Problemas de Veículos Autodirigíveis e Como Resolvê-los – Líderes de Pensamento

Veículos autônomos exigem mais do que inteligência artificial simples. Um carro autodirigível recebe dados de várias fontes, como sonares, câmeras, radares, GPS e lidars, permitindo que ele navegue em qualquer ambiente. As informações desses dispositivos devem ser processadas rapidamente, e os volumes de dados são massivos.

As informações dos sensores não são processadas apenas pelo computador do carro em tempo real. Alguns dados são enviados para centros de dados periféricos para análise adicional. E, em seguida, por meio de uma hierarquia complexa, é redirecionado para várias nuvens.

A inteligência artificial que o veículo é dotado é crucial, mas também as capacidades de processamento dos computadores embarcados, servidores periféricos e nuvem. A velocidade de envio e recebimento de dados pelo carro, juntamente com a baixa latência, também são muito importantes.

Problema de Volume de Dados

Mesmo os carros comuns, com um motorista ao volante, estão gerando cada vez mais dados. Carros autodirigíveis podem gerar aproximadamente 1 TB de dados por hora. Essa quantidade de dados é simplesmente gigantesca. E representa uma das barreiras para a adoção em massa de direção autônoma.

Infelizmente, todos os dados de um carro autodirigível não podem ser processados na nuvem ou em centros de dados periféricos, pois isso introduz um atraso excessivo. Mesmo um atraso de 100 ms pode fazer a diferença entre a vida ou a morte de um passageiro ou pedestre. O carro deve responder às circunstâncias emergentes o mais rápido possível.

Para reduzir o atraso entre a recepção de informações e a resposta a elas, parte das informações é analisada pelo computador embarcado. Por exemplo, os novos modelos Jeep são equipados com um computador embarcado com 25-50 núcleos de processamento que serve ao controle de cruzeiro, monitor de ponto cego, alerta de obstáculo, freio automático, etc. Os nós do veículo se comunicam entre si por meio de uma rede interna. Isso também se encaixa no conceito de computação periférica se considerarmos o computador embarcado como um nó periférico da rede. Como resultado, veículos autodirigíveis formam uma rede híbrida complexa que combina centros de dados centralizados, nuvem e muitos nós periféricos. Estes últimos estão localizados não apenas em carros, mas também em semáforos, postos de controle, estações de carregamento, etc.

Tais servidores e centros de dados fora do carro fornecem toda a assistência possível para a direção autônoma. Eles permitem que o carro “veja” além do alcance de seus sensores, coordene a carga na rede rodoviária e ajude a tomar decisões ótimas.

Interação entre Si e com a Infraestrutura

Sistemas de visão computacional e GPS fornecem aos carros autodirigíveis informações sobre sua localização e entorno imediato. No entanto, o alcance do ambiente calculado está constantemente aumentando. Ainda assim, um carro pode coletar apenas uma quantidade limitada de informações. Portanto, a troca de dados é absolutamente necessária. Como resultado, cada veículo pode analisar melhor as condições de direção com base no conjunto de dados mais significativo coletado pela frota de veículos autodirigíveis. Sistemas de comunicação veículo-veículo (V2V) dependem de redes em malha criadas por veículos na mesma área geográfica. V2V é usado para trocar informações e enviar sinais a outros veículos, como avisos de distância.

Redes V2V podem ser estendidas para compartilhar informações com infraestrutura de trânsito, como semáforos. Já é apropriado falar em comunicação veículo-infraestrutura (V2I) aqui. Os padrões V2I continuam a evoluir. Nos EUA, a Administração Federal de Rodovias (FHWA) emite regularmente vários guias e relatórios V2I para ajudar a melhorar a tecnologia. Os benefícios de V2I vão muito além da segurança. Além de melhorar a segurança, a tecnologia veículo-infraestrutura fornece vantagens em termos de mobilidade e interação com o ambiente.

Motoristas que seguem a mesma rota todos os dias lembram de todos os buracos na estrada. Carros autodirigíveis também estão constantemente aprendendo. Carros autodirigíveis carregarão informações úteis disponíveis para centros de dados periféricos, por exemplo, integrados em estações de carregamento. Estações de carregamento confiarão em algoritmos de inteligência artificial que ajudarão a analisar os dados recebidos dos carros e oferecer soluções possíveis. Por meio da nuvem, esses dados serão transmitidos para outros veículos autodirigíveis na rede comum.

Se esse modelo de troca de dados entre todos os carros autodirigíveis realmente se materializar em alguns anos, então podemos esperar exabytes (milhões de terabytes) de dados por dia. De acordo com várias estimativas, de centenas de milhares a dezenas de milhões de carros autodirigíveis podem aparecer nas estradas nesse momento.

5G como a Chave para o Sucesso

Como mencionado anteriormente, carros autodirigíveis podem receber informações sobre pedestres e ciclistas não apenas de seus sensores, mas também por meio da troca de dados com outros carros, semáforos e outras infraestruturas urbanas.

Vários projetos de carros conectados 5G já existem. Carros usam a rede 5G do operador de telefonia móvel e a tecnologia C-V2X (Cellular Vehicle-to-Everything) para se comunicar com outros carros, ciclistas e até semáforos. Estes últimos são equipados com imagens térmicas que detectam pedestres se aproximando da cruzamento; como resultado, um aviso aparece no painel do carro. Ciclistas conectados são informados de sua localização, o que evita situações perigosas. Em caso de visibilidade ruim, os carros estacionados acendem automaticamente as luzes de emergência, notificando todos os carros que se aproximam de sua posição.

As capacidades das redes móveis 5G são úteis aqui. Elas fornecem velocidades rápidas, latência muito baixa e a capacidade de suportar um grande número de conexões simultâneas. Carros autodirigíveis sem essas capacidades de processamento de dados não poderão realizar muitas tarefas mais rápido do que uma pessoa. Por exemplo, para determinar a aparência de um pedestre no cruzamento mais próximo. Além disso, os atrasos devem ser minimizados, pois mesmo um atraso de fração de segundo pode levar a um acidente.

Grandes fabricantes de carros, como BMW, Daimler, Hyundai, Ford e Toyota, já estão integrando a tecnologia 5G em seus produtos. Bilhões de dólares já foram gastos por operadoras de telefonia móvel construindo redes 5G. Então, é o momento certo de dar aos veículos um conjunto de habilidades que será útil no funcionamento diário.

Todos os experimentos com carros autodirigíveis conectados 5G irão parar a menos que uma infraestrutura 5G esteja no lugar. Mais uma vez, um veículo autodirigível pode gerar 1 TB de dados por hora, então a rede móvel deve estar pronta para transferir esses dados.

Como Processar e Armazenar Exabytes de Dados

Não todos os tipos de dados exigem processamento imediato, e o computador embarcado tem capacidades de desempenho e armazenamento limitadas. Portanto, os dados que podem “esperar” devem ser acumulados e analisados em centros de dados periféricos, enquanto alguns dos dados migrarão para a nuvem e serão processados lá.

É responsabilidade dos governos municipais e fabricantes de carros capturar, processar, transferir, proteger e analisar dados sobre cada carro, congestionamento, pedestre ou buraco. Alguns arquitetos de cidades inteligentes já estão experimentando algoritmos de aprendizado de máquina que analisam dados de trânsito de forma mais eficiente para identificar rapidamente buracos na estrada, regular o trânsito e responder instantaneamente a acidentes. Do ponto de vista global, algoritmos de aprendizado de máquina fornecem recomendações para melhorar a infraestrutura urbana.

Para introduzir a direção autônoma plena em nossa vida, é necessário resolver o problema de processar e armazenar vastas quantidades de dados. Todos os dias, um veículo autodirigível pode gerar até 20 TB de dados. Apenas um carro! No futuro, isso pode levar a exabytes de dados gerados em um dia. Para armazenar esses dados, é necessário uma infraestrutura de borda de alto desempenho, flexível, segura e confiável. Também há o problema do processamento eficiente de dados.

Para que o computador embarcado tome decisões em tempo real, ele precisa das informações mais atualizadas sobre o ambiente. Dados antigos, como informações sobre a localização do carro e velocidade uma hora atrás, normalmente não são mais necessários. No entanto, esses dados são úteis para a melhoria adicional dos algoritmos de direção autônoma.

Desenvolvedores de sistemas de inteligência artificial devem receber grandes quantidades de dados para treinar redes de aprendizado profundo: identificar objetos e seu movimento por meio de câmeras, informações de lidar e combinar informações sobre o ambiente e infraestrutura para tomar decisões. Para especialistas em segurança rodoviária, os dados coletados por carros imediatamente antes de acidentes ou situações perigosas na estrada são vitais.

À medida que os dados são coletados por carros autodirigíveis e transferidos deles para centros de dados periféricos, após o que eles migram para o armazenamento em nuvem, a questão de usar uma arquitetura de armazenamento de dados otimizada e em camadas se torna cada vez mais relevante. Dados frescos devem ser analisados imediatamente para melhorar os modelos de aprendizado de máquina. É necessário alto rendimento e baixa latência. SSDs e discos rígidos de alta capacidade HAMR com suporte a tecnologias de multi-unidade são os mais adequados para esse propósito.

Depois que os dados passam pela etapa inicial de análise, eles devem ser armazenados de forma mais eficiente: em armazenamento de capacidade alta, mas de baixo custo, tradicional. Esses servidores de armazenamento são bem adequados se os dados possam ser necessários no futuro. Dados antigos que são improváveis de serem necessários, mas devem ser mantidos por algum outro motivo, podem ser movidos para o nível de arquivamento.

Os dados serão processados e analisados cada vez mais na borda, inaugurando a era da Indústria 4.0, que está mudando a forma como usamos os dados. A computação de borda permitirá que os dados sejam processados perto de onde eles estão sendo coletados, em vez de um servidor de nuvem tradicional, permitindo que sejam analisados muito mais rapidamente, respondendo imediatamente às situações em mudança. Uma rede de alta velocidade de troca de informações entre carros e centros de dados periféricos ajudará a tornar a direção autônoma mais segura e confiável.

Conclusão

Esperamos que essa análise tenha lançado alguma luz sobre a importância dos dados no campo da direção autônoma. A adoção em massa de veículos autodirigíveis envolve a coleta de grandes quantidades de dados que devem ser processados não apenas pelo computador embarcado, mas também por servidores de borda e nuvem. A infraestrutura de processamento de dados deve estar pronta antes.

À medida que a adoção do 5G se espalha, carros autodirigíveis começarão a gerar cada vez mais dados, que serão analisados e usados para tornar as cidades inteligentes uma realidade. Alcançar esse objetivo não será muito fácil, mas no final, abriremos um novo capítulo na história de um meio de transporte tão popular quanto o carro.

Carros autodirigíveis estão à frente das tecnologias de inteligência artificial, comunicações e armazenamento de dados. Para atingir o nível de direção autônoma plena, é necessário continuar o desenvolvimento e a melhoria dessas tecnologias.