Pesquisadores usam aprendizado de máquina para acelerar o desenvolvimento de carros autônomos
Pesquisadores da Universidade de Michigan desenvolveram uma técnica inovadora para acelerar o aprendizado de carros autônomos em situações de condução complexas.
Embora os carros autônomos tenham sido um tema popular na indústria automotiva nos últimos anos, seu desdobramento em massa nas estradas parece estar longe de ser uma realidade devido à imprevisibilidade do comportamento humano.
Para enfrentar esse desafio, pesquisadores da Universidade de Michigan desenvolveram uma técnica inovadora para acelerar o aprendizado de carros autônomos em situações de condução complexas. A técnica usa aprendizado de máquina e dados do mundo real coletados de sensores instalados em interseções inteligentes em Ann Arbor e Detroit e de carros de voluntários equipados com sensores.
O objetivo do estudo é melhorar a segurança e eficácia dos carros autônomos nas estradas. Os dados coletados incluíam informações sobre velocidade, direção e acidentes, e se eliminou informações não críticas de segurança para o aprendizado de máquina. O time de pesquisadores utilizou um ambiente de teste de realidade mista chamado M-City, que incluía sinais de trânsito, pedestres robóticos e outros veículos, para treinar os carros autônomos em situações perigosas que ocorrem raramente nas estradas.
O resultado foi que os veículos de teste encontraram muitas mais situações perigosas e frequentes no ambiente virtual, acelerando significativamente o processo de aprendizagem.
O professor de engenharia civil na Universidade de Michigan, Henry Liu, estima que a técnica de aprendizado de máquina pode reduzir o tempo necessário para treinar um carro autônomo como o Waymo de dezenas de milhões de quilômetros para apenas algumas milhares de quilômetros que contenham uma variedade de acidentes. No entanto, ainda há muitos desafios a serem enfrentados antes que os carros autônomos sejam implantados em todo o mundo.
