Sistema do MIT tenta ensinar a realidade aos carros autônomos
Simular situações de quase acidente é um desafio a ser vencido pela ciência
Uma das polêmicas envolvendo os carros autônomos é saber até que ponto o sistema embarcado nesses veículos é robusto para escapar de acidentes graves – além de outras controvérsias mais românticas, no caso das gerações mais velhas que não querem abrir mão do prazer de guiar, por exemplo.
Em relação ao primeiro ponto – foi mostrado em várias pesquisas que a tecnologia levará décadas para se tornar massificada, principalmente no Brasil –, existe uma contribuição recente do Instituto de Tecnologia de Massachusetts (MIT, na sigla em inglês) que pode fazer diminuir a insegurança dos usuários. Os cientistas do tradicional polo de inovação mundial, localizado nos Estados Unidos, desenvolveram um sistema que aproxima a realidade das ruas aos programas usados para controlar os veículos sem motoristas.
Até hoje, a estratégia usada para os carros autônomos funcionarem depende totalmente dos cenários exibidos a eles, que são baseados em trajetórias calculadas a partir de situações reais, protagonizadas pelos humanos. Um dos gargalos é fazer o veículo perceber como fugir de colisões ou de situações dramáticas. Entre elas, a de não sair da pista de rolamento.
Mesmo com o desenvolvimento de várias soluções para tentar evitar que os carros protagonizassem episódios de acidentes graves, nenhuma delas havia funcionado com segurança em veículos na escala real. Mas, em maio, pesquisadores do Laboratório de Inteligência Artificial e Ciências da Computação (CSAIL, na sigla em inglês) do MIT conseguiram quebrar esse paradigma.
O simulador “foto realístico” desenvolvido nos laboratórios americanos, chamado Virtual Image Synthesis and Transformation for Autonomy (Vista), processa imagens reais, captadas por humanos dirigindo nas estradas, para ensinar ao carro as infinitas trajetórias que ele pode tomar em uma situação real de rua.
Nos testes realizados pelos pesquisadores, um veículo autônomo em escala real treinado pelo simulador Vista conseguiu trafegar com segurança por ruas que ele nunca havia visto. Em situações de quase acidente, o programa conseguiu recuperar a trajetória do carro em poucos segundos, evitando que a viagem terminasse em uma colisão grave.
“É difícil coletar dados de casos extremos que os humanos não experimentam com muita frequência nas estradas”, afirma Alexander Amini, um dos responsáveis pela pesquisa. “Em nossa simulação, entretanto, os sistemas de controle puderam experimentar essas situações, aprender por si mesmos a se recuperar e permanecer robustos quando implantados em veículos no mundo real”, explica o cientista.
MUNDO 3D
O que se viu até agora na maioria dos grupos que estudam os carros autônomos é o desenvolvimento
SIMULADOR AMERICANO PROCESSA IMAGENS REAIS, CAPTADAS POR HUMANOS DIRIGINDO EM ESTRADAS
quase manual de cenários que tentam imitar o mundo real. Tanto empresas quanto universidades que se debruçam sobre o tema costumam usar equipes de designers e engenheiros para esboçar a realidade. Esses ambientes virtuais são feitos com marcações precisas de estradas, faixas de rolamento e até árvores nas margens do caminho. Um problema praticamente constante dessas simulações é que elas costumam ficar muito distantes do mundo real. É praticamente impossível considerar toda a complexidade de uma via de verdade dentro de um simulador.
No mecanismo de simulação orientado por dados reais do MIT, o carro sem motorista é capaz de perceber novas trajetórias a partir da aparência da estrada. E também processar a distância e o movimento de tudo o que estiver em seu campo de visão.
O sistema, abastecido com imagens de vídeos de seres humanos dirigindo pelas estradas, projeta os pixels de cada quadro que ele enxerga em um tipo de nuvem de pontos 3D. Quando o veículo dá um comando de direção, o programa de controle sintetiza uma nova trajetória por meio da nuvem de pontos, com base na orientação e na velocidade do veículo. Conforme o veículo vai se deslocando, seus novos pontos de vista vão sendo reprocessados, o que permite ao sistema ter a noção de profundidade.