Equipe Internacional Dá Grande Passo em Frente na Tecnologia de Veículos Autônomos

Os veículos autônomos estão prestes a revolucionar o transporte — no entanto, sua implementação bem-sucedida depende da capacidade de reconhecer e responder com precisão a ameaças externas. Desde algoritmos de processamento de sinais e análise de imagens até sistemas de inteligência de aprendizado profundo integrados à infraestrutura de IoT, uma variedade de tecnologias deve ser utilizada para que os carros autônomos forneçam operação segura em terrenos variados. Para garantir que a segurança dos passageiros não seja comprometida à medida que esses carros de ponta se tornam mais comuns, métodos robustos precisam ser desenvolvidos para detectar rapidamente e de forma confiável possíveis perigos.

Os veículos autodirigíveis dependem de sensores de alta tecnologia, como LiDAR, radar e câmeras RGB, para gerar grandes quantidades de informações para identificar corretamente pedestres, outros motoristas e possíveis perigos. A integração de capacidades de computação avançadas e Internet das Coisas (IoT) nesses carros automatizados permite processar rapidamente esses dados no local para navegar áreas e objetos de forma mais eficiente. Em última análise, isso permite que o veículo autônomo tome decisões em frações de segundo com uma precisão muito maior do que a de motoristas humanos tradicionais.

Grande Passo em Frente na Tecnologia de Dirigir Autônomo

Pesquisas inovadoras conduzidas pelo Professor Gwanggil Jeon, da Universidade Nacional de Incheon, Coreia do Sul, e sua equipe internacional, marcam um grande passo em frente na tecnologia de dirigir autônomo. O sistema inteligente de ponta a ponta habilitado para IoT que eles desenvolveram permite a detecção de objetos 3D em tempo real usando aprendizado profundo, tornando-o mais confiável e eficiente do que nunca. Ele pode detectar um número aumentado de objetos com mais precisão, mesmo em ambientes desafiadores, como baixa luz ou condições meteorológicas incomuns — algo que outros sistemas não conseguem fazer. Essas capacidades permitem uma navegação mais segura em torno de várias situações de trânsito, elevando o padrão para sistemas de dirigir autônomo e contribuindo para a melhoria da segurança nas estradas em todo o mundo.

A pesquisa foi publicada na revista IEEE Transactions of Intelligent Transport Systems.

“Para veículos autônomos, a percepção do ambiente é fundamental para responder a uma pergunta central, ‘O que está ao meu redor?’ É essencial que um veículo autônomo possa entender de forma eficaz e precisa as condições e ambientes ao seu redor para realizar uma ação responsiva,” explica o Prof. Jeon. “Desenvolvemos um modelo de detecção baseado no YOLOv3, um algoritmo de identificação bem conhecido. O modelo foi usado inicialmente para detecção de objetos 2D e, em seguida, modificado para objetos 3D,” ele continua.

Baseando o Modelo no YOLOv3

A equipe forneceu as imagens RGB coletadas e os dados de nuvem de pontos ao YOLOv3, que, por sua vez, produziu rótulos de classificação e caixas delimitadoras com pontuações de confiança. Seu desempenho foi testado com o conjunto de dados do Lyft, e os resultados iniciais demonstraram que o YOLOv3 alcançou uma precisão de detecção extremamente alta (>96%) para objetos 2D e 3D. O modelo superou vários modelos de detecção de estado da arte.

Esse método recém-desenvolvido pode ser usado para veículos autônomos, estacionamento autônomo, entrega autônoma e robôs autônomos futuros. Ele também pode ser usado em aplicações onde a detecção de objetos e obstáculos, rastreamento e localização visual são necessários.

“Atualmente, a direção autônoma está sendo realizada por meio do processamento de imagens baseado em LiDAR, mas é previsto que uma câmera comum substituirá o papel do LiDAR no futuro. Como tal, a tecnologia utilizada nos veículos autônomos está mudando a cada momento, e estamos à frente,” afirma o Prof. Jeon. “Com base no desenvolvimento de tecnologias elementares, veículos autônomos com segurança aprimorada devem estar disponíveis nos próximos 5-10 anos.”