Pesquisadores Desenvolvem Sistemas Autônomos Capazes de Detectar Mudanças em Sombras

Engenheiros do MIT desenvolveram um novo sistema que é extremamente importante para veículos autônomos e sua segurança. O sistema é capaz de detectar pequenas mudanças em sombras no chão e pode determinar se há objetos móveis ao redor da esquina. 

Um dos principais objetivos de qualquer empresa que busca criar veículos autônomos é aumentar a segurança. Engenheiros estão constantemente trabalhando para melhorar a capacidade dos veículos de evitar colisões com outros carros ou pedestres, especialmente aqueles que estão vindo de uma esquina de um prédio. 

O novo sistema também tem o potencial de ser usado em robôs que navegam em hospitais. Esses robôs poderiam entregar medicamentos ou suprimentos em todo o hospital, e o sistema os ajudaria a evitar atingir pessoas. 

Um artigo será apresentado na próxima semana na Conferência Internacional sobre Robôs e Sistemas Inteligentes (IROS). Ele inclui descrições dos experimentos bem-sucedidos realizados pelos pesquisadores, incluindo um carro autônomo manobrando em torno de um estacionamento e parando ao se aproximar de outro veículo.

O sistema atual é frequentemente o LIDAR, que é capaz de detectar objetos visíveis por mais de meio segundo. De acordo com os pesquisadores, frações de um segundo podem fazer uma grande diferença em veículos autônomos que se movem rapidamente.  

“Para aplicações em que robôs estão se movendo em ambientes com outros objetos móveis ou pessoas, nosso método pode dar ao robô um aviso antecipado de que alguém está vindo de uma esquina, para que o veículo possa desacelerar, adaptar seu caminho e se preparar com antecedência para evitar uma colisão”, acrescenta a coautora Daniela Rus, diretora do Laboratório de Ciência da Computação e Inteligência Artificial (CSAIL) e professora de Engenharia Elétrica e Ciência da Computação Andrew e Erna Viterbi. “O grande sonho é fornecer uma visão de ‘raio-X’ para veículos que se movem rapidamente nas ruas.”

O novo sistema autônomo foi testado apenas em ambientes internos. Nessas condições, as condições de iluminação são mais baixas e as velocidades dos robôs são mais lentas. O sistema autônomo pode analisar e detectar sombras com muito mais facilidade nesse ambiente. 

O artigo foi compilado por Daniela Rus; o primeiro autor Felix Naser, que é um ex-pesquisador do CSAIL; Alexander Amini, um estudante de pós-graduação do CSAIL; Igor Gilitschenski, um pós-doutorando do CSAIL; a estudante de pós-graduação Christina Liao; Guy Rosman, do Instituto de Pesquisa da Toyota; e Sertac Karaman, professor associado de aeronáutica e astronáutica do MIT. 

Sistema ShadowCam

Antes dos novos desenvolvimentos, os pesquisadores já tinham um sistema chamado “ShadowCam”. O sistema é capaz de identificar e classificar mudanças em sombras no chão por meio de técnicas de visão computacional. As versões anteriores do sistema foram desenvolvidas pelos professores do MIT William Freeman e Antonio Torralba. Os dois professores não foram coautores do artigo do IROS, e seu trabalho foi apresentado em 2017 e 2018. 

O ShadowCam utiliza frames de vídeo de uma câmera específica e é capaz de detectar qualquer mudança na intensidade da luz ao longo do tempo. Isso informa ao sistema se algo está se afastando ou se aproximando, e ele então analisa as informações e classifica cada imagem como um objeto estacionário ou móvel. Isso permite que o sistema proceda da melhor maneira possível. 

O ShadowCam foi ajustado e modificado para ser usado em veículos autônomos. Originalmente, ele usava rótulos de realidade aumentada chamados “AprilTags”, que eram como códigos QR. O ShadowCam usava esses rótulos para se concentrar em certos clusters de pixels para determinar se havia sombras presentes. No entanto, esse sistema provou ser impossível de usar em cenários do mundo real. 

Devido a isso, os pesquisadores criaram um novo processo que usa registro de imagem e uma técnica de odometria visual juntos. O registro de imagem sobrepoem múltiplas imagens para identificar qualquer variação. 

A técnica de odometria visual que os pesquisadores usam é chamada “Odometria Esparsa Direta” (DSO), e ela opera de forma semelhante aos AprilTags. A DSO usa uma nuvem de pontos 3D e traça as diferentes características de um ambiente nela. Um pipeline de visão computacional então localiza uma região de interesse, como o chão. 

O ShadowCam usa a DSO e o registro de imagem e sobrepoem todas as imagens da mesma visão do robô. O robô, em movimento ou parado, é então capaz de se concentrar no mesmo patch de pixels onde há uma sombra. 

O Que Vem a Seguir

Os pesquisadores continuarão a trabalhar nesse sistema e se concentrarão nas diferenças entre as condições de iluminação interna e externa. Em última análise, a equipe deseja aumentar a velocidade do sistema, bem como automatizar o processo.