sábado, 1 de dezembro de 2018

Por que veículos autônomos precisam de uma bola de cristal



LOS ANGELES - Um pedestre fica ao longo de uma rua com um pé no meio-fio e outro na faixa de pedestres. Um ciclista levanta um pé do chão e coloca-o em um pedal. Um corredor mantém um ritmo constante enquanto se dirige para um cruzamento.Determinar se os usuários da estrada pretendem esperar que o tráfego passe ou inicie suas viagens do outro lado da rua se tornou um dos maiores desafios para os desenvolvedores de sistemas autônomos. Eles precisam da versão veicular de uma bola de cristal altamente precisa."Você não pode parar para todos os seres humanos em pé ao lado da estrada todas as vezes", disse Henrik Green, vice-presidente sênior de P & D da Volvo Car Group. "Mas você também precisa parar no ponto certo quando o pedestre estiver prestes a entrar na rua."

Na semana passada, no Salão do Automóvel de Los Angeles, a Volvo afirmou que alcançou um marco no aprimoramento dessa capacidade. Enquanto a maioria das empresas tenta decifrar a intenção dos usuários de rodovias usando informações de câmeras, a Volvo diz que agora pode coletar informações suficientes dos sensores de telecom para identificar objetos à frente dos veículos e prever seu comportamento.Trabalhando com o fornecedor Luminar, da Audi, a Volvo diz que as empresas agora podem rastrear os movimentos das mãos e das pernas de pedestres a uma distância de 250 metros. Dirigindo a 75 mph, isso daria sistemas autônomos até sete segundos para detectar objetos e prever seus movimentos.Isso é crítico para descobrir situações como determinar se um policial está direcionando o tráfego para ir em frente ou parar, diz Austin Russell, fundador da Luminar."A realidade é que mesmo os sistemas de veículos autônomos de melhor desempenho não podem responder com segurança a situações como essa hoje", disse Russell.

Mais do que movimento

Essas deficiências foram ressaltadas em março, quando um veículo autônomo da Uber atingiu e matou um pedestre em Tempe, Arizona - a primeira fatalidade conhecida envolvendo um sistema autônomo.Houve uma infinidade de falhas que contribuíram para o acidente, começando com um motorista de segurança humana que assistiu "The Voice" em seu telefone em vez da estrada à frente. Mas, ao longo dos seis segundos em que Elaine Herzberg foi detectada pelo sistema de autodireção, não deixou de classificá-la como pedestre, primeiro determinando que ela era um objeto desconhecido, depois um veículo e, finalmente, uma bicicleta. Nem previa que seus caminhos se encontrariam.

Às vezes, detectar movimento sozinho pode não ser suficiente para oferecer previsões precisas. Se um corredor tiver sido detectado por três segundos consecutivamente em direção a uma interseção, em um exemplo, o melhor preditor de intenção futura pode não ser a trajetória detectada, mas se o rosto foi detectado olhando para o veículo que se aproxima. Se um pedestre for detectado olhando para o smartphone, isso indicaria uma maior probabilidade de comportamento de risco."O importante é entender esses tipos de recursos, em vez de apenas olhar para o movimento", disse Leslie Nooteboom, co-fundador e diretor de design da Humanising Autonomy, uma startup britânica que construiu uma plataforma de previsão para uso em autoatendimento. dirigindo veículos.Além dos engenheiros de software, a Humanising Autonomy empregou uma equipe de psicólogos comportamentais que filtram imagens de câmeras e ajudam a treinar sistemas de aprendizagem profunda sobre como os usuários da estrada se comportam.

Nos detalhes

O escopo do desafio não pode ser superestimado: ele pode ser tão amplo quanto os sistemas de treinamento sobre como os pedestres interagem com os veículos em uma base regional ou por costumes culturais. Ou pode ser tão local quanto os sistemas de treinamento sobre como os pedestres costumam se comportar em interseções específicas em cidades individuais."Você tem que ter modelos gerais de comportamento que são muito detalhados, e então o próximo passo é torná-los mais localizados", disse Nooteboom. "Temos uma base de comportamentos gerais para uma cidade em particular, e então você pode se conectar a locais específicos e identificar como as pessoas se comportarão em uma interseção com um semáforo obscuro ou um cruzamento que pára no meio da estrada."Para os fabricantes de automóveis, há mais em jogo do que simplesmente evitar o pior cenário - isso é um pré-requisito para as operações. Para que os veículos autônomos sejam implantados em ambientes urbanos complexos, habilidades preditivas são necessárias para garantir que possam funcionar de forma contínua em meio ao tráfego e dar aos passageiros os passeios suaves com os quais estão acostumados com motoristas humanos.

"Se você não prevê bem, tem duas opções e nenhuma delas é boa o suficiente", disse Pete Rander, presidente da Argo AI, empresa de tecnologia que desenvolve o sistema de autogestão da Ford. "Ou você é deixado jogando seguro e criando uma bolha muito mais cautelosa ao seu redor. Ou você está pisando no freio."