Siga o Olhar Digital no Google Discover
Apesar de inovadora, a direção autônoma passa por críticas relacionadas a sua segurança, como a previsão em tempo real de veículos próximos ou de pedestres ao redor. Não é incomum, por exemplo, ver casos de veículos autônomos da Tesla se envolvendo em acidentes.
Ofertas
Por: R$ 19,90
Por: R$ 819,00
Por: R$ 22,90
Por: R$ 2.240,00
Por: R$ 1.998,89
Por: R$ 2.498,89
Por: R$ 404,90
Por: R$ 129,90
Por: R$ 412,69
Por: R$ 593,00
Por: R$ 3.598,94
Por: R$ 469,00
Por: R$ 5.610,00
Por: R$ 499,00
Por: R$ 369,00
Por: R$ 1.616,02
Por: R$ 179,90
Por: R$ 2.759,00
Por: R$ 199,00
Por: R$ 166,19
Por: R$ 399,00
Por: R$ 132,00
Por: R$ 505,00
Para mudar esse cenário, pesquisadores da Universidade de Hong Kong desenvolveram um sistema de IA que melhora a precisão preditiva desses modelos em meio ao tráfego e aumenta a eficiência em mais de 85%, potencialmente melhorando a segurança da direção autônoma como um todo.
Leia mais:
- Direção autônoma é segura?
- Direção autônoma da Tesla vê pedestre e acelera; veja vídeo
- Entenda como o Uber calcula o preço da corrida
Problemas no sistema da direção autônoma
De acordo com Wang Jianping, do Departamento de Ciência da Computação da Universidade e líder da pesquisa, pequenos erros na direção autônoma, como cálculos redundantes de quando, por exemplo, pedestres vão se mover, podem causar acidentes graves.
Isso acontece porque o sistema tem dificuldade em compreender e agir diante de algumas situações, levando a esses casos em que uma lentidão mínima na decisão pode significar um dano.
Solução usando IA
- Para driblar essas limitações, a equipe da pesquisa desenvolveu um sistema de previsão de trajetória chamado QCNet.
- Teoricamente, ele pode realizar predições para cada cenário, usando dados prévios de movimentação de estradas e faixas, pedestres e suas interações.
- Usando esses dados combinados com IA, ele geraria previsões em tempo real para evitar colisões, por exemplo, mas também levando em conta que há incertezas em cada situação.
Testes na direção autônoma
Para testar o modelo, a equipe utilizou dois grandes conjuntos de dados de condução autônoma, o Argoverse 1 e Argoverse 2, e mapas de diferentes cidades dos Estados Unidos, somando mais de possíveis 250 mil casos.
Segundo o site TechXplore, na prática, o QCNet demonstrou velocidade e precisão na previsão dos movimentos futuros de pedestres e outros veículos na estrada, aumentando em 85% a eficiência de tráfego do modelo.
Ao integrar esta tecnologia em sistemas de condução autônoma, os veículos autônomos podem compreender eficazmente o seu entorno, prever o comportamento futuro de outros utilizadores com mais precisão e tomar decisões mais seguras e humanas, abrindo caminho para uma condução autônoma segura.
Wang Jianping
Jianping ainda destacou que a tecnologia pode ser aplicada em mais situações para melhor a direção autônoma, incluindo simulações de trânsito e tomadas de decisões semelhantes às humanas.
Já assistiu aos novos vídeos no YouTube do Olhar Digital? Inscreva-se no canal!
Tags: