Protegendo Sistemas Avançados de Assistência ao Motorista (ADAS): Estratégias de Segurança para a Próxima Década

Sistemas Avançados de Assistência ao Motorista (ADAS) aumentam a segurança veicular monitorando o entorno, emitindo alertas, acionando freios e auxiliando na direção. A próxima década verá uma expansão rápida desses sistemas, impulsionada por avanços em tecnologia de sensores e LiDAR e por requisitos regulatórios em evolução.

Segundo Jeff Phillips, Head de Marketing Automotivo da National Instruments, a União Europeia determinou em 2020 que todos os novos veículos devem incluir sistemas de Frenagem Autônoma de Emergência (AEB) e Aviso de Colisão Frontal (FCW).

Embora o ADAS ainda esteja em estágio inicial, suas capacidades de segurança estão preparadas para se tornar um diferencial chave para fabricantes automotivos, especialmente à medida que avançam em direção a veículos totalmente autônomos.

OEMs e empresas de tecnologia competem atualmente neste cenário pouco regulado para conquistar participação de mercado e entregar os carros mais seguros. Com quase 1,3 milhão de fatalidades no trânsito anualmente no mundo e um pico de cinco anos de 1.792 mortes nas estradas do Reino Unido, proteger a tecnologia ADAS é mais urgente do que nunca.

Cenário de Pesadelo

Engenheiros de teste enfrentam um cenário assustador: regulamentações em evolução, tecnologias de sensores emergentes e arquiteturas orientadas por IA que podem ser opacas. As apostas são altas — cada incidente de alto perfil envolvendo veículos semi-autônomos aumenta o escrutínio público, e até o número limitado de acidentes documentados com veículos autônomos abalou a confiança do consumidor.

Engenheiros de teste devem determinar quanto de verificação é necessário para satisfazer padrões regulatórios e legais, além de atender às expectativas do público. A ausência de diretrizes claras para sistemas de IA significa que abordagens tradicionais de teste são insuficientes.

Segundo um estudo de 2018 da Rand Corporation, um veículo autônomo precisaria registrar dezenas de milhões de milhas de testes para demonstrar estatisticamente paridade — ou superioridade — em relação a motoristas humanos. Alcançar esse volume em um prazo realista exige estratégias de teste inovadoras e ambientes de simulação em larga escala.

A História do Machine Learning

A condução totalmente autônoma depende fortemente de modelos de machine learning, pois o espectro de cenários do mundo real é efetivamente infinito. Engenheiros coletam grandes quantidades de dados de condução humana, rotulam-nos e treinam redes neurais para replicar a tomada de decisão humana.

Embora equipes de design possam desenvolver os algoritmos subjacentes, os modelos resultantes funcionam como caixas pretas, complicando a validação. Engenheiros de teste devem, portanto, criar bibliotecas abrangentes de cenários que cubram uma ampla gama de casos extremos, pois a falta de visão sobre a lógica interna impede testes de unidade tradicionais.

Um Novo Roteiro

Portfólios de sensores estão evoluindo rapidamente, impulsionando reduções de custo e novas escolhas arquiteturais. Fabricantes devem decidir entre processamento centralizado a bordo e processamento de borda distribuído, e planejar adições futuras de sensores como LiDAR, radar e arrays adicionais de câmeras.

Computação em nuvem e conectividade 5G adicionam outra camada de complexidade, permitindo troca de dados em tempo real e diagnósticos remotos, mas também levantando considerações de latência e largura de banda.

Como a combinação de sensores de plataformas futuras é incerta, equipes de teste precisam de infraestruturas flexíveis que possam integrar novo hardware sem reconstruções caras. Equipamentos de teste modulares e ambientes virtualizados permitem escalonamento rápido de cargas úteis de câmera, radar e LiDAR.

Construindo para a Mudança

À medida que recursos autônomos passam de protótipo para produto, órgãos reguladores devem evoluir para proteger consumidores. Normas como ISO 26262 para segurança funcional e protocolos de teste de colisão EURO-NCAP já moldam a indústria, enquanto a estrutura ética recentemente publicada pela Alemanha para veículos autônomos define precedentes para regras de tomada de decisão.

Mesmo com o amadurecimento de padrões formais, empresas introduzirão camadas proprietárias de teste para se diferenciar. Uma infraestrutura de teste aberta e adaptável dará aos engenheiros a agilidade para incorporar novos requisitos regulatórios e objetivos internos de segurança.

O autor deste blog é Jeff Phillips, Head de Marketing Automotivo, National Instruments