IA em carros autónomos
Explora como a visão computacional em veículos autónomos permite a perceção e tomada de decisão em tempo real, melhorando a segurança e a experiência de condução geral.
Os carros autónomos já não são apenas uma ideia futurista; estão a tornar-se uma realidade, impulsionados pelos avanços na inteligência artificial (IA) para a condução autónoma. Estes veículos dependem fortemente de sistemas de IA avançados, em particular de computer vision, para compreender e interpretar o mundo à sua volta. Esta tecnologia permite-lhes identificar objetos, reconhecer sinais de trânsito e navegar com segurança em ambientes complexos em tempo real.
Com o mercado global de carros autónomos avaliado em mais de 27 mil milhões de dólares americanos em 2021 — e esperando-se que cresça para quase 62 mil milhões até 2026 — é evidente que a IA para autonomous driving está a moldar o futuro dos transportes. Neste artigo, vamos analisar mais de cerca a forma como a visão por computador é aplicada nos carros autónomos, abordando aplicações fundamentais como a deteção de peões, o reconhecimento de sinais de trânsito e os sistemas de manutenção na faixa de rodagem, demonstrando como estas inovações estão a transformar o futuro da condução.
O papel da IA em carros autônomos#
A IA pode auxiliar muito os carros autônomos a entender seus arredores e tomar decisões em tempo real. Vamos explorar como a IA, entre suas muitas aplicações, auxilia na detecção de pedestres e no reconhecimento de sinais de trânsito, dois elementos-chave que aumentam a confiabilidade da condução autônoma.
IA para detecção de pedestres#
Conduzir requer concentração e consciência constantes do que se passa à tua volta ao volante. A IA nos carros autónomos pode ajudar em inúmeros aspetos da utilização quotidiana 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 "Study of Pedestrian Detection in Self-Driving Cars", este processo começa com as câmaras do carro, posicionadas por todo o veículo para capturar uma vista completa da envolvente, incluindo estradas, passeios e passadeiras. Estas câmaras estão constantemente a captar dados visuais, o que ajuda o carro a "ver" os peões, mesmo em situações movimentadas ou difíceis.
Os dados visuais recolhidos podem depois ser processados utilizando modelos de visão por computador como o Ultralytics YOLOv8. Para tal, o primeiro passo consiste em utilizar a object detection, que implica identificar a localização de potenciais objetos, tais como peões, veículos e sinais de trânsito, dentro da imagem. Uma vez detetados, o modelo de IA passa para o passo seguinte, que é a classification — determinar o que é exatamente cada objeto detetado. Os modelos são trained em vastos datasets, permitindo-lhes reconhecer peões em várias poses, condições de iluminação e ambientes, mesmo quando estão parcialmente ocultos ou em movimento.
Embora alguns modelos de visão computacional se destaquem na detecção e classificação, outros se concentram em tarefas como prever o movimento de pedestres detectados. Nesses sistemas, uma vez que um objeto é classificado como pedestre, o modelo de IA dá um passo adiante ao prever seu próximo movimento. Por exemplo, se alguém estiver parado na borda de uma faixa de pedestres, o carro pode antecipar se a pessoa poderá entrar na via. Essa capacidade preditiva é crucial para o veículo reagir em tempo real, reduzindo a velocidade, parando ou mudando de direção para evitar qualquer perigo potencial. Para tornar essas decisões ainda mais inteligentes, sistemas de IA podem combinar os dados visuais das câmeras com entradas de outros sensores como LIDAR, dando ao carro uma compreensão mais completa de seus arredores.
Fig 1. Ultralytics YOLOv8 a detetar um peão.
IA para reconhecimento de sinais de trânsito#
O reconhecimento de sinais de trânsito, abreviado como TSR, é outra parte importante dos carros autónomos. Ajuda o veículo a reconhecer e a responder aos sinais de estrada em tempo real, como sinais de stop, limites de speed e direções. Isto garante que o carro cumpre as regras de trânsito, evita acidentes e permite que os passageiros desfrutem de uma viagem suave e segura.
No centro do TSR estão algoritmos de aprendizado profundo que usam as câmeras do carro para identificar sinais. Esses sistemas precisam funcionar em diferentes condições, como chuva, pouca luz ou quando o sinal é visto de um ângulo. Métodos mais antigos dependem de técnicas como analisar a forma e a cor dos sinais, mas muitas vezes podem falhar em situações complexas, como mau tempo.
No artigo de pesquisa "A Ultralytics YOLOv8-based approach for multi-class traffic sign detection", os autores descrevem o uso do modelo YOLOv8 para identificar áreas de imagens onde os sinais de trânsito estão localizados. O modelo foi treinado em um conjunto de dados que inclui imagens de sinais de trânsito sob várias condições, como diferentes ângulos, iluminação e distâncias. Assim que o modelo YOLOv8 detecta as regiões que contêm sinais de trânsito, ele as classifica com precisão, alcançando uma marca impressionante de 80,64% de precisão. Essas capacidades podem ajudar veículos autônomos a compreender as condições das estradas, identificando sinais de trânsito importantes em tempo real, contribuindo potencialmente para decisões de direção mais seguras.
Fig 2. Modelo de visão computacional detectando e classificando com precisão um sinal de trânsito, permitindo uma navegação segura para veículos autônomos. (Fonte: computervision.zone)
Benefícios da IA em carros autônomos#
A IA está a mudar progressivamente a forma como os carros autónomos funcionam, 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 impact on the environment. Eis alguns dos principais benefícios que a IA traz aos carros autónomos.
Maior segurança#
A IA é capaz de aumentar a segurança em carros autônomos ao permitir a detecção e resposta em tempo real a perigos. De acordo com um relatório da National Highway Traffic Safety Administration (NHTSA), 94% dos acidentes graves são devidos a erro humano. A IA tem o potencial de reduzir tais incidentes reagindo mais rápido do que motoristas humanos, potencialmente reduzindo as taxas de acidentes em 90% à medida que os sistemas autônomos se tornam mais avançados.
Fluxo de tráfego mais suave e eficiência de combustível#
A IA na deteção de objetos em veículos autónomos não só ajuda na segurança, como também melhora o fluxo de tráfego. Utilizando a IA, estes veículos podem ajustar a sua velocidade, manter a distância ideal e reduzir a necessidade de travagens ou acelerações bruscas, o que ajuda a minimizar o traffic congestion. Os algoritmos de IA também otimizam a eficiência de combustível, garantindo que os carros seguem as rotas mais eficientes, evitam paragens desnecessárias e gerem o consumo de combustível melhor do que os condutores humanos. Como resultado, a IA não só melhora a experiência de condução, como também contribui para a redução de emissões e custos de combustível.
O futuro dos carros autônomos#
O futuro dos carros autónomos gira em torno de alcançar o Nível 5 de autonomia, o que significa condução totalmente autónoma sem necessidade de intervenção humana, independentemente do ambiente ou da situação. Para compreender para onde a tecnologia está a caminhar, é importante dividir os cinco níveis de condução autónoma definidos pela Society of Automotive Engineers (SAE):
- Nível 0: Sem automação. O motorista humano está no controle total.
- Nível 1: Assistência ao motorista. Sistemas básicos como controle de cruzeiro auxiliam na direção, mas exigem supervisão humana.
- Nível 2: Automação parcial. O veículo pode controlar tanto a direção quanto a aceleração, mas o motorista deve permanecer engajado e pronto para assumir o controle.
- Nível 3: Automação condicional. O veículo pode gerenciar a maioria das tarefas de direção, mas a intervenção humana é necessária em situações complexas.
- Nível 4: Alta automação. O carro pode dirigir sozinho na maioria dos ambientes e condições, embora um motorista ainda possa ser necessário em condições extremas.
- Nível 5: Automação total. O veículo é totalmente autônomo e pode operar sob todas as condições sem qualquer intervenção humana.
Atualmente, a maioria dos veículos comercialmente disponíveis opera com o Nível 2 de autonomia, onde o carro pode ajudar na direção e no controlo da velocidade, mas ainda exige que o condutor se mantenha atento. A Mercedes-Benz é uma das primeiras empresas a alcançar o Nível 3 de autonomia, que sob condições específicas permite aos condutores tirar as mãos do volante, os olhos da estrada — e apreciar a paisagem.
No entanto, atingir o Nível 5 de autonomia — onde os veículos podem navegar em todos os terrenos, desde centros urbanos movimentados até estradas rurais remotas, sem mapas ou intervenção humana — apresenta desafios significativos. Esses desafios incluem o desenvolvimento de IA avançada que possa tomar decisões em tempo real em ambientes imprevisíveis, lidar com condições climáticas complexas e garantir a segurança em todos os cenários de direção.
Principais pontos#
A IA é a chave para tornar os carros autónomos ainda mais uma realidade. Ajuda estes veículos a detetar objetos, reconhecer sinais de trânsito, manter-se nas faixas e, com modelos de visão por computador como o YOLOv8, a auxiliar na managing traffic e na optimizing parking management, 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, onde ajudam na condução mas ainda precisam de atenção humana, e o Nível 3 de autonomia está a ser testado, permitindo uma condução sem mãos limitada.
O grande desafio pela frente é atingir o Nível 5 de autonomia, onde os carros podem dirigir sozinhos em qualquer condição sem ajuda humana. Isso exigirá mais trabalho para lidar com eventos inesperados e criar sistemas que possam tomar decisões em tempo real em todas as situações. À medida que a IA melhora, carros totalmente autônomos estão ficando mais próximos, prometendo estradas mais seguras e uma experiência de direção mais confortável.
Curioso sobre IA? Explora o nosso GitHub repository para mergulhar em projetos inovadores e ligar-te à nossa crescente community. Desde avanços na healthcare até inovações em self-driving, estamos a impulsionar o futuro da IA!
