Carros autônomos, também chamados de carros autônomos, são carros com rastreamento de veiculos capazes de dirigir com pouca ou nenhuma contribuição humana. Um carro totalmente autônomo seria capaz de levá-lo de Los Angeles a Nova York sozinho, enquanto você se senta, relaxa e desfruta da viagem tranqüila.

Os carros autônomos têm recebido muita atenção ultimamente, em grande parte devido ao boom tecnológico da Inteligência Artificial (IA). Nos últimos anos, a IA deixou de ser quase esquecida e se tornou o maior investimento em Pesquisa e Desenvolvimento (P&D) de muitas organizações em todo o mundo.

Simplificando, a IA nos deu a capacidade de automatizar rastreador veicular um monte de trabalho manual que anteriormente teria assumido alguma forma de conhecimento ou habilidade humana. No caso de carros autônomos, a IA pode ajudar a ser o cérebro dos carros, fazendo coisas como detectar automaticamente pessoas e outros carros ao redor do veículo, permanecer na pista, mudar de faixa e seguir o GPS para chegar ao destino final .

rastreamento de veiculos,rastreador veicular, rastreamento moto
Então, como tudo isso funciona? Como os cientistas, engenheiros e desenvolvedores de software são capazes de programar computadores para fazê-los dirigir carros?
Uma visão geral da tecnologia autônoma

Níveis de autonomia

Ao falar sobre carros autônomos, a maioria dos especialistas técnicos se refere aos níveis de autonomia. O nível de autonomia de um carro autônomo refere-se ao quanto da condução é feita por um computador versus um humano. Quanto mais alto o nível, mais a condução é feita por um computador. Confira o gráfico abaixo para uma ilustração.

Nível 0: Todas as funcionalidades e sistemas do carro são controlados por seres humanos
Nível 1: coisas pequenas como controle de cruzeiro, frenagem automática ou detecção de algo no ponto cego podem ser controladas pelo computador, uma de cada vez

Nível 2: o computador pode executar pelo menos duas funções automatizadas simultâneas, como aceleração e direção. Um humano ainda é necessário para operação segura e procedimentos de emergência

Nível 3: O computador pode controlar todas as operações críticas do carro simultaneamente, incluindo aceleração, direção, parada, navegação e estacionamento na maioria das condições. Ainda se espera que um motorista humano esteja presente caso seja alertado sobre uma emergência
Nível 4: o carro é totalmente autônomo, sem a necessidade de um motorista humano, em alguns cenários de direção. Por exemplo, o carro pode dirigir sozinho quando está ensolarado ou nublado, mas não quando está nevando e as faixas estão cobertas

Nível 5: o carro é completamente capaz de dirigir em qualquer situação

A maioria dos rastreamento moto que ouvimos nas notícias de hoje, como os fabricados por Tesla e Waymo, estão no nível 2. Eles estão no nível em que podem dirigir muito bem por conta própria, mas ainda é necessário um motorista humano para garantir uma operação segura do veículo.

As etapas da auto-condução

Atualmente, os carros autônomos usam uma combinação de várias tecnologias de hardware e software de ponta para realizar sua direção. Um sistema autônomo típico passará por três etapas para executar sua direção. Para os fins deste artigo, chamaremos isso de sensoriamento, entendimento e controle.

No estágio de detecção, câmeras e vários sensores são usados ​​para ver qualquer objeto que esteja ao redor do carro, como outros carros, seres humanos, bicicletas e animais. São realmente os olhos do carro, vendo constantemente tudo ao seu redor, 360 graus.

rastreamento de veiculos,rastreador veicular, rastreamento moto
No estágio de entendimento, vários algoritmos de IA, principalmente o Computer Vision, são usados ​​para processar as informações dos sensores. Por exemplo, podemos ter um sistema de visão por computador que processa o vídeo proveniente das câmeras ao redor do carro, para detectar todos os outros carros na estrada. Idealmente, esse sistema seria capaz de detectar onde os carros estão, qual o tamanho deles, e quão rápido e para que lado eles estão se movendo. Na realidade, esses sistemas são projetados para mapear todo o ambiente ao redor do carro. Todas essas informações serão inseridas no estágio de controle da direção autônoma.

No estágio de controle, o sistema autônomo processará todas as informações que o sistema de visão por computador foi capaz de extrair. Com base nessa informação, ele controlará o carro. Ao conhecer todo o ambiente ao redor, o que está ao redor do carro e como ele está mudando, o trabalho do sistema de controle é mover o carro com segurança e em direção ao seu destino. Ele ativa os intervalos se o carro da frente estiver diminuindo a velocidade, muda de faixa se precisar sair e liga os limpa-vidros se estiver chovendo.

Veremos cada um desses estágios com mais detalhes.

(1) Sensores
Quando nós humanos estamos dirigindo, usamos nossos olhos para ver o que está ao nosso redor. Um carro autônomo também precisa de olhos para ver. Os olhos do carro autônomo são seus vários sensores. A maioria dos carros autônomos está usando uma ou mais combinações de três sensores diferentes: câmeras, radar e LiDAR.

Máquinas fotográficas

As câmeras são as mais semelhantes à nossa visão. Eles estão capturando fotos contínuas, ou seja, vídeos através das lentes, assim como nós. E, assim como nossa visão, aju

a muito na condução se as câmeras de um carro puderem capturar vídeos de alta qualidade – alta resolução e alto FPS.
Os carros autônomos terão câmeras posicionadas em todos os lados: frontal, traseira, esquerda e direita e muito mais para poder ver tudo ao seu redor, 360 graus. Às vezes, uma mistura de diferentes tipos de câmeras é usada – algumas grandes angulares para ter um campo de visão mais amplo e outras estreitas, mas alta resolução para ver mais.

A vantagem de usar câmeras é que elas são a representação visual mais natural do mundo. Um carro está vendo exatamente o que um motorista humano veria – e mais, já que seu computador interno pode ver todas as câmeras de uma só vez. As câmeras também são muito baratas.

A desvantagem é que os dados capturados por uma câmera, que são imagens e vídeos, não nos dão muita noção da distância que os outros objetos estão do carro ou da rapidez com que eles estão se movendo. As câmeras também são difíceis de usar durante a noite, pois simplesmente não conseguimos ver o mesmo.

Radar

O radar tem sido tradicionalmente usado para detectar objetos em movimento, como aeronaves e formações meteorológicas. Ele funciona transmitindo ondas de rádio em rajadas ou pulsos. Quando essas ondas atingem um objeto, elas retornam de volta ao sensor, fornecendo dados sobre a velocidade e a localização do objeto.

Nos carros autônomos, o radar é usado para detectar a velocidade e a distância de vários objetos ao redor do carro. É um complemento perfeito para as câmeras, que podem ver quais são os objetos, mas não exatamente onde (a que distância) eles estão. E, assim como as câmeras, o radar será usado em 360 graus ao redor do carro.

O radar também complementa as câmeras em condições com pouca luz, como dirigir à noite. Como o radar está emitindo um sinal, realmente não importa se são 3 da manhã ou meio-dia, os sinais se movem e retornam exatamente da mesma maneira. Isso contrasta com as câmeras que realmente não funcionam tão bem à noite por causa da iluminação.

A desvantagem do radar é que a tecnologia está atualmente limitada em sua precisão. Os sensores de radar atuais oferecem uma resolução muito limitada. Portanto, o radar nos dá uma idéia da distância, localização e velocidade de outros objetos, mas essa ideia é um pouco embaçada – não tão precisa quanto gostaríamos que fosse.

LiDAR

LiDAR significa Detecção e Variação da Luz. Ele funciona enviando feixes de luz e calculando quanto tempo leva para a luz atingir um objeto e refletir de volta para o scanner LiDAR. A distância ao objeto pode ser calculada usando a velocidade da luz – conhecidas como medições de tempo de voo.

rastreamento de veiculos,rastreador veicular, rastreamento moto

Um carro Waymo com sensor LiDAR na parte superior. Fonte
Os sensores LiDAR são normalmente colocados na parte superior do carro, disparando milhares de feixes de luz por segundo. Com base nos dados coletados, uma representação 3D chamada nuvem de pontos pode ser criada para representar o ambiente ao redor do carro.

A grande vantagem dos sensores LiDAR é sua precisão. Um bom sensor LiDAR pode identificar detalhes de apenas alguns centímetros de objetos a 100 metros de distância. Por exemplo, diz-se que o sistema LiDAR da Waymo pode até detectar em qual direção uma pessoa está caminhando, com base em sua nuvem de pontos 3D precisa que vem do LiDAR.
A desvantagem do LiDAR é o custo, que atualmente é muito mais caro, evento 10 vezes mais do que câmeras e radares.

(2) Visão por Computador

O estágio de compreensão de um sistema autônomo é o cérebro – é onde ocorre a maior parte do processamento principal. No estágio de entendimento, o objetivo é pegar todas as informações provenientes dos sensores e interpretá-las. Essa interpretação visa coletar informações úteis que podem ajudar a controlar o carro com segurança. As informações podem ser coisas como:
Quais são todos os objetos ao meu redor, onde estão e como estão se movendo? Portanto, nosso sistema pode detectar coisas como pessoas, carros e animais

Onde estou? O sistema determinaria onde estão todas as faixas e se o carro está perfeitamente na faixa correta, ou onde o carro é relativo aos outros carros na estrada (muito perto, pontos cegos, etc.)

No ano de 2019, essas informações estão sendo adquiridas principalmente através da IA ​​e, mais especificamente, usando o Deep Learning for Computer Vision. As grandes redes neurais são treinadas para tarefas como classificação de imagens, detecção de objetos, segmentação de cenas e detecção de faixa de direção. As redes são então otimizadas para que a unidade de computação do carro possa lidar com as velocidades em tempo real necessárias para a condução autônoma.

Lembre-se de que um carro autônomo pode ter dados provenientes de várias fontes diferentes: câmeras, radar e LiDAR. Portanto, todas essas tarefas regulares do Computer Vision podem ser aplicadas a cada tipo de dados do sensor, coletando informações sobre o ambiente ao redor do carro de uma maneira muito abrangente. Isso também cria um tipo de redundância – se um sistema falhar, o outro sistema ainda terá a chance de fazer uma detecção.

A grande vantagem de usar o Deep Learning para muitas dessas tarefas é o fato de as redes serem treináveis. Quanto mais dados fornecermos, melhor eles obterão. As empresas estão aproveitando isso bastante – carros autônomos estão sendo colocados nas estradas com motoristas humanos, onde eles podem coletar constantemente novos dados de treinamento para melhorar a si mesmos.

A Computer Vision é realmente a carne do sistema de carro autônomo. Um sistema ideal poderá detectar e quantificar com precisão todos os aspectos do ambiente circundante do carro – objetos em movimento, objetos estacionários, sinais de trânsito, luzes da rua – absolutamente tudo. Todas essas informações são usadas para decidir como exatamente o carro deve se mover a seguir.

(3) Controle

Depois que o sistema Computer Vision processa os dados dos sensores, o carro autônomo agora tem todas as informações necessárias para dirigir. O papel do estágio de controle é descobrir a melhor maneira de navegar no carro com base nas informações extraídas durante o estágio de entendimento.

O termo técnico para descrever como um carro autônomo navega na estrada é o planejamento do caminho. O objetivo do planejamento do caminho é usar as informações capturadas pelo sistema Computer Vision para direcionar o carro com segurança ao seu destino, evitando obstáculos e seguindo as regras da estrada.

O carro terá conhecimento de seu destino alvo com base no GPS – os dados do GPS contêm as informações para o caminho de longo alcance. Para avançar em direção ao seu destino-alvo, o sistema autônomo primeiro “planejará o caminho”, ou seja, calculará o caminho mais ideal (leia-se: o menor tempo gasto) até seu destino. Isso significa decidir quais estradas seguir e com que velocidade dirigir.

Uma vez determinado o caminho ideal, o próximo passo para o sistema é determinar o melhor “próximo passo” possível. Esse próximo passo sempre será sempre baseado no caminho mais ideal para o destino de destino. O próximo passo pode ser acelerar, frear, mudar de faixa ou qualquer outro movimento regular de direção.

Ao mesmo tempo, qualquer movimento que ele fizer deve seguir as regras da estrada e manter a segurança dos passageiros do carro. Se a Visão do Computador detectar uma luz vermelha à frente, o carro deverá diminuir a velocidade ou parar (dependendo da distância).
Todos esses controles são enviados diretamente para os controles mecânicos do carro. Se o carro precisar mudar de faixa, um comando para girar o volante em uma quantidade muito específica será enviado para a parte apropriada do carro. Se o carro precisar frear, é enviado um comando para pressionar as quebras exatamente com a quantidade exata de pressão necessária, desacelerando o suficiente para seguir o caminho ideal, mantendo a segurança e obedecendo às regras da estrada.
Esse processo de detecção, compreensão e controle é repetido, com a maior frequência e precisão possível, até que o carro chegue ao seu destino.

Os grandes jogadores da auto-condução

Carros autônomos e veículos autônomos geralmente têm o potencial de se tornar uma indústria multibilionária. Com uma grande oportunidade, surge uma grande concorrência e não há escassez disso neste espaço. Existem alguns grandes jogadores.

Tesla

Tesla, especialmente Elon Musk quando está na TV, orgulha-se do fato de seus carros não usarem uma câmera LiDAR. Em vez disso, eles contam principalmente com 8 câmeras padrão localizadas ao redor do carro. Eles treinam uma Rede Neural Convolucional (CNN) de várias cabeças para detectar tudo ao redor do carro e executar a navegação de acordo.

O verdadeiro poder da tecnologia autônoma de Tesla está em seu software. Atualizações para os modelos em execução no carro podem ser implantadas rápida e facilmente em todos os carros da Tesla em todo o mundo através de uma atualização de software. Atualizações de software rápidas e fáceis significam que os carros da Tesla estão melhorando constantemente, sem a necessidade de o usuário pagar algo extra ou prestar atenção.

A Tesla também aproveita sua frota autônoma para coleta de dados. Todos os carros Tesla equipados com as câmeras apropriadas são usados ​​para coletar novos dados de treinamento. Todos esses dados são usados ​​para treinar novamente os modelos e implantá-los novamente em toda a frota. É um pipeline iterativo automatizado para melhoria contínua do sistema autônomo.

rastreamento de veiculos,rastreador veicular, rastreamento moto

Waymo
Waymo é uma empresa automobilística de propriedade do Google. Uma grande vantagem para a Waymo é que eles fabricam seu próprio hardware proprietário para seus carros. Isso inclui os sensores (câmeras, radar e LiDAR), além de chips personalizados para executar a inferência da Computer Vision. Isso permite que os carros Waymo obtenham as melhores otimizações de hardware e software possíveis.

Normalmente, uma grande desvantagem do LiDAR é o custo. No entanto, a Waymo afirma ter desenvolvido seu próprio sensor LiDAR, que é 90% mais barato que a concorrência. Este sensor também é capaz de detectar objetos a 300 metros de distância. Se qualquer nível decente de precisão for mantido nessa faixa, ele oferece uma enorme vantagem para os carros Waymo sobre Telsa. As câmeras comuns simplesmente não conseguem ver tão longe.

Waymo também está buscando várias parcerias com grandes empresas automobilísticas, incluindo Chrysler, Toyota, Lexus e Jaguar.

Uber e Lyft

Uber e Lyft são empresas muito populares de carona e estão na posição perfeita para capitalizar em carros autônomos. Eles estão construindo suas próprias frotas de carros autônomos equipados com câmeras, radar e LiDAR – vários LiDARs no caso da Lyft.
Ao contrário das empresas de automóveis tradicionais que precisam vender veículos inteiros (caros) equipados com direção autônoma, o objetivo da Uber e da Lyft é construir uma frota de carros autônomos para estar disponível para o serviço de compartilhamento de viagens. Isso eliminaria efetivamente a necessidade do motorista humano e, portanto, o custo. Qualquer pessoa em qualquer lugar seria capaz de pedir um carro autônomo, por um preço semelhante ao de um Uber ou Lyft. Torna-se autônomo como serviço.
A que distância estamos do Nível 5 Autônomo?
Depois de ver toda essa tecnologia futurista e os grandes avanços sendo feitos, implora-se perguntar: a que distância estamos de carros autônomos de nível 5 completos?
Depende.
Alguns acreditam que a tecnologia está a menos de alguns anos. Elon Musk afirma que “daqui a um ano, teremos mais de um milhão de carros com direção completa”. E isso certamente pode ser possível.

A IA está melhorando incrivelmente rápido, com bilhões de dólares em fundos sendo investidos em pesquisas de ponta. O hardware para detecção e computação está melhorando, especialmente porque as empresas estão agora investindo em hardware personalizado para dirigir. Portanto, a tecnologia definitivamente parece estar na direção certa.
Se olharmos para o outro lado do espectro técnico, as coisas ficam um pouco mais complicadas.

Para que os carros autônomos sejam aceitos e usados ​​diariamente pelas pessoas, eles realmente precisam trabalhar com perfeição. Nós, como humanos, perdoamos muito mais quando outro humano comete um pequeno erro, mas somos agressivamente críticos quando um computador ou máquina comete um erro.

Computadores devem funcionar, sem erros. Afinal, eles são máquinas, então as expectativas são muito maiores. Geralmente, esperamos que as máquinas sejam uma ordem de magnitude ou mais precisas do que nós. O bar é apenas muito mais alto.
Além disso, temos as considerações legais. Você pode apostar o seu preço mais baixo de que novas leis e regulamentos terão de ser implementadas assim que a auto-direção chegar às estradas.

Quem é responsável em caso de acidente? Os carros deveriam poder dirigir mais rápido agora, porque são autônomos? Um humano tem que estar no carro o tempo todo? Todas essas são perguntas que em algum momento devem ser respondidas para que os carros autônomos cheguem às estradas com força total no nível 5.

No geral, os carros autônomos são uma grande vantagem para a sociedade. Menos poluição, menos tráfego, mais eficiência e direção mais segura podem ser esperados quando os carros se tornam autônomos. A tecnologia está na direção certa e, com sorte, trará um futuro brilhante e autônomo.

Fonte