IA nos carros autónomos
Descobre como a visão computacional nos veículos autónomos permite a perceção e a tomada de decisões em tempo real, melhorando a segurança e a experiência geral de condução.
Os carros autónomos já não são apenas uma ideia futurista; estão a tornar-se realidade graças aos avanços da inteligência artificial (AI) aplicada à condução autónoma. Estes veículos dependem fortemente de sistemas avançados de IA, em particular da visão computacional, para compreender e interpretar o mundo à sua volta. Esta tecnologia permite-lhes identificar objetos, reconhecer sinais de trânsito e navegar em segurança por ambientes complexos, em tempo real.
Com o mercado global de carros autónomos avaliado em mais de 27 mil milhões de dólares em 2021 — e com previsão de crescimento para quase 62 mil milhões até 2026 —, é evidente que a IA para a condução autónoma está a moldar o futuro dos transportes. Neste artigo, vamos analisar mais de perto a aplicação da visão computacional nos carros autónomos, abordando aplicações fundamentais como a deteção de peões, o reconhecimento de sinais de trânsito e os sistemas de manutenção na faixa, e mostrando como estas inovações estão a transformar o futuro da condução.
O papel da IA nos carros autónomos#
A IA pode ajudar significativamente os carros autónomos a compreender o que os rodeia e a tomar decisões em tempo real. Vamos explorar como a IA, entre as suas muitas aplicações, ajuda na deteção de peões e no reconhecimento de sinais de trânsito, dois elementos fundamentais para aumentar a fiabilidade da condução autónoma.
IA para a deteção de peões#
Conduzir exige concentração constante e atenção ao que acontece à tua volta enquanto estás ao volante. A IA nos carros autónomos pode ajudar em inúmeros aspetos da utilização diária dos nossos carros. Por exemplo, a IA pode desempenhar um papel importante na segurança dos peões, detetando-os e prevendo os seus movimentos. De acordo com o «Estudo sobre a deteção de peões em carros autónomos», este processo começa com as câmaras do carro, posicionadas em toda a volta do veículo para captar uma visão completa do ambiente, incluindo estradas, passeios e passadeiras. Estas câmaras captam continuamente dados visuais, que ajudam o carro a «ver» os peões, mesmo em situações movimentadas ou difíceis.
Os dados visuais recolhidos podem depois ser processados com modelos de visão computacional, como o Ultralytics YOLOv8. Para isso, o primeiro passo é utilizar a deteção de objetos, que consiste em identificar a localização de objetos potenciais, como peões, veículos e sinais de trânsito, na imagem. Depois da deteção, o modelo de IA passa à etapa seguinte: a classificação, que determina o que é cada objeto detetado. Os modelos são treinados com vastos conjuntos de dados, o que lhes permite reconhecer peões em várias posturas, condições de iluminação e ambientes, mesmo quando estão parcialmente ocultos ou em movimento.
Enquanto alguns modelos de visão computacional se destacam na deteção e classificação, outros concentram-se em tarefas como prever o movimento dos peões detetados. Nestes sistemas, depois de um objeto ser classificado como peão, o modelo de IA vai mais longe e prevê o seu próximo movimento. Por exemplo, se alguém estiver à beira de uma passadeira, o carro pode antecipar se essa pessoa poderá entrar na estrada. Esta capacidade de previsão é fundamental para o veículo reagir em tempo real, abrandando, parando ou mudando de direção para evitar qualquer perigo potencial. Para tomar decisões ainda mais inteligentes, os sistemas de IA podem combinar os dados visuais das câmaras com informações de outros sensores, como o LIDAR, dando ao carro uma compreensão mais completa do ambiente à sua volta.
Fig. 1. Ultralytics YOLOv8 a detetar um peão.
IA para o reconhecimento de sinais de trânsito#
O reconhecimento de sinais de trânsito, abreviado como TSR, é outra componente importante dos carros autónomos. Ajuda o veículo a reconhecer e a responder a sinais rodoviários em tempo real, como sinais de stop, limites de velocidade e indicações de direção. Isto garante que o carro respeita as regras de trânsito, evita acidentes e proporciona aos passageiros uma viagem confortável e segura.
No centro do TSR estão algoritmos de aprendizagem profunda que utilizam as câmaras do carro para identificar sinais. Estes sistemas têm de funcionar em diferentes condições, como chuva, pouca luminosidade ou quando o sinal é visto de determinado ângulo. Os métodos mais antigos recorrem a técnicas como a análise da forma e da cor dos sinais, mas podem falhar em situações complexas, como em condições meteorológicas adversas.
No artigo de investigação «Uma abordagem baseada no Ultralytics YOLOv8 para a deteção de sinais de trânsito multiclasse», os autores descrevem a utilização do modelo YOLOv8 para identificar as regiões das imagens onde se encontram sinais de trânsito. O modelo foi treinado com um conjunto de dados que inclui imagens de sinais de trânsito em várias condições, como diferentes ângulos, níveis de iluminação e distâncias. Depois de o modelo YOLOv8 detetar as regiões que contêm sinais de trânsito, classifica-os com precisão, alcançando uma precisão impressionante de 80,64%. Estas capacidades podem ajudar os veículos autónomos a compreender as condições da estrada, identificando sinais de trânsito importantes em tempo real e contribuindo potencialmente para decisões de condução mais seguras.
Fig. 2. Modelo de visão computacional a detetar e classificar com precisão um sinal de trânsito, permitindo uma navegação segura para veículos autónomos. (Fonte: computervision.zone)
Benefícios da IA nos carros autónomos#
A IA está a transformar progressivamente o funcionamento dos carros autónomos, tornando-os mais seguros e eficientes. Com algoritmos inteligentes e a capacidade de processar dados rapidamente, estes carros conseguem detetar perigos, tomar melhores decisões de condução e até reduzir o seu impacto no ambiente. Eis alguns dos principais benefícios que a IA traz aos carros autónomos.
Maior segurança#
A IA pode aumentar a segurança dos carros autónomos ao permitir a deteção e a resposta a perigos em tempo real. Segundo um relatório da Administração Nacional de Segurança Rodoviária dos EUA (NHTSA), 94% dos acidentes graves são causados por erro humano. A IA tem potencial para reduzir estes incidentes, reagindo mais rapidamente do que os condutores humanos e podendo diminuir as taxas de acidentes em 90%, à medida que os sistemas autónomos se tornam mais avançados.
Trânsito mais fluido e eficiência de combustível#
A deteção de objetos por IA em veículos autónomos não só contribui para a segurança, como também melhora o fluxo do trânsito. Com IA, estes veículos podem ajustar a velocidade, manter a distância ideal e reduzir a necessidade de travagens ou acelerações bruscas, o que ajuda a minimizar os engarrafamentos. Os algoritmos de IA também otimizam a eficiência de combustível, garantindo que os carros seguem os percursos mais eficientes, evitam paragens desnecessárias e gerem o consumo de combustível melhor do que os condutores humanos. Assim, a IA não só melhora a experiência de condução, como também contribui para reduzir as emissões e os custos com combustível.
O futuro dos carros autónomos#
O futuro dos carros autónomos passa por alcançar a autonomia de Nível 5, que corresponde a uma condução totalmente autónoma, sem necessidade de intervenção humana, independentemente do ambiente ou da situação. Para compreender a direção que a tecnologia está a tomar, é importante analisar os cinco níveis de condução autónoma definidos pela Sociedade de Engenheiros Automotivos (SAE):
- Nível 0: Sem automatização. O condutor humano tem controlo total.
- Nível 1: Assistência ao condutor. Sistemas básicos, como o controlo de velocidade de cruzeiro, ajudam na condução, mas exigem supervisão humana.
- Nível 2: Automatização parcial. O veículo consegue controlar tanto a direção como a aceleração, mas o condutor tem de permanecer atento e pronto para assumir o controlo.
- Nível 3: Automatização condicional. O veículo consegue gerir a maioria das tarefas de condução, mas é necessária intervenção humana em situações complexas.
- Nível 4: Automatização elevada. O carro consegue conduzir sozinho na maioria dos ambientes e condições, embora possa ser necessário um condutor em condições extremas.
- Nível 5: Automatização total. O veículo é totalmente autónomo e consegue funcionar em todas as condições sem qualquer intervenção humana.
Atualmente, a maioria dos veículos disponíveis comercialmente funciona com autonomia de Nível 2, em que o carro pode ajudar a controlar a direção e a velocidade, mas o condutor ainda tem de permanecer atento. A Mercedes-Benz é uma das primeiras empresas a alcançar a autonomia de Nível 3, que, em condições específicas, permite aos condutores tirar as mãos do volante e os olhos da estrada — e observar o que os rodeia.
No entanto, alcançar a autonomia de Nível 5 — em que os veículos conseguem circular em todos os tipos de terreno, desde centros urbanos movimentados a estradas rurais remotas, sem mapas nem intervenção humana — apresenta desafios significativos. Entre estes desafios estão o desenvolvimento de uma IA avançada capaz de tomar decisões em tempo real em ambientes imprevisíveis, a gestão de condições meteorológicas complexas e a garantia da segurança em todos os cenários de condução.
Principais conclusões#
A IA é essencial para tornar os carros autónomos uma realidade cada vez mais próxima. Ajuda estes veículos a detetar objetos, reconhecer sinais de trânsito, manter-se nas faixas e, com modelos de visão computacional como o YOLOv8, a gerir o trânsito e otimizar a gestão do estacionamento, tornando a condução mais segura e fluida. Tecnologias como YOLO e CNNs permitem que os carros tomem decisões inteligentes na estrada. Atualmente, a maioria dos carros autónomos funciona no Nível 2, ajudando na condução, mas continuando a exigir a atenção humana. A autonomia de Nível 3 está a ser testada e permite conduzir sem as mãos no volante em situações limitadas.
O grande desafio que temos pela frente é alcançar a autonomia de Nível 5, em que os carros conseguem conduzir sozinhos em quaisquer condições, sem ajuda humana. Será necessário fazer mais trabalho para lidar com acontecimentos inesperados e criar sistemas capazes de tomar decisões em tempo real em todas as situações. À medida que a IA melhora, os carros totalmente autónomos aproximam-se da realidade, prometendo estradas mais seguras e uma experiência de condução mais confortável.
Tens curiosidade sobre IA? Explora o nosso repositório do GitHub para conheceres projetos inovadores e ligares-te à nossa crescente comunidade. Dos avanços na saúde às inovações na condução autónoma, estamos a impulsionar o futuro da IA!
