Fomentando Confiança em Soluções de Direção Automatizada com TimelyTale

Mais de um século atrás, a invenção dos automóveis revolucionou a vida das pessoas, e o setor está se preparando para seu próximo grande salto, que é a direção 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 autodirigíveis.

A combinação de hardware poderoso e software inteligente está inaugurando uma nova era de carros autodirigíveis que levarão as pessoas a seus destinos confortável e seguramente sem requerer qualquer intervenção humana.

Este cenário de direção autônoma está evoluindo a um ritmo acelerado, com o número de veículos automatizados enviados a cada ano projetado para crescer a uma taxa de 41% entre 2024 e 2030.

A integração crescente de veículos automatizados em nossas vidas diárias é esperada para reduzir a congestão de trânsito, melhorar a acessibilidade e aumentar a segurança. Esses veículos também permitem que os motoristas se engajem em tarefas que não estão relacionadas à direção, como usar telefones, assistir a multimídia, trabalhar ou simplesmente relaxar enquanto estão em trânsito.

No entanto, nem todos os veículos automatizados podem alcançar isso. Há níveis de veículos automatizados, que são os seguintes;

Nível 0 – Neste nível, não há automação de direção. É completamente controlado manualmente. Este 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 sistema automatizado único, como direção ou controle de cruzeiro adaptativo.

Nível 2 – Este nível de automação parcial de direção é o sistema de assistência de direção avançada (ADAS). Aqui, o veículo pode controlar a direção e sua velocidade, mas um ser humano ainda está sentado no banco do motorista e pode tomar controle do veículo a qualquer momento. Já estamos vendo este nível de veículos ao nosso redor com o Tesla (TSLA ) Autopilot e os sistemas Cadillac Super Cruise da General Motors (GM ).

Nível 3 – Neste nível de automação condicional, os veículos têm a capacidade de detectar seu entorno e, com base nisso, podem tomar decisões informadas. No entanto, o motorista humano ainda precisa manter a vigilância e estar preparado para tomar controle se o sistema não puder executar a tarefa. Exemplos primários de Nível 3 incluem a Mercedes-Benz S-Class, que vem com capacidades como cruzeiro autônomo em rodovias e manutenção de faixa, e a Honda (HMC ) Legend, que vem com direção sem mãos em cenários específicos.

Nível 4 – Este próximo salto nos leva a veículos de alta automação, que não requerem assistência humana, na maioria dos casos, é claro. No entanto, os seres humanos ainda têm a opção de anular manualmente. Os veículos de Nível 4 podem se autodirigir, mas legalmente podem fazer isso apenas 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 requer nenhum motorista. Nesta etapa, os veículos autônomos atingem a automação de direção completa e estão livres de geofencing e, como tal, capazes de fazer tudo o que um motorista experiente pode fazer e ir a qualquer lugar. Desde a Tesla, Amazon (AMZN ) e Honda até a Mercedes, vários grandes fabricantes de automóveis em todo o mundo estão testando carros completamente autônomos. Eles, no entanto, ainda não estão disponíveis para o público em geral.

Embora atualmente seja desconhecido quando os veículos completamente automatizados (Nível 5 da SAE) ganharão adoção generalizada, alguns estudos preveem a prontidão do mercado até o final desta década.

Com isso, é crucial construir a confiança do usuário para o sucesso da implantação e aceitação desses veículos. Atualmente, a confiança limitada do passageiro está obstruindo a adoção.

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

A coisa é, explicações mal projetadas podem afetar adversamente a experiência do passageiro. Portanto, as explicações devem transmitir informações com inteligibilidade suficiente em ambientes de estrada em rápida mudança.

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 do passageiro ainda não foram amplamente explorados, especialmente em ambientes reais.

Os pesquisadores do GIST investigaram o processo de fornecer explicações de forma oportuna para melhorar o senso de segurança dos passageiros e sua confiança nos veículos automatizados.

Acelerando a Adoção de Veículos Autônomos

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

Para que essas explicações sejam eficazes, elas precisam ser compreensíveis, informativas e concisas. Isso irá criar confiança entre os passageiros, fornecendo-lhes um senso crescente de controle e reduzindo experiências negativas.

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

Isso destaca a necessidade de modelos XAI que se concentrem especificamente nos passageiros, entendendo o tipo de informação necessária e quando é necessária em cenários de direção reais.

Um obstáculo principal para o desenvolvimento de modelos XAI centrados no passageiro é a falta de conjuntos de dados que levem em conta os contextos do passageiro.

Em resposta, uma equipe de pesquisadores do GIST liderada por SeungJun Kim, Professor e Diretor do Laboratório de Sistemas Inteligentes Centrados no Ser Humano do GIST, apresentou o TimelyTale para abordar a falta de uma abordagem centrada no passageiro usando dados de sensores para explicações oportunas e relevantes para o contexto.

TimelyTale é um conjunto de dados multimodais inovador projetado para capturar cenários de direção reais e oferecer explicações dentro do veículo para melhorar a confiança e a confiança dos passageiros nos veículos automatizados.

“Nossa pesquisa muda o foco da XAI na direção autônoma dos desenvolvedores para os passageiros. Desenvolvemos uma abordagem para coletar a demanda real do passageiro por explicações dentro do veículo e métodos para gerar explicações oportunas e relevantes para os passageiros.”

– Professor Kim

Os autores do estudo foram premiados com o ‘Prêmio de Artigo Destacado’ por seu estudo intitulado ‘O que e quando explicar?: Avaliação em estrada de explicações em veículos altamente automatizados.’

Para começar, os pesquisadores primeiro examinaram o efeito de diferentes tipos de explicações visuais – incluindo atenção, percepção e uma combinação de ambos – bem como seu tempo em relação à experiência do passageiro em condições de direção reais, utilizando realidade aumentada.

O estado de percepção do veículo foi encontrado para melhorar a confiança, a consciência situacional e a segurança percebida sem sobrecarregar os passageiros. Além disso, os pesquisadores descobriram que a probabilidade de risco de trânsito foi o fator mais eficaz para decidir quando as explicações devem ser entregues, o que também os ajudou a entender quando os passageiros se sentem sobrecarregados com informações.

Com base nesses resultados, os pesquisadores do GSIT, em colaboração com o MIT, desenvolveram o conjunto de dados do TimelyTale.

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

Para coletar todos esses dados dos passageiros, os pesquisadores usaram uma variedade de sensores em cenários de direção naturalistas para prever suas demandas de explicações. Os dispositivos usados incluíam GPS, 3D LiDAR, OBD-II, IMUs e câmeras estéreo para dados exteroceptivos e proprioceptivos, enquanto LiDAR, câmera de profundidade, imagem térmica, pulseira E4 e sensores de pressão do assento foram usados para capturar dados interoceptivos.

Notavelmente, os pesquisadores também incorporaram o conceito de interrupção dentro do veículo para encontrar os momentos certos para as explicações. A interrupção é a mudança do foco do passageiro de tarefas não relacionadas à direção (NDRTs) para informações relacionadas à direção.

Ao contrário dos veículos dirigidos manualmente, onde os motoristas não podem ser distraídos, nos veículos automatizados, os passageiros normalmente não estão engajados em tarefas de direção. Como tal, há uma necessidade de identificar os momentos para informações relacionadas à direção durante as NDRTs.

Como resultado, os pesquisadores são capazes de identificar eficazmente o momento e a frequência da demanda do passageiro por explicações. O modelo também reconheceu as explicações específicas que os passageiros desejam durante situações de direção.

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 um modelo de cidade para gerar explicações textuais com base em diferentes locais de direção.

A análise preliminar, de acordo com o estudo, indica o potencial do modelo para determinar o momento da demanda do passageiro por explicações dentro do veículo. Enquanto isso, o conjunto de dados pode ser usado para gerar conteúdo de explicações textuais relevantes para contextos ambientais, relacionados à direção e específicos do passageiro.

“Nossa pesquisa estabelece as bases para uma aceitação e adoção aumentadas de veículos autônomos, potencialmente redefinindo a mobilidade urbana e a mobilidade pessoal nos próximos anos.”

– Prof. Kim

Empresas Avançando Soluções de Direção Automatizada

Agora, vamos dar uma olhada nas empresas que estão moldando o futuro dos veículos autônomos e também estão posicionadas para aproveitar os avanços na inteligência artificial explicável.

No setor de AV, a General Motors (GM ) desenvolveu Cruise para passeios sem motorista, enquanto a Ford Motor está se movendo nessa direção por meio do Escape Hybrid.

Então, há a NVIDIA (NVDA ), cuja plataforma DRIVE oferece uma família de ferramentas de hardware e software para o desenvolvimento de veículos autônomos. A Amazon (AMZN ) também está interessada na tecnologia de veículos autônomos por meio da Zoox, que começou a testar seus carros sem motorista antes de seu lançamento no próximo ano. Os likes de Uber (UBER ) e Lyft (LYFT ), que têm uma rede de compartilhamento de caronas, também podem se beneficiar dos avanços na criação de confiança e segurança nos serviços de veículos autodirigíveis.

Agora, dois nomes proeminentes no mercado de veículos autônomos que você pode achar dignos de investimento são:

1. Waymo (GOOGL )

No mundo do desenvolvimento de veículos autônomos, a Waymo está fazendo muito progresso. Essa subsidiária da Alphabet se concentra em tecnologia de direção autônoma e recursos centrados no passageiro.

No final do mês passado, a empresa anunciou o fechamento de uma rodada de investimento de $5,6 bilhões, 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.

Os fundos serão usados para expandir seu serviço de carona “Waymo One” para mais cidades dos EUA e melhorar o “Waymo Driver” movido a IA. Mais recentemente, a empresa lançou seu robô-táxi em Los Angeles, o que significa que qualquer pessoa na cidade pode chamar um táxi sem motorista pelo aplicativo Waymo One. Esse robô-táxi já está rodando em Phoenix há quatro anos e em São Francisco desde o ano passado. Enquanto em Austin e Atlanta, a Waymo adicionou seus AVs à plataforma da Uber, permitindo que os clientes chamem seu veículo pelo aplicativo da Uber.

O Google começou a trabalhar em carros autodirigíveis mais de uma década e meia atrás, quando o projeto da Waymo era um projeto secreto. Os carros autodirigíveis do gigante da tecnologia registraram mais de 20 milhões de milhas sem acidentes graves.

As ações da empresa, com um valor de mercado de $2,2 trilhões, estão sendo negociadas atualmente a $180,91, com um aumento de 30% este ano. Ela tem um EPS (TTM) de 7,54, um P/E (TTM) de 24,09 e um dividend yield de 0,44%. Para o 3Q24, relatou vendas líquidas de $2,93 bilhões e $702 milhões em fluxos de caixa de operações.

Para o 3Q24, o Alphabet relatou uma receita de $88,27 bilhões, um aumento de 15% em relação ao ano anterior. Sua receita de nuvem aumentou 35% em relação ao ano anterior, atingindo $11,35 bilhões neste trimestre, impulsionada por ofertas de IA.

A IA tem sido alvo de muita atenção entre os usuários e as empresas, com o Google atraindo novos clientes, obtendo acordos maiores e vendo uma adoção aumentada graças à IA. Portanto, naturalmente, a empresa continua a “investir em infraestrutura de ponta” para apoiar seus esforços de IA.

2. Tesla Inc. (TSLA )

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

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

Enquanto o Autopilot inclui funcionalidades como controle de cruzeiro com consciência de trânsito e direção autônoma, o FSD (supervisionado) oferece recursos adicionais, incluindo navegação no Autopilot, direção autônoma em ruas da cidade, troca de faixa automática, estacionamento automático, chamada e chamada inteligente, controle de trânsito e controle de sinal de parada.

Os veículos Tesla também vêm com vários recursos de segurança ativa que permitem que eles detectem carros ou obstáculos, alertas de colisão iminente, alertas de colisão lateral e monitoramento de ponto cego, entre outros, para ajudar os motoristas.

O fabricante de automóveis, no entanto, está enfrentando escrutínio da National Highway Traffic Safety Administration (NHTSA), que expressou insatisfação com a linguagem promocional da Tesla sobre seu recurso FSD nas mídias sociais. A agência acredita que a linguagem da Tesla pode promover o uso inadequado do sistema e solicitou que a empresa reconsidere sua estratégia de comunicação sobre as capacidades do FSD.

Isso vem 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 de 18 de dezembro para responder a suas perguntas sobre a possível falha do FSD em “detectar e responder adequadamente em situações específicas em que a visibilidade da estrada esteja reduzida, o que pode limitar a capacidade do FSD de operar com segurança”.

Com um valor de mercado de $1,05 trilhão, as ações da Tesla estão sendo negociadas atualmente a cerca de $340, com um aumento de 32,2% no ano. Ela tem um EPS (TTM) de 3,65, um P/E (TTM) de 90,07 e um ​​ROE (TTM) de 20,65%. Sua dívida para patrimônio (MRQ) é de 11,01%.

Para o 3Q24, a empresa relatou $23,35 bilhões em receita e um lucro líquido de $2,17 bilhões. As margens de lucro aumentaram em $739 milhões na receita de créditos regulatórios automotivos como resultado dos reguladores exigirem que os fabricantes de automóveis vendam um número determinado de veículos de baixa emissão ou comprem créditos de empresas como a Tesla, que constrói exclusivamente esses veículos e, portanto, tem esses créditos em excesso.

Neste trimestre, o fabricante de automóveis produziu 470.000 veículos e entregou 463.000 veículos. Recentemente, também lançou um robô-táxi e robovan.

Clique aqui para aprender tudo sobre a Tesla.

Conclusões

O vasto mundo em expansão dos veículos autônomos aponta para um futuro de maior mobilidade, redução da congestão de trânsito, mais conveniência e segurança melhorada.

Embora o tamanho do mercado global de veículos autônomos seja projetado para crescer para $13,632,4 bilhões até o final desta década, o mercado de software de direção autônoma, que é integral para os AVs, é esperado para aumentar de $1,8 bilhão em 2024 para $7 bilhões em 2035.

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

Agora, para realizar o futuro dos veículos completamente autônomos, precisaremos de mais do que apenas avanços tecnológicos. Ganhar a confiança do passageiro é crucial para alcançar uma adoção generalizada. Com soluções como o TimelyTale, que se concentra em explicações oportunas e relevantes, as preocupações dos passageiros podem ser abordadas melhor, e a confiança pode ser criada, criando assim uma abordagem mais centrada no ser humano para a direção autônoma.

Inovações como essas são importantes para nos aproximar ainda mais de um futuro em que os veículos autodirigíveis sejam integrados suavemente em nossas vidas diárias, transformando assim a mobilidade urbana.

Clique aqui para aprender como os táxis autônomos devem gerar até $4 trilhões em 2027.