Sensores de IA Podem Ajudar Veículos Autônomos em Cidades Nevadas

Um dos maiores desafios enfrentados por veículos autônomos é que eles têm dificuldade em navegar em más condições climáticas, o que realmente limita sua implementação em cidades nevadas como Detroit e Chicago. Os veículos dependem de dados de sensores cruciais para detectar obstáculos e permanecer no lado correto da estrada, mas esses dados têm dificuldade na neve. 

Em dois novos artigos apresentados em SPIE Defense + Commercial Sensing 2021, pesquisadores da Universidade Tecnológica de Michigan discutiram novas soluções para cenários de direção nevada com veículos autônomos.

Existem uma ampla gama de veículos autônomos, incluindo alguns com pontos cegos ou assistência de frenagem, e outros com modos de direção autônoma ligados e desligados. Alguns dos melhores veículos podem operar entirely por conta própria. 

Como a tecnologia ainda está em sua infância em muitos aspectos, os fabricantes de automóveis e universidades de pesquisa estão continuamente trabalhando para melhorar a tecnologia e os algoritmos. Quando acidentes ocorrem, eles são frequentemente o resultado de um julgamento errado do AI do carro ou de um erro humano. 

Sensores Humanos

Os olhos humanos também são uma forma de sensores, pois sentem equilíbrio e movimento. Nosso cérebro atua como um processador, ajudando-nos a entender o ambiente. Esses juntos nos permitem dirigir em todos os cenários, mesmo aqueles que são novos, desde que nossos cérebros possam generalizar experiências novas. 

Veículos autônomos geralmente têm duas câmeras montadas em gimbais, e eles escaneiam e percebem profundidade usando visão estereoscópica para imitar a visão humana. Ao mesmo tempo, equilíbrio e movimento podem ser medidos com uma unidade de medição inercial. Computadores, por outro lado, só podem reagir a cenários previamente encontrados ou aqueles que já foram programados para reconhecer. 

Fusão de Sensores

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

Nathir Rawashdeh é professor assistente de computação no College of Computing da Michigan Tech e um dos principais autores do estudo. 

“Cada sensor tem limitações, e cada sensor cobre as costas de outro”, disse Rawashdeh. “A fusão de sensores usa vários sensores de diferentes modalidades para entender uma cena. Você não pode programar exaustivamente para cada detalhe quando as entradas têm padrões difíceis. 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 estudantes de mestrado e graduados do laboratório de Bos: Akhil Kurup, Derek Chopp e Zach Jeffreies. 

Sensores autônomos e algoritmos de direção autônoma são quase exclusivamente desenvolvidos 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 dados de lidar, radar e imagem foram coletados de estradas nevadas na Alemanha e na Noruega. 

De acordo com Bos, a detecção de sensores é difícil devido à variedade de neve. É importante pré-processar os dados e garantir a marcação precisa. 

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

Outros desafios importantes envolvem dados de baixa qualidade e sujeira, e a neve se acumula nos sensores, causando seus próprios problemas. Mesmo após os sensores serem limpos, não há sempre concordância na detecção de obstáculos. É frequentemente muito difícil obter que os sensores e suas avaliações de risco se comuniquem e aprendam uns com os outros, pois cada um pode chegar a sua própria conclusão. No entanto, a equipe deseja que os sensores autônomos cheguem coletivamente a uma conclusão usando a fusão de sensores. 

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

Os sensores de veículos autônomos continuarão a aprender e melhorar em más condições climáticas, e novas abordagens como a fusão de sensores podem liderar o caminho para veículos autônomos em estradas nevadas.