Em 2015, Elon Musk adivinhou que a indústria deveria esperar veículos totalmente autônomos até 2018 – mas isso nunca aconteceu. Em 2014, a Nissan prometeu vários veículos sem motorista comercialmente viáveis no mercado até 2020. Embora a pandemia de COVID-19 não tenha ajudado a situação, esta é outra promessa não cumprida. Por que os fabricantes de automóveis precisam continuar movendo as traves da meta em veículos sem motorista? De acordo com um artigo de pesquisa publicado recentemente na Nature Communications pelo Center for Connected and Automated Transportation (CCAT), um dos obstáculos que tem impedido o desenvolvimento de veículos autônomos resume-se a uma grave ineficiência na forma como os testes e avaliações de veículos autônomos são realizados.
O burburinho em torno dos veículos autônomos (AVs) é multifacetado, mas pode ser atribuído principalmente a uma redução projetada nas fatalidades no trânsito e à possibilidade de fornecer maior acesso à educação, saúde e oportunidades de trabalho para comunidades carentes. Para ampla adoção, a tecnologia de direção autônoma deve ser comprovada como segura por meio de uma série de testes rigorosos para avaliar sua inteligência em comparação a um motorista humano. Infelizmente, não existe um teste padrão conhecido para avaliar a prontidão de um AV. Atualmente, os testes de última geração combinam simulação de software, teste de pista fechada e teste na estrada.
O problema com a maioria dos softwares de simulação e faixas de teste disponíveis é que eventos de interesse, incluindo acidentes, raramente acontecem. Assim, os sistemas podem exigir centenas de milhões (às vezes bilhões) de quilômetros dirigidos para demonstrar o desempenho de segurança. Até o momento, Waymo simulou apenas 15 bilhões de milhas no total. O teste baseado em cenário tem sido usado na prática, onde os casos de canto são projetados por especialistas em segurança ou coletados em testes na estrada e são reproduzidos para examinar a resposta de um antivírus. No entanto, esses cenários são distintos e impossíveis de listar. Normalmente, eles envolvem apenas manobras simples, um pequeno número de veículos e tempos de condução curtos. O trabalho realizado pelo Dr. Liu e sua equipe tem como objetivo construir um ambiente de direção naturalista e adversário (NADE), na esperança de superar os obstáculos acima e melhorar a eficiência de teste / avaliação em pista fechada e simulação.
O Dr. Henry Liu, professor de engenharia civil e ambiental da Universidade de Michigan, construiu um ambiente de direção simulado usando dados de direção naturalistas em grande escala que foram coletados pelo Instituto de Pesquisa em Transporte da Universidade de Michigan (UMTRI). Ao treinar veículos de segundo plano para aprender quando executar certas manobras adversas, ao mesmo tempo em que mantém a maior parte do ambiente de direção naturalista, o método de teste recentemente proposto elimina o preconceito e melhora a eficiência.
Em contraste com as abordagens baseadas em cenários, o NADE é contínuo, permitindo a interação ininterrupta entre AVs e vários veículos de fundo. Por exemplo, se um pesquisador deseja testar seu veículo em um ambiente urbano, essa abordagem permitiria ao AV de teste dirigir continuamente e experimentar cenários adversários, incluindo interrupções e eventos de frenagem brusca em taxas mais altas. Os resultados mostram que esse ambiente elimina a ineficiência das opções atualmente disponíveis em várias ordens de magnitude. Espera-se que esta abordagem possa acelerar a implantação de veículos autônomos.
A metodologia proposta por este artigo, juntamente com o ambiente de teste de realidade aumentada do Dr. Liu, será implementada no American Center for Mobility (ACM) em 2021. Fundado em 2016, o American Center for Mobility é um centro de teste de cidade inteligente localizado em 500 acres no histórico local Willow Run em Ypsilanti, MI. ACM é um esforço colaborativo composto por organizações governamentais, industriais e acadêmicas com foco na aceleração da indústria de mobilidade por meio de pesquisas, testes, desenvolvimento de padrões e programação educacional. Essa parceria visa tornar o sudeste de Michigan o local preeminente para testes e validação de veículos autônomos.
“Dirigir uma milha em ACM usando simulação de realidade aumentada com NADE sobreposta em nossa pista pode ser igual a centenas ou milhares de milhas de estradas públicas, levando a custos gerais e tempos de execução drasticamente reduzidos para validar AVs em um ambiente de teste mais seguro, controlado e repetível. ACM vê isso como um recurso significativo de desenvolvimento de produto e capacitador para desenvolvedores de AV”, disse o presidente e CEO da ACM, Reuben Sarkar.
Publicado em 04/02/2021 17h42
Artigo original:
Estudo original: