Oferecido por
Os carros autônomos foram criados para revolucionar os sistemas de transporte em todo o mundo. Se acreditarmos no hype, veículos inteiramente autônomos estão prestes a “cair na estrada”.
A realidade é mais complexa. As tecnologias de direção autônoma mais avançadas funcionam apenas em um conjunto extremamente limitado de ambientes e condições climáticas. E embora a maioria dos carros novos tenha alguma forma de assistência ao motorista nos próximos anos, os carros autônomos que dirigem em todas as condições sem supervisão humana ainda estão a muitos anos de distância.
Um dos principais problemas é que é difícil treinar veículos para lidar com todas as situações existentes. E as mais desafiadoras costumam ser as mais raras. Há uma grande variedade de circunstâncias complicadas com as quais os motoristas raramente se deparam: uma criança correndo para a estrada, um veículo dirigindo do lado errado da rua, um acidente logo à frente e assim por diante.
Em cada uma dessas circunstâncias, um carro que dirige sozinho deve tomar boas decisões, embora a probabilidade de encontrá-las seja pequena. E isso levanta uma questão importante: como os fabricantes de automóveis podem treinar e testar seus veículos quando esses eventos são tão raros?
Em 2017, recebemos uma espécie de resposta graças ao trabalho de Alexey Dosovitskiy no Intel Labs e alguns pesquisadores do Toyota Research Institute e do Computer Vision Center em Barcelona, Espanha. Eles criaram um simulador de direção de código aberto que os fabricantes de automóveis podem usar para testar tecnologias de direção autônoma em condições de direção realistas.
O sistema, denominado CARLA (Car Learning to Act), simula uma ampla gama de condições de direção e repete situações perigosas indefinidamente para ajudar no aprendizado. A equipe já o utilizou para avaliar o desempenho de várias abordagens diferentes de direção autônoma.
Simuladores de direção não são novos. Existem inúmeros simuladores de corrida e direção realistas, muitos deles projetados para jogos. Vários grupos de motoristas autônomos os usaram para testar suas tecnologias.
Mas nenhum desses simuladores fornece o tipo de feedback de que os sistemas de direção autônomos precisam para treinar com eficácia. E muito menos esses sistemas permitem um controle significativo sobre as condições de direção ou as ações de outros agentes.
Os simuladores de corrida geralmente não têm tráfego de passagem ou pedestres. E simuladores de cidade como Grand Theft Auto não fornecem controle sobre o tempo, a posição do sol, o comportamento de outros carros, semáforos e pedestres, ciclistas e assim por diante.
E esses sistemas proprietários não fornecem o tipo de feedback técnico que os de direção autônoma precisam aprender.
Então Dosovitskiy e companhia criaram seu próprio simulador. CARLA oferece uma biblioteca de recursos que podem ser organizados em cidades sob várias condições climáticas e de iluminação. A biblioteca inclui 40 edifícios diferentes, 16 modelos de veículos animados e 50 pedestres animados.
A equipe usou isso para criar duas cidades com vários quilômetros de estradas dirigíveis e, em seguida, testou três enfoques diferentes para treinar sistemas de direção autônoma. “Os métodos são avaliados em cenários controlados de dificuldade crescente”, afirma a equipe.
Os resultados mostram que o sistema pode desempenhar um papel útil. A equipe publicou um vídeo do resultado comportamental de direção que mostra claramente o quão bem os sistemas podem funcionar, mas também por que esse tipo de treinamento não pode ser feito em estradas reais — os carros às vezes andam na calçada, do outro lado da estrada, batem em outros carros e assim por diante.
É claro que um sistema como o CARLA nunca pode substituir o tempo de direção em estradas reais. Mas pode fornecer um campo de teste útil e seguro para novas ideias. E é por isso que é importante.
CARLA é um software livre e gratuito para uso não comercial. Então, qualquer pessoa pode experimentá-lo em http://www.carla.org/. “Esperamos que CARLA possibilite que uma ampla comunidade se envolva ativamente na pesquisa de direção autônoma”, afirma a equipe.
MIT Technology Review