No conceito inicial de veículo autónomo acreditava-se que estes iriam circular seguindo as instruções introduzidas nos sistemas de condução, no entanto este conceito pode ter grandes alterações em breve.
Os veículos com sistema de condução autónoma, como é o exemplo do piloto automático da Tesla ou do ProPilot do Nissan Leaf, utilizam redes neurais artificiais, que são caracterizadas por não ter memória de eventos passados.
Um veículo autónomo, através das redes neurais artificiais, tem capacidade para navegar por ruas congestionadas das cidades, bem como por outros ambientes menos movimentados, sendo capaz de reconhecer outros veículos, pedestres e até potenciais obstáculos na via. No entanto, não importa quantas vezes o automóvel passe pelas mesmas estradas, a redes neurais artificiais não tem capacidade para reconhecer caminhos antes feitos, o que é particularmente problemático quando se utiliza este modo de condução em condições climáticas adversas, quando o condutor não pode confiar a 100% nos sensores do automóvel.
Artigo relacionado: Carros autónomos: o dilema da reação vs decisão
Com o objetivo de contornar este problema, investigadores da Cornell Ann S.Bowers College of Computing and Information Science e da College of Engineering produziram três trabalhos de investigação que visam a ajudar automóveis autónomos a “criar memórias” de experiências anteriores e utilizá-las na navegação futura.
Neste estudo, liderado por Carlos Diaz-Ruiz, o grupo criou uma extensa base de dados conduzindo repetidamente um carro equipado com sensores LiDAR (Light Detection and Ranging) ao longo de 15 km durante 1 ano e meio, na cidade de Ithaca em Nova Iorque.
O percurso incluiu autoestrada, zonas urbanas e campo, e foi realizado em condições climatéricas distintas (chuva, sol, neve, nevoeiro) e a diferentes horas do dia, o que resultou numa base de dados com mais de 600 mil cenários.
Segundo Katie Luo, uma das investigadoras do estudo, é rara a estrada que ainda não foi conduzida por ninguém, pelo que o objetivo seria de utilizar as informações capturadas por todos os automóveis que venham a usar esta tecnologia e permitir ser utilizado por todos os condutores, mesmo que ainda não tenham passado por certo caminho com o seu próprio carro.
Como funcionaria a condução autónoma através da memória?
Durante o estudo foram testadas várias abordagens. Uma delas, a Hindsight, utiliza redes neurais para calcular as distâncias dos objetos à medida que o automóvel passa por eles. De seguida, o sistema de condução autónoma comprime todas estas informações numa base de dados, apelidado pelo grupo de investigação de SQuaSH (Spatial-Quantized Sparse History) que posteriormente irá armazenar estes dados num mapa virtual – a tal “memória de experiências passadas” acima referida.
Com esta tecnologia, sempre que um automóvel circular num local já antes percorrido por outros condutores que utilizam a mesma tecnologia, vai conseguir visualizar automaticamente a base de dados SQuaSH.
Veja todos os Tesla usados à venda no Standvirtual
Conclusão do estudo
A conclusão fundamental é que “os automóveis podem realmente memorizar caminhos” afirma Kilian Weinberger, um dos autores do estudo. O professor acrescenta ainda que “um carro pode confundir uma árvore com um formato estranho com um pedestre na primeira vez que o seu sensor o deteta à distância, mas assim que estiver suficientemente perto, a categoria do objeto tornar-se-á clara. Assim, na segunda vez que passar pela mesma árvore, mesmo com nevoeiro ou neve, espera-se que o carro tenha agora aprendido a reconhecê-la corretamente”.
Os investigadores esperam que com estas abordagens seja reduzido o custo de produção dos veículos autónomos. Ao tornar os carros mais eficientes a memorizar os locais por onde passam e criando uma base de dados que pode ser utilizada por todos os condutores, é possível minimizar o custo de utilização de bases de dados que dependem de mão de obra manual e não da inteligência artificial.
Leia também:
