Por que os Carros Autônomos são o Futuro e Como Eles são Criados?

Devido às recentes medidas de quarentena adaptativa impostas em quase todas as partes do mundo, as viagens aéreas, o transporte público e muitos outros setores sofreram um grande impacto em 2020. No entanto, o mundo automotivo e os veículos autônomos, em particular, mostraram uma grande resiliência durante esse período difícil. Na verdade, empresas como a Ford aumentaram seus investimentos no desenvolvimento de carros elétricos e autônomos, alocando $29 bilhões de dólares no quarto trimestre do ano passado. Especificamente, $7 bilhões desses recursos serão destinados ao desenvolvimento de carros autônomos. Portanto, a Ford está se juntando à General Motors, Tesla, Baidu e outras montadoras em investir pesadamente em veículos autônomos. Neste artigo, vamos contar sobre por que as empresas investem em carros autônomos e como os algoritmos de aprendizado de máquina que os impulsionam são treinados.

Por que Muitas Empresas Estão Investindo em Carros Autônomos?

Quando olhamos para todos os benefícios oferecidos pelos veículos autônomos, é fácil entender por que tantas empresas estão investindo em seu desenvolvimento. Os motoristas poderão economizar mais dinheiro, pois não precisarão pagar por planos de seguro caros, isso acelerará suas viagens diárias, melhorará a economia de combustível e muitos outros benefícios. Para as empresas, essa automação abre a porta para maiores economias. Um excelente exemplo disso é o transporte de longa distância autônomo, que poderá reduzir os custos operacionais em 45%, de acordo com um relatório da McKinsey & Company.

O principal benefício deve ser a segurança aumentada. De acordo com a NHTSA, 94% dos acidentes graves são resultado de erros humanos. Os carros autônomos podem reduzir significativamente o número de acidentes, pois não requerem nenhuma entrada do motorista e têm uma visão de 360 graus em todos os momentos. Além disso, os sistemas avançados de segurança do motorista (ADAS) podem assumir funções críticas de segurança em situações perigosas, como frenagem e direção. Existem muitos valores adicionais que os veículos autônomos oferecem à sociedade, como a redução de emissões. Na verdade, um caso básico mostrou uma redução de 9% na energia e nas emissões de GEE na vida útil do veículo em comparação com as de um veículo convencional. Agora que sabemos todos os benefícios que os carros autônomos têm a oferecer, vamos dar uma olhada em como eles são treinados para reconhecer o mundo ao seu redor.

Como os AVs Funcionam e Como os AVs Podem se Tornar uma Realidade

Um veículo autônomo precisa seguir as regras da estrada e, para fazer isso, precisa reconhecer todos os diferentes sinais de trânsito, marcas de estrada, detectar outros veículos e pedestres e inúmeros outros objetos. Esses veículos de IA dependem do aprendizado de máquina para “calcular” o que precisa ser feito em todos os tipos de situações de direção. Vamos começar com um exemplo básico. Uma pessoa está em seu AV dirigindo na rodovia para ir ao trabalho. O carro precisará identificar corretamente o limite de velocidade, manter uma distância segura do carro da frente e, quando entrar em uma área residencial, precisará reconhecer pedestres e deixá-los cruzar a rua.

Isso requer milhares e milhares de imagens para serem anotadas por técnicas que variam desde a marcação até a segmentação semântica. Na verdade, Evgenia Khimenko, CEO da Mindy Support, uma empresa que fornece serviços de anotação de dados para o setor automotivo, diz que existem uma ampla gama de projetos de anotação de dados para a indústria automotiva:

“Esses incluem projetos como reconhecimento facial em vídeos para treinar carros autônomos para identificar o comportamento de outros motoristas na estrada, marcação e anotação de vídeo para detectar movimento e direção do veículo (anotamos mais de 545 milhões de sequências de imagens). Outra tarefa de anotação de áudio sofisticada foi quando tivemos que identificar o carimbo de data e hora e rotular a fala humana, bem como todo o ruído de fundo que ocorre dentro do veículo, como rádio, risos, gritos, cantos, animais e até silêncio”.

Vamos considerar um cenário complexo. Imagine que o veículo autônomo está dirigindo em um bairro residencial e há adolescentes com skate que estão esperando para cruzar a rua. De acordo com as regras, o carro tem o direito de passagem, mas há uma boa chance de que os adolescentes não esperem a luz ficar verde e tentem cruzar a rua prematuramente. Um motorista humano estará ciente desse risco e reduzirá a velocidade para antecipar tal evento, mas para uma máquina, isso seria muito difícil de calcular. Essa é a próxima etapa que os pesquisadores estão tentando alcançar com os veículos autônomos e simplesmente mais dados anotados podem ser a resposta.

Como os AVs Veem o Mundo Físico?

Os veículos autônomos dependem da tecnologia LiDAR para ajudá-los a ver o mundo ao seu redor. A LiDAR cria uma nuvem de pontos 3D, que é uma representação digital de como o sistema de IA vê o mundo. Essa tecnologia não é reservada apenas para veículos autônomos, também é usada para outros trabalhos de automação robótica, como criar um robô que possa colher culturas para o setor agrícola. A nuvem de pontos 3D também precisará ser anotada para que a máquina saiba exatamente o que está vendo. Isso é feito com técnicas como marcação, caixas 3D e segmentação semântica. Uma forma mais avançada de anotação seria colorir a nuvem de pontos 3D para que o veículo entenda a distância do objeto.

A forma como a LiDAR funciona é enviando um sinal de luz para todos os objetos ao redor e, dependendo de quanto tempo leva para a luz retornar, isso dá à IA uma compreensão de quão longe está o objeto. Por exemplo, o chão na nuvem de pontos 3D sempre será azul porque é o ponto mais baixo, a luz irá ricochetear rapidamente e o azul tem um comprimento de onda muito curto. Um dos prédios circundantes pode ser vermelho ou laranja, dependendo de quão longe está.

É importante notar que a LiDAR não é a única opção. Por exemplo, a Tesla usa algo chamado Hydrant, que é uma combinação de oito câmeras que costuram uma imagem completa da estrada. Outras empresas, como a Waymo e a Voyage, usam LiDAR. Um possível motivo pelo qual a Tesla pode estar evitando a LiDAR é que ela é muito volumosa e estraga a aparência geral do carro. Afinal, os Teslas são muito caros e os motoristas provavelmente não quererão uma grande caixa sentada no teto de seus carros. Empresas que desenvolvem robótaxis, como a Waymo, podem ser capazes de usar a LiDAR.

Por que os Dados de Treinamento de Qualidade São Tão Importantes?

Ter dados de treinamento de qualidade é uma das coisas mais essenciais que você precisa ter para criar um carro autônomo. No entanto, simplesmente obter esses dados não é suficiente. Os conjuntos de dados de treinamento precisam ser preparados por meio da anotação de dados para que o sistema de IA possa aprender com eles. Embora isso seja um processo muito demorado e tedioso, o sucesso de todo o projeto depende disso. Afinal, os carros autônomos são o futuro e podem potencialmente nos ajudar a reduzir ou até eliminar alguns dos problemas que estamos enfrentando em termos de acidentes de carro e vítimas, problemas ambientais e congestionamentos nas estradas.