Sensores de IA podem ajudar veículos autônomos em cidades com neve

Um dos maiores desafios enfrentados pelos veículos autônomos é que eles lutam para navegar em más condições climáticas, o que realmente limita sua implementação em cidades com neve como Detroit e Chicago. Os veículos contam com dados cruciais do sensor para detectar obstáculos e manter-se no lado correto da estrada, mas esses dados são difíceis na neve. 

Em dois novos trabalhos apresentados em SPIE Defesa + Detecção Comercial 2021, pesquisadores da Michigan Technological University discutiram novas soluções para cenários de condução na neve com veículos autônomos.

Há uma grande variedade de veículos autônomos, incluindo alguns com pontos cegos ou assistência de frenagem, e outros com modos de direção autônoma ativados e desativados. Alguns dos melhores veículos podem operar totalmente por conta própria. 

Como a tecnologia ainda está engatinhando em muitos aspectos, as montadoras e as universidades de pesquisa estão trabalhando continuamente para melhorar a tecnologia e os algoritmos. Quando ocorrem acidentes, geralmente são resultado de um erro de julgamento da IA ​​do carro ou de um erro humano. 

Sensores humanos

Os olhos humanos também são uma forma de sensores, pois percebem o equilíbrio e o movimento. Nosso cérebro atua como um processador, ajudando-nos a entender nosso ambiente. Juntos, eles nos permitem dirigir em todos os cenários, mesmo naqueles que são novos, já que nosso cérebro pode generalizar novas experiências. 

Os veículos autônomos geralmente têm duas câmeras montadas em gimbals e escaneiam e percebem a profundidade usando visão estéreo para imitar a visão humana. Ao mesmo tempo, equilíbrio e movimento podem ser medidos com uma unidade de medição inercial. Os computadores, por outro lado, só podem reagir a cenários encontrados anteriormente ou àqueles que já foram programados para reconhecer. 

Fusão de Sensores

Os veículos autônomos dependem de algoritmos de inteligência artificial específicos para tarefas, que exigem vários sensores, como câmeras olho de peixe, sensores infravermelhos, radar, detecção de luz e lidar.

Nathir Rawashdeh é professor assistente de computação na Michigan Tech's College of Computing e um dos principais autores do estudo. 

“Cada sensor tem limitações, e cada sensor cobre as costas do outro”, disse Rawashdeh. “A fusão de sensores usa múltiplos sensores de diferentes modalidades para entender uma cena. Não é possível programar exaustivamente para cada detalhe quando as entradas têm padrões complexos. É por isso que precisamos de IA.”

Os colaboradores do estudo incluíram Nader Abu-Alrub, estudante de doutorado em engenharia elétrica e de computação, e Jeremy Bos, professor assistente de engenharia elétrica e de computação. Outros colaboradores incluíram alunos de mestrado e graduados do laboratório de Bos: Akhil Kurup, Derek Chopp e Zach Jeffreies. 

Sensores autônomos e algoritmos autônomos são desenvolvidos quase exclusivamente em paisagens ensolaradas e claras. O laboratório de Bos começou a coletar dados em um veículo autônomo da Michigan Tech na neve pesada, e mais de 1,000 quadros de lidar, radar e dados de imagem foram coletados de estradas com neve na Alemanha e na Noruega. 

De acordo com Bos, a detecção do sensor é difícil devido a uma variedade de neve. É importante pré-processar os dados e garantir uma rotulagem precisa. 

 “Nem toda neve é ​​criada igual”, disse Bos. “A IA é como um chef — se você tiver bons ingredientes, haverá uma refeição excelente”, disse ele. “Dê à rede de aprendizado de IA dados sujos dos sensores e você obterá um resultado ruim.”

Alguns outros grandes desafios envolvem dados de baixa qualidade e sujeira, e o acúmulo de neve nos sensores causa seus próprios problemas. Mesmo após a liberação dos sensores, nem sempre há concordância na detecção de obstáculos. Muitas vezes é realmente difícil fazer com que os sensores e suas avaliações de risco se comuniquem e aprendam uns com os outros, pois cada um pode chegar à sua própria conclusão. No entanto, a equipe quer que sensores autônomos cheguem a uma conclusão coletivamente usando a fusão de sensores. 

“Em vez de votar estritamente, usando a fusão de sensores, chegaremos a uma nova estimativa”, diz Bos. 

Os sensores de veículos autônomos continuarão a aprender e melhorar com o mau tempo, e novas abordagens, como a fusão de sensores, podem abrir caminho para veículos autônomos em estradas com neve.