.
- Ao possibilitar decisões instantâneas baseadas em dados de sensores em tempo real, a IA ajuda os VAs a decidir se a melhor resposta é desacelerar ou parar. Dessa forma, a IA auxilia os VAs em situações perigosas onde os humanos tendem a cometer erros. A tecnologia faz isso analisando fluxos de dados de seus sensores. Ela realmente tem desempenho muito melhor na detecção de tráfego cruzado, monitoramento ativo de pontos cegos, sincronização com semáforos e controle de emergência do veículo.
No geral, a IA em VAs pode ajudar a coletar dados em tempo real, detectar e identificar objetos, otimizar trajetórias, navegar em condições de estrada e prever falhas. Todos esses casos de uso da IA ajudam os veículos autônomos a alcançar redução de tráfego, economia de energia acelerada, melhor acessibilidade, maior eficiência e aumento da segurança.
Já, a tecnologia está sendo usada por montadoras em todo o mundo. Por exemplo, o Autopilot da Tesla (TSLA ) percorridos mais de 3 bilhões de milhas neste modo em quase uma década. O Tesla de Elon Musk utiliza algoritmos de IA sofisticados para controle preciso.
Waymo é outra que usa um sistema de condução autônoma baseado em IA para planejamento de rotas complexas e reações inteligentes ao seu ambiente. A empresa testou seus veículos dirigindo dezenas de bilhões de milhas em simulação.
O assistente digital da Daimler, o SUV Audi R10 e-tron e o sistema de condução autônoma EQR4 da Mercedes-Benz são alguns outros exemplos. Outros grandes contribuintes da IA em VAs incluem BMW, GM, Nissan, Uber, Volvo, Bosch, Mobileye, Valeo, Continental, Velodyne, Nvidia (NVDA ) e Ford.
Principais Avanços de IA no Espaço dos Veículos Autônomos
2023 foi um grande ano para avanços em IA, que impactaram tudo, desde arte, finanças, saúde e educação até mudanças climáticas, pesquisa, financiamento e VAs. Então, vamos analisar alguns dos avanços de IA mais importantes de 2023 no espaço dos veículos autônomos.
Mais recentemente, pesquisadores da Incheon National University (INU) da Coreia desenvolveram um novo sistema de detecção de objetos 3D de ponta a ponta, que é baseado em deep learning e habilitado para Internet das Coisas. Esse sistema oferece aos VAs capacidades de detecção aprimoradas, mesmo em condições desfavoráveis.
Abordando a dificuldade de sensores como câmeras, lidars e radares serem vulneráveis a obstruções, clima e estradas desorganizadas, este estudo adaptou o algoritmo YOLOv3 (You Only Look Once) para identificar objetos 3D incorporando IoT, pois permite que objetos troquem dados e se comuniquem pela internet.
O sistema proposto foi projetado para processar imagens RGB e dados de nuvem de pontos como entradas. Ele então gera caixas delimitadoras que são classificadas e rotuladas para identificar obstáculos. Esse sistema é hábil em detectar uma variedade diversificada de itens e capaz de lidar com variações tanto de escala quanto de rotação.
O estudo testou o sistema usando o conjunto de dados Lyft e constatou que ele demonstrou maior precisão e menor latência. Segundo a equipe, a versatilidade do sistema proposto vai além dos veículos autônomos, encontrando aplicações potenciais em vigilância, robótica e jogos.
Outro projeto, Helm.ai, fez um avanço em IA que prevê a intenção do motorista e planeja trajetos ótimos. A empresa que cria software de IA para automação de robôs e veículos anunciou que isso permitirá à Helm.ai implantações escaláveis de L2/L3 e L4.
Os modelos de base baseados em DNN da empresa são treinados usando sua tecnologia proprietária, Deep Teaching, que utiliza dados reais de condução para ambientes de condução complexos.
Agora, seu modelo também analisa veículos e pedestres ao redor para prever com precisão suas ações prováveis em diversas situações urbanas e, com base nisso, gerar o caminho mais eficiente e seguro para os VAs. A plataforma da empresa funciona com diferentes configurações de hardware de forma fluida e permite treinamento e validação eficientes.
“Nossa plataforma de software aborda os desafios críticos de percepção em ambientes urbanos, abrindo caminho para o desenvolvimento escalável e validação de previsão de intenção e planejamento de trajeto impulsionados por IA.”
– Vladislav Voroninski, CEO da Helm.ai
Este ano, o pioneiro de veículos elétricos Tesla também fez avanços em seu software Full Self-Driving (FSD). Sua versão mais recente, 12 (v12), permite que a empresa dê mais um passo em direção à autonomia de Nível 4 ou Nível 5 com seus carros.
Em agosto, Musk demonstrou o FSD v12 dirigindo o veículo autonomamente e realizando tarefas como estacionamento paralelo, obedecendo semáforos e navegando em rotatórias. O que diferencia esta versão das anteriores é a forte dependência do FSD v12 em redes neurais de auto-treinamento impulsionadas por IA.
O que isso significa é que, em vez de exigir programadores humanos para codificar respostas para diferentes cenários de condução, a IA analisará toneladas de dados coletados dos veículos da Tesla e então escolherá a resposta mais apropriada.
Esse desenvolvimento leva a Tesla um passo mais próximo de alcançar seu amplo objetivo de um negócio de robotáxi, que, segundo a Ark Invest, mesmo em um cenário pessimista, gera US$ 200 bilhões (mais de US$ 600 bilhões conforme sua projeção mais otimista) em receita anual.
No início deste ano, outro avanço chegou aos VAs na forma de um sistema de imagem por câmera, HADAR, ou ‘detecção e alcance assistidos por calor’. Pesquisadores da Michigan State University e da Purdue University utilizaram IA para desenvolver o HADAR, que interpreta assinaturas de calor para fornecer imagens detalhadas e nítidas, atravessando a desordem óptica.
O modelo de IA deles aproveitou algoritmos de aprendizado de máquina que coletam dados de câmeras infravermelhas comerciais para reconhecer as propriedades físicas dos objetos e seu entorno, permitindo que o HADAR reconstrua cenas noturnas claras.
Considerando que o sistema pode detectar padrões de radiação térmica, formação de materiais e temperatura com grande sucesso, ele tem vasto potencial, incluindo triagens de segurança pública sem contato e até superar o medo do escuro. No entanto, o HADAR enfrenta desafios em termos de custo de equipamento e necessidade de calibração em tempo real.
A Ford Motor Company (F ) também criou uma subsidiária integral chamada Latitude AI para desenvolver um sistema de condução automatizada sem as mãos e sem olhar para a estrada. O gigante automobilístico já acumulou mais de 50 milhões de milhas de condução sem as mãos em seu Ford BlueCruise.
Agora, com a Latitude, a ideia é automatizar a condução em momentos tediosos, estressantes e desagradáveis, como longos trechos de rodovia ou tráfego engarrafado. Falando sobre condução automatizada, o diretor de tecnologia da Ford, Doug Field, disse:
“Vemos a tecnologia de condução automatizada como uma oportunidade de redefinir a relação entre as pessoas e seus veículos.”
Considerações Finais
Portanto, como vimos, dependendo do nível de ajuda humana necessário, os veículos autônomos se enquadram em diferentes categorias, a saber: automação para assistência ao motorista, condução parcialmente automatizada, condução altamente automatizada, condução totalmente automatizada e veículo completamente automatizado. Com o advento da IA, a possibilidade de os VAs finalmente alcançarem seus estágios finais está mais próxima do que nunca.
O futuro do mercado de IA na indústria automotiva é claramente promissor. Ele estava em mais de US$ 6 bilhões em 2022 e projeta-se que cresça a um CAGR de 55% até 2032.
Avanços em algoritmos de IA, como tecnologias de sensores, poder de computação e soluções de manutenção preditiva, ajudarão ainda mais os veículos autônomos a enfrentar seus desafios e alcançar adoção em massa!
Clique aqui para aprender tudo sobre investir em inteligência artificial.
