Tecnologia ajuda carros autônomos a aprender com suas próprias memórias

A princípio, podemos dizer que os carros autônomos são capazes de circular pelas ruas e outros ambientes reconhecendo pedestres, potenciais obstáculos, outros veículos e muito mais. Tudo isso a partir da inteligência artificial, que usa de redes neurais artificiais treinadas para “enxergar” os arredores do carro, simulando a visão humana.

Entretanto, diferente dos humanos, os carros autônomos que usam redes neurais artificiais não possuem a memória do passado, o que faz com que eles “vejam o mundo” sempre pela primeira vez, independente da quantidade de vezes que ele já tenha dirigido.

Neste sentido, podemos dizer que a condição é problemática, pois em condições climáticas adversas, o carro não pode contar realmente com seus sensores. Entretanto, pesquisadores da Cornell Ann S.Bowers College of Computing and Information Science e da College of Engineering querem resolver o problema.

Nesta perspectiva, eles desenvolveram três trabalhos de pesquisa simultâneos a fim de superar essa limitação. Como? Bem, eles forneceram ao carro a capacidade de gerar “memórias” das experiências anteriores, para poder usar em futuras navegações pelas cidades.

Carros autônomos: a nova maneira de circular nas cidades

Liderado por Carlos Diaz-Ruiz, um estudante de doutorado, a equipe compilou um conjunto de dados dirigindo um veículo equipado com sensores Lidar (Light Detection and Ranging) em um loop de 15 quilômetros, durante 40 vezes em um período de 12 meses.

Sendo assim, as travessias captavam diversos ambientes, tais como espaços urbanos, estradas, campus, entre outros. Além disso, condições climáticas como chuva, neve e o sol foram capturados, em diferentes horas do dia. Logo, as memórias do carro estão no pontapé inicial.

Como resultado, os dados compilaram cerca de 600 mil cenas, em um projeto que foi apelidado de Ithaca 365. Neste sentido, o grupo detectou que o grande problema dos carros autônomos são as condições climáticas ruins, que impedem os veículos de analisarem os espaços corretamente, como é o caso de estradas cobertas de neve.

Neste sentido, a abordagem do projeto — a HIDSIGHT — utiliza redes neurais para calcular descritores de objetos à medida que o veículo passa por eles. Depois, ele compacta essas descrições, chamadas de SQuaSH, e os agrupa em um mapa virtual, numa simulação do cérebro humano.

Posteriormente, quando os carros autônomos passarem pelo mesmo local, ele poderá consultar o SQuaSh para compreender a rota e “lembrar” o que aconteceu na última vez que passou ali. Além disso, a base de dados é constantemente atualizada para enriquecer o conhecimento dos veículos.

Por fim, a pesquisa acredita que as abordagens possam reduzir o custo de desenvolvimento de carros autônomos, além de tornar mais eficientes a sua navegação, por possibilitar que os veículos sejam dissociados aos conhecimentos humanos para poder circular.