O desenvolvimento de veículos autónomos é uma das tendências mais modernas e populares no mundo da IA (Inteligência Artificial). E está, rapidamente, a conquistar terreno aos humanos, graças a sensores instalados nas viaturas que recolhem e analisam dados sobre a área circundante.
Mas de que forma interpretam os veículos, principalmente os autónomos, esses dados? Este é o maior case study de machine learning do setor automóvel. Os veículos autónomos conseguem identificar objetos, interpretar situações e tomar decisões com base em algoritmos de deteção e classificação de obstáculos.
Fazem-no através da deteção de objetos, classificando-os e interpretando o que eles realmente são. Existem empresas que fornecem serviços abrangentes de anotação de dados de modo a ajudar o algoritmo de machine learning para que o veículo tome as decisões certas quando circula em estrada.
Artigo relacionado: Carros autónomos: o dilema da reação vs decisão
A tecnologia de machine learning deve-se a uma fusão de muitos algoritmos, que se sobrepõem para minimizar falhas e garantir segurança. Algoritmos esses que interpretam sinais de trânsito, identificam faixas de rodagem e reconhecem cruzamentos. Um pouco como acontece na aviação, cujos sistemas de segurança funcionam segundo o princípio da redundância.
O objetivo dos veículos autónomos, mais do que facilitar a vida ao condutor e proporcionar uma experiência inigualável a bordo para os passageiros, é reduzir o número de acidentes nas estradas, tornando a mobilidade sustentável.
Os três principais sensores utilizados pelos veículos autónomos – câmaras, radares e LiDAR – funcionam em conjunto com os olhos e o cérebro humanos, dando ao carro uma visão clara do ambiente que o rodeia.
São esses sensores que permitem ao veículo identificar a localização, a velocidade e as formas 3D dos objetos que lhes estão próximos. Além disso, estão a ser construídos carros autónomos com unidades de medição de inércia que monitorizam e controlam quer a aceleração, quer a localização.
Tecnologia de ponta
As câmaras são fundamentais para tornar os veículos mais seguros. Os carros autónomos levam ao limite este conceito, ao disporem de várias colocadas em todos os ângulos para obter uma visão perfeita do ambiente.
Enquanto algumas câmaras têm um campo de visão mais amplo (cerca de 120°), outras dispõem de uma visão mais estreita para longa distância. As câmaras do tipo “olho de peixe” fornecem visões mais abrangentes para fins de estacionamento.
Artigo recomendado: Como a Inteligência Artificial pode mudar a indústria automóvel
Já os detetores de radar, aumentam o esforço dos sensores da câmara noturna sempre que a visibilidade é má. Enviam impulsos de ondas de rádio para localizar um objeto e recebem de volta sinais relativos à velocidade e localização do obstáculo.
No caso dos sensores LiDAR, calculam a distância através de impulsos de laser, dando aos veículos sem condutor visões 3D da área envolvente, adicionando informações mais ricas sobre forma e profundidade.
O LiDAR é uma das tecnologias mais importantes utilizadas no desenvolvimento dos veículos autónomos. Basicamente, trata-se de um dispositivo que envia impulsos de luz que refletem num objeto e regressam ao sensor LiDAR, que determina a sua distância. O LiDAR produz uma “nuvem” de pontos 3D que consiste numa representação digital da forma como o carro vê o mundo físico.
A importância da anotação de dados
Como conseguem os veículos com IA identificar sinais de trânsito, outras viaturas, marcações rodoviárias e outros obstáculos existentes na estrada? Precisamente por causa da anotação de dados, que desempenha um papel fundamental.
No fundo, é quando todos os dados brutos são tratados por intermédio de vários métodos de anotação, que permitem que o sistema de IA assimile o que precisa de aprender.
No setor automóvel, os métodos de anotação de dados mais comuns incluem anotação 3D Point Cloud, rotulagem de vídeo e segmentação de cena completa, para citarmos apenas alguns.
Um dos casos mais interessantes é a monitorização do movimento dos olhos do condutor para determinar a sua condição. Por exemplo, o veículo pode detetar se o condutor está ou não sonolento e se se encontra sob a influência de alguma substância, entre outras condições.
O sistema precisa de ser capaz de navegar dentro do ambiente envolvente, identificar adequadamente todos os obstáculos na estrada e tomar as ações necessárias. Esta funcionalidade exige uma quantidade significativa de anotação de dados.
A qualidade da anotação de dados é, igualmente, essencial, pois determina a precisão e a capacidade do veículo de circular na zona envolvente, sem nos esquecermos que estão em jogo vidas de pessoas.
Um dos principais objetivos dos carros autónomos é aumentar a segurança, já que 94% dos acidentes graves devem-se a erro humano. O objetivo, aqui, é reduzir o fator humano na condução e tornar o carro o mais preciso e seguro possível.
Ou seja, foram os humanos que inventaram o automóvel e que estão a colocá-lo num patamar inimaginável há 136 anos, quando Carl Benz registou a primeira patente de um veículo movido a motor, mas, agora, estão a passar o controlo à tecnologia por não saberem comportar-se ao volante. Irónico, não?
Leia também:
