Fomentando a Confiança em Soluções de Condução Automatizada com TimelyTale

Há mais de um século, a invenção dos automóveis revolucionou a vida das pessoas, e o setor agora se prepara para seu próximo grande salto, que é a condução autônoma. No mundo de hoje, onde tudo está se tornando inteligente, por que seus carros não seriam inteligentes também? Bem, eles são.

O avanço tecnológico no setor automotivo levou ao surgimento de veículos autônomos.

A combinação de hardware poderoso e software inteligente está inaugurando uma nova era de carros autônomos que levarão as pessoas aos seus destinos de forma confortável e segura, sem exigir intervenção humana.

Este cenário de condução autônoma está evoluindo rapidamente, com o número de veículos automatizados enviados a cada ano projetado para crescer a um CAGR de 41% entre 2024 e 2030.

A crescente integração de veículos automatizados em nossas vidas diárias deve reduzir o congestionamento de tráfego, melhorar a acessibilidade e aumentar a segurança. Esses veículos ainda permitem que os motoristas realizem tarefas que não estão relacionadas à condução, como usar telefones, assistir a multimídia, trabalhar ou simplesmente relaxar durante o trajeto.

No entanto, nem todos os veículos automatizados conseguem isso. Existem níveis para veículos automatizados, que são os seguintes;

Nível 0 – Neste nível, não há automação de condução. É totalmente controlado manualmente. Esse nível de veículos é o que vemos principalmente nas estradas.

Nível 1 – Agora, um passo acima vem o nível mais baixo de automação, onde a assistência ao motorista é fornecida por meio de um único sistema automatizado, como direção ou controle de cruzeiro adaptativo.

Nível 2 – Este nível de automação parcial de condução corresponde a sistemas avançados de assistência ao motorista (ADAS). Aqui, o veículo pode controlar a direção e a velocidade, mas um humano ainda está no banco do motorista e pode assumir o controle a qualquer momento. Já vemos esse nível de veículos ao nosso redor com o Tesla (TSLA ) Autopilot e os sistemas General Motors (GM ) Cadillac Super Cruise.

Nível 3 – Neste nível de automação condicional, os veículos têm a capacidade de detectar seu entorno e, com base nisso, tomar decisões informadas. No entanto, o motorista humano ainda precisa manter a atenção e estar pronto para assumir o controle se o sistema não conseguir executar a tarefa. Exemplos principais de Nível 3 incluem o Mercedes-Benz (MBG.DE ) S-Class, que oferece recursos como cruzeiro autônomo em rodovias e manutenção de faixa, e o Honda (HMC ) Legend, que oferece condução sem as mãos em cenários específicos.

Nível 4 – Este salto para o próximo nível nos leva a veículos de alta automação, que na maioria dos casos não requerem assistência humana, claro. No entanto, os humanos ainda têm a opção de sobrescrever manualmente. Veículos de Nível 4 podem dirigir autonomamente, mas legalmente só podem fazê-lo em áreas limitadas. Esses veículos já estão em desenvolvimento com o Waymo One da Google e o Apollo Go da Baidu.

Nível 5 – Agora, este nível não requer motoristas. Nesta fase, os veículos autônomos alcançam automação total de condução, estando livres de geofencing e, como tal, capazes de fazer tudo o que um motorista humano experiente pode fazer e ir a qualquer lugar. Desde a Tesla, Amazon (AMZN ), Honda até Mercedes, várias grandes montadoras ao redor do mundo estão testando carros totalmente autônomos. No entanto, ainda não estão disponíveis ao público em geral.

Embora ainda seja desconhecido quando os veículos totalmente automatizados (Nível SAE 5) alcançarão adoção generalizada, alguns estudos preveem que o mercado estará pronto até o final desta década.

Com isso, é crítico construir a confiança dos usuários para o sucesso na implantação e aceitação desses veículos. Atualmente, a confiança limitada dos passageiros está dificultando a adoção.

Portanto, para ajudar a tornar os veículos autônomos amigáveis aos passageiros, pesquisadores do Gwangju Institute of Science and Technology (GIST), Coreia do Sul, escreveram um artigo discutindo estratégias para isso. Isso inclui fornecer explicações aos passageiros.

O fato é que explicações mal projetadas podem afetar negativamente a experiência do passageiro. Portanto, as explicações devem transmitir informações com inteligibilidade suficiente em ambientes rodoviários que mudam rapidamente.

Estudos anteriores exploraram vários métodos de apresentação de explicações para melhorar a experiência do passageiro, reduzindo a ansiedade e a carga cognitiva. No entanto, o momento ideal para as explicações e a demanda real dos passageiros ainda não foram amplamente explorados, especialmente em ambientes reais.

Os pesquisadores do GIST investigaram o processo de fornecimento de explicações de forma oportuna, a fim de melhorar a sensação de segurança dos passageiros e sua confiança em veículos automatizados.

Acelerando a Adoção de Veículos Autônomos

Para que os veículos automatizados cumpram sua promessa de melhorar a mobilidade urbana, a confiança dos passageiros deve ser alcançada, e para isso explicações oportunas e específicas para o passageiro precisam ser fornecidas para as decisões dos veículos autônomos.

Para que essas explicações sejam eficazes, elas precisam ser compreensíveis, informativas e concisas. Isso fomentará a confiança entre os passageiros, proporcionando-lhes uma sensação crescente de controle e reduzindo experiências negativas.

Embora já existam métodos de inteligência artificial explicável (XAI), eles são principalmente para desenvolvedores e reguladores. Com foco em cenários de alto risco ou explicações muito detalhadas, não são realmente adequados para os passageiros.

Isso destaca a necessidade de modelos XAI que se concentrem especificamente nos passageiros, compreendendo o tipo de informação necessária e quando ela é necessária em cenários de condução do mundo real.

Um obstáculo principal para desenvolver modelos XAI explicáveis centrados no passageiro, segundo o estudo, é a falta de conjuntos de dados que considerem os contextos dos passageiros.

Em resposta, uma equipe de pesquisadores do GIST liderada por SeungJun Kim, professor e diretor do Human-Centered Intelligent Systems Lab no GIST, introduziu o TimelyTale para suprir a falta de uma abordagem centrada no passageiro usando dados de sensores para explicações oportunas e relevantes ao contexto.

TimelyTale é um novo conjunto de dados multimodal projetado para capturar cenários de condução do mundo real e oferecer explicações a bordo para melhorar a confiança e a segurança dos passageiros em veículos automatizados.

“Nossa pesquisa desloca o foco da XAI na condução autônoma dos desenvolvedores para os passageiros. Desenvolvemos uma abordagem para coletar a demanda real dos passageiros por explicações a bordo e métodos para gerar explicações oportunas e relevantes à situação para os passageiros.”

– Professor Kim

Os autores do estudo foram premiados com o ‘Distinguished Paper Award’ por seu estudo intitulado ‘What and When to Explain?: On-road Evaluation of Explanations in Highly Automated Vehicles.’

Para começar, os pesquisadores analisaram primeiro o efeito de diferentes tipos de explicações visuais —incluindo atenção, percepção e uma combinação de ambas— e seu timing na experiência dos passageiros em condições reais de condução, utilizando realidade aumentada.

Descobriu-se que o estado de percepção do veículo melhora a confiança, a consciência situacional e a segurança percebida sem sobrecarregar os passageiros. Além disso, os pesquisadores descobriram que a probabilidade de risco de tráfego é o fator mais eficaz para decidir quando as explicações devem ser entregues, o que também ajudou a entender quando os passageiros se sentem sobrecarregados de informação.

Com base nessas descobertas, os pesquisadores da GSIT, em colaboração com o MIT, desenvolveram o conjunto de dados TimelyTale.

Para essa abordagem, os pesquisadores usaram dados do ambiente externo (exteroceptivo) como sons e imagens, dados proprioceptivos, que dizem respeito às posições e movimentos do corpo, e dados interoceptivos sobre o estado do passageiro, ou seja, sensações corporais como dor, respiração e frequência cardíaca.

Para coletar todos esses dados dos passageiros, os pesquisadores usaram uma variedade de sensores em cenários de condução naturalista para prever suas demandas de explicação. Os dispositivos incluíram GPS, LiDAR 3D, OBD-II, IMUs e câmeras estéreo para dados exteroceptivos e proprioceptivos, enquanto câmera LiDAR, câmera de profundidade, imagem térmica, pulseira E4 e sensores de pressão no assento foram usados para capturar dados interoceptivos.

Notavelmente, os pesquisadores também incorporaram o conceito de interrompibilidade a bordo para encontrar os momentos certos para as explicações. Interrompibilidade é a mudança no foco do passageiro de tarefas não relacionadas à condução (NDRTS) para informações relacionadas à condução.

Ao contrário dos veículos conduzidos manualmente, onde os motoristas não podem ser distraídos, em veículos automatizados, os passageiros normalmente não estão envolvidos em tarefas de condução. Assim, há necessidade de identificar os momentos para informações relacionadas à condução durante NDRTs.

Como resultado, os pesquisadores conseguem identificar efetivamente o timing, bem como a frequência, das demandas dos passageiros por explicações. O modelo também reconheceu as explicações específicas que os passageiros desejam durante situações de condução.

Os pesquisadores então usaram sua abordagem para desenvolver um modelo de aprendizado de máquina (ML) que prevê o melhor momento para oferecer ao passageiro uma explicação. Eles também realizaram uma modelagem em toda a cidade para gerar explicações textuais baseadas em diferentes locais de condução.

A análise preliminar, segundo o estudo, indica o potencial do modelo para determinar o timing da demanda dos passageiros por explicações a bordo. Enquanto isso, o conjunto de dados pode ser usado para gerar conteúdo de explicações textuais relevantes ao contexto ambiental, de condução e específico do passageiro.

“Nossa pesquisa estabelece as bases para maior aceitação e adoção de veículos autônomos, potencialmente remodelando o transporte urbano e a mobilidade pessoal nos próximos anos.”

– Prof. Kim

Empresas que Avançam Soluções de Condução Automatizada

Agora, vamos dar uma olhada nas empresas que estão moldando o futuro dos veículos automatizados e também estão posicionadas para aproveitar os avanços em IA explicável.

No setor de AV, a General Motors (GM ) desenvolveu a Cruise para viagens sem motorista, enquanto a Ford Motor (F ) está avançando nessa direção com o Escape Hybrid.

Depois há a NVIDIA (NVDA ), cuja plataforma DRIVE oferece uma família de ferramentas de hardware e software para desenvolvimento de veículos autônomos. A Amazon (AMZN ) também está interessada em tecnologia de veículos autônomos via Zoox, que começou a testar seus carros sem motorista antes do lançamento no próximo ano. Empresas como Uber (UBER ) e Lyft (LYFT ), que possuem uma rede de transporte compartilhado, também podem se beneficiar dos avanços na promoção da confiança e segurança em serviços de veículos autônomos.

Agora, dois nomes proeminentes no mercado de veículos autônomos que podem ser considerados investimentos valiosos são:

1. Waymo

No mundo do desenvolvimento de veículos autônomos, a Waymo tem feito muito progresso. Esta subsidiária da Alphabet (GOOG ) foca em tecnologia de condução autônoma e recursos centrados no passageiro.

No final do mês passado, a empresa anunciou o fechamento de uma rodada de investimento de US$ 5,6 bilhões, superescrita, liderada pela empresa-mãe Alphabet, com outros participantes incluindo investidores existentes e firmas de private equity como Fidelity, Tiger Global, Andreessen Horowitz, Perry Creek, Silver Lake e T. Rowe Price (TROW ).

Os fundos serão usados para expandir seu serviço de transporte “Waymo One” para mais cidades dos EUA e melhorar o “Waymo Driver” impulsionado por IA. Mais recentemente, a empresa lançou seus robotáxis em Los Angeles, permitindo que qualquer pessoa na cidade chame um carro sem motorista através do aplicativo Waymo One. Esse robotáxi já está circulando em Phoenix há quatro anos e está em San Francisco desde o ano passado. Enquanto isso, em Austin e Atlanta, a Waymo adicionou seus veículos autônomos à plataforma da Uber, permitindo que clientes solicitem seu veículo pelo aplicativo da Uber.

O Google realmente começou a trabalhar em carros autônomos há mais de uma década e meia, quando a Waymo ainda era um projeto secreto. Os carros autônomos da gigante tecnológica registraram mais de 20 milhões de milhas sem grandes acidentes.

As ações da gigante de capitalização de US$ 2,2 trilhões estão atualmente negociando a US$ 180,91, alta de 30% neste ano. Possui um EPS (TTM) de 7,54, um P/E (TTM) de 24,09 e um dividend yield de 0,44%. No 3Q24, ela reportou vendas líquidas de US$ 2,93 bilhões e US$ 702 milhões em fluxos de caixa operacionais.

No terceiro trimestre de 2024, a Alphabet reportou uma receita de US$ 88,27 bilhões, um aumento de 15% em relação ao ano anterior. Sua receita de nuvem disparou 35% em relação ao ano passado, atingindo um recorde de US$ 11,35 bilhões neste trimestre, impulsionada por ofertas de IA.

A IA tem atraído muita atenção entre usuários e empresas, com o Google conquistando novos clientes, fechando negócios maiores e vendo maior adoção graças à IA. Portanto, naturalmente, a empresa continua a “investir em infraestrutura de ponta” para apoiar seus esforços em IA.

2. Tesla Inc. (TSLA )

Fundada por Elon Musk, a Tesla é conhecida por seus veículos elétricos, que oferecem o Autopilot como automação de nível 2. O Autopilot é um recurso padrão em todo novo Tesla, com cada um de seus veículos equipado com múltiplas câmeras e processamento de visão para uma camada extra de segurança.

Depois há o Full Self-Driving (FSD), que adiciona navegação semi-autônoma. Tanto o Autopilot quanto o FSD são destinados ao uso com um motorista totalmente atento.

Enquanto o Autopilot inclui funcionalidades como controle de cruzeiro adaptativo ao tráfego e autodireção, o FSD (supervisionado) oferece recursos adicionais, incluindo navegação no autopilot, autodireção em ruas da cidade, mudança automática de faixa, estacionamento automático, summon e smart summon, controle de tráfego e controle de sinais de parada.

Os veículos da Tesla também vêm com vários recursos de segurança ativa que permitem detectar carros ou obstáculos, avisos de colisão iminente, avisos de colisão lateral e monitoramento de ponto cego, entre outros, para auxiliar os motoristas.

No entanto, a montadora está atualmente enfrentando escrutínio da National Highway Traffic Safety Administration (NHTSA), que expressou insatisfação com a linguagem promocional da Tesla nas redes sociais sobre seu recurso FSD. A agência acredita que a mensagem da Tesla pode promover o uso inseguro do sistema e solicitou que a empresa reconsiderasse sua estratégia de comunicação sobre as capacidades do FSD.

Isso ocorre após um incidente trágico em que uma mulher foi atingida por um Tesla, que estava operando no modo FSD, levantando questões sobre a capacidade do sistema de lidar com condições ambientais desafiadoras.

A NHTSA deu à Tesla um prazo até 18 de dezembro para responder às suas perguntas sobre o “potencial de falha” do FSD, incluindo detectar e responder adequadamente em situações específicas onde há visibilidade reduzida da via que pode limitar a capacidade do FSD de operar com segurança.

Com uma capitalização de mercado de US$ 1,05 trilhão, as ações da Tesla estão atualmente negociando em torno de US$ 340, alta de 32,2% no ano até a data (YTD). Possui um EPS (TTM) de 3,65, um P/E (TTM) de 90,07 e um ROE (TTM) de 20,65%. Seu Debt To Equity (MRQ) é 11,01%.

No 3T24, a empresa reportou US$ 23,35 bilhões em receita e um lucro líquido de US$ 2,17 bilhões. As margens de lucro aumentaram em US$ 739 milhões em receita de créditos regulatórios automotivos, como resultado de reguladores exigirem que as montadoras vendam um certo número de veículos de baixa emissão ou comprem créditos de empresas como a Tesla, que fabrica exclusivamente esses veículos e, como resultado, possui créditos em excesso.

Neste trimestre, a montadora fabricou 470.000 veículos e entregou 463.000 veículos. Recentemente, também revelou um robotáxi e um robovan.

Clique aqui para saber tudo sobre a Tesla.

Conclusões 

O vasto e em expansão mundo dos veículos autônomos aponta para um futuro de mobilidade aumentada, congestionamento de tráfego reduzido, mais conveniência e segurança aprimorada.

Embora o tamanho do mercado global de veículos autônomos esteja projetado para crescer para US$ 13.632,4 bilhões até o final desta década, o mercado de software de condução autônoma, que é integral aos AVs, está previsto aumentar de US$ 1,8 bilhão em 2024 para US$ 7 bilhões em 2035.

A crescente demanda por soluções de transporte eficientes e seguras é a razão por trás do crescimento do mercado de software de condução autônoma. À medida que os AVs se tornam gradualmente populares e ganham adoção, os fabricantes automotivos precisam incorporar tecnologias de segurança. Aqui, o software de condução autopilot garante a segurança do veículo por meio de algoritmos e processamento de dados em tempo real.

Agora, para concretizar o futuro dos veículos totalmente autônomos, precisaremos de mais do que apenas avanços tecnológicos. Ganhar a confiança dos passageiros é crucial para alcançar a adoção generalizada. Com soluções como o TimelyTale, que foca em explicações oportunas e relevantes, as preocupações dos passageiros podem ser melhor atendidas e a confiança fomentada, criando assim uma abordagem mais centrada no ser humano para a condução autônoma.

Inovações como estas são importantes para aproximar ainda mais um futuro onde veículos autônomos são integrados suavemente em nossas vidas cotidianas, transformando a mobilidade urbana.

Clique aqui para saber como os táxis autônomos gerarão até US$ 4 trilhões até 2027.