A tecnologia dos veículos autônomos

Com tantas festas a bordo, dirigir sozinho está mais perto do que você imagina

Em nosso último blog, falamos sobre alguns dos principais players em veículos autônomos e a rapidez com que a tecnologia está evoluindo. Mal sabíamos que, apenas alguns dias após o nosso post, haveria uma grande surpresa envolvendo um aplicativo de carro autônomo muito importante. Logo após o lançamento do serviço de táxi autônomo da Uber em San Francisco, CA, em 14 de dezembro de 2016, surgiu um vídeo mostrando um dos veículos autônomos passando um sinal vermelho. Embora a Uber tenha dito que o carro estava sendo operado por um motorista humano na época e não tinha passageiros a bordo, as repercussões foram rápidas:apenas uma semana após o lançamento, a Uber retirou seus carros autônomos da estrada quando o estado da Califórnia revogou a registros de carros.

Claramente, haverá alguns desvios na jornada de uma grande ideia para carros autônomos para todos. Mas o que podemos dizer com certeza é que, mesmo com os contratempos ocasionais, a tecnologia por trás dos veículos autônomos continua avançando, levando-nos a repensar drasticamente as máquinas que nos levam do ponto A ao ponto B.

Onde estão os carros autônomos agora e para onde estão indo?

A diferença básica entre a automação dos carros que dirigimos no dia-a-dia e a dos veículos autônomos de um futuro não tão distante tem a ver principalmente com o nível de envolvimento do motorista. Muitos veículos mais novos hoje já incluem uma variedade de controles que lidam automaticamente com certos aspectos da direção para nós, como frenagem assistida e controle de cruzeiro adaptativo – coisas que são consideradas nível 1 de automação.

Os carros autônomos que estão disponíveis comercialmente agora estão no nível 2 de automação; um bom exemplo são os recursos de assistência ao motorista semi-autônomo (“piloto automático”) da Tesla, sobre os quais falamos em nosso último blog sobre veículos autônomos. A maioria dos protótipos testados está no nível 3, onde o motorista está seguro para não prestar atenção em determinadas situações, ou no nível 4, onde o motorista não precisa ser contratado a menos que haja mau tempo ou condições inesperadas da estrada. No entanto, como a pesquisa veio a mostrar, um “motorista” humano verificando textos ou cochilando simplesmente não pode recuperar a atenção e se concentrar com rapidez suficiente para reagir corretamente e com rapidez suficiente para recuperar o controle e tomar ações eficazes em uma situação de emergência iminente. Portanto, muitos fabricantes estão concluindo que os níveis 3 e 4 simplesmente não vão funcionar, porque a segurança contra falhas – o ser humano – não é capaz de responder rápido o suficiente para evitar um risco para si ou para outros.

O grau final de automação é o nível 5, onde um motorista não precisa estar presente. Esta é a tecnologia necessária para o futurismo completo de compartilhamento de viagens. Esse é o cenário previsto em que ninguém possui carros; em vez disso, você apenas convoca um veículo e ele vem buscá-lo. Os conceitos de veículos autônomos do Google e da Mercedes são de nível 5, usando zero entrada humana, exceto o destino desejado.

O que impulsiona a automação?

Embora as montadoras e outros players sejam cautelosos em revelar muitos detalhes, existem alguns componentes básicos de tecnologia que sabemos que são essenciais para o design de veículos autônomos. Por exemplo, vários tipos de sensores são usados ​​para coletar a entrada visual necessária para que um carro autônomo navegue nas estradas com sucesso e segurança. As câmeras são um tipo de sensor relativamente barato que pode fornecer as informações visuais básicas que um ser humano reuniria enquanto dirige; várias câmeras são usadas para fornecer profundidade de campo. O radar já é usado para certos controles de veículos de nível 1; a desvantagem é que o radar só é bom a curta distância.

LIDAR (detecção e alcance de luz) é um sistema de laser integrado que mapeia os arredores de um carro enquanto ele se move. Você provavelmente conhece o LIDAR como a grande unidade giratória encontrada no topo da maioria dos veículos de teste do Google; O LIDAR de estado sólido não requer fiação e também está sendo usado em alguns veículos autônomos que estão sendo desenvolvidos. Embora o LIDAR crie mapeamento 3D altamente preciso, ele tem desvantagens; além de muito cara, a tecnologia é afetada pelo clima, com seu sinal refletido na chuva ou na neve.

Nos carros já altamente informatizados de hoje, grande parte da transferência de informações do sensor ocorre por meio de uma rede de área de controle (barramento CAN), um protocolo projetado para permitir que microcontroladores e dispositivos se comuniquem entre si sem um computador host. No entanto, carros realmente autônomos exigem conectividade de dados mais robusta, bem como poder de computação e software para receber todas as entradas visuais e outros dados coletados, organizá-los, interpretá-los e transformá-los em direção acionável - tudo em tempo real. Isso, por sua vez, requer:

* Uma quantidade significativa (pode-se dizer, massiva) de poder de processamento
* Reunindo dados de diferentes sensores (“fusão de sensores”) para calcular algo mais do que poderia ser determinado por um sensor sozinho

É por isso que o aprendizado de máquina – um tipo de inteligência artificial (IA) que dá aos computadores a capacidade de, basicamente, aprender “por conta própria” quando expostos a novos dados – é um aspecto crítico e em rápido desenvolvimento do design de direção autônoma. Indo um passo adiante, o tipo de aprendizado de máquina chamado *deep learning* procura emular a maneira como os seres humanos obtêm novos conhecimentos. Ao automatizar a análise preditiva, o aprendizado profundo pode permitir que um carro fique mais inteligente toda vez que é conduzido e até aprenda com outros motoristas e outros carros.

Naturalmente, para segurança, um veículo autônomo deve ser muito inteligente para começar! Mas se o veículo é projetado para interpretar a entrada sensorial e, em seguida, selecionar uma série de decisões de condução codificadas OU é usado para mapear diretamente a entrada (de sensores e outras fontes) para conduzir a saída de ponta a ponta, o aprendizado de máquina certamente faz parte de cada carro na prancheta ou na estrada.

Quais são as implicações além de dirigir?

É claro que, onde quer que haja tecnologia de computador, a segurança da informação é uma preocupação importante e os veículos autônomos não são exceção. Na verdade, as implicações de hackear carros autônomos são enormes. Alguém viajando em um veículo de várias toneladas em alta velocidade certamente não quer ter que se preocupar que o veículo possa ser tomado e controlado remotamente por um terceiro.

Em 2015, a Chrysler fez o recall de mais de um milhão de veículos quando dois pesquisadores de segurança (não bandidos, felizmente) descobriram uma vulnerabilidade de software que lhes permitia hackear um Jeep sem fio e assumir suas funções de painel, direção, transmissão e freios. A Chrysler forneceu aos proprietários de veículos uma atualização de software baseada em unidade USB e tomou medidas em nível de rede para detectar e bloquear hackers por meio da conexão de rede celular dos veículos. Então, em 2016, um laboratório de segurança demonstrou um hack de um Tesla Model S, acessando e controlando remotamente o veículo nos modos de estacionamento e direção por meio do barramento CAN do carro e um ponto de acesso WiFi malicioso. Em poucos dias, a Tesla implantou uma atualização de software over-the-air para resolver os possíveis problemas de segurança.

Esses casos mostraram aos fabricantes de automóveis e seus parceiros que o reforço da segurança é vital, garantindo que as salvaguardas mais fortes continuem a ser implementadas. No entanto, com todos os carros autônomos que exigem um computador e conectividade de rede para que a condução ocorra, pode ser apenas uma questão de tempo até que alguém invada um veículo autônomo enquanto estiver em uso.

Em uma nota relacionada, a privacidade também é uma área cada vez mais desafiadora para carros e motoristas. Hoje, alguém em fuga poderia desligar o GPS em seu carro e desdobrar um mapa. Mas com a funcionalidade inata de um carro autônomo que exige o uso quase constante de GPS, esse veículo deve ser rastreado praticamente o tempo todo. Além disso, embora as câmeras sirvam a funções importantes de sensores e forneçam informações para aprendizado de máquina, elas também são ferramentas de vigilância. Portanto, existe o potencial de cada centímetro de espaço viário ser fotografado e examinado em uma base quase constante, uma vez que os carros autônomos (e seu sistema de sensores de câmera) estejam totalmente implementados.

E em uma nota mais humana, enquanto o advento de veículos de condução confiáveis ​​e totalmente autônomos criará empregos na manufatura e áreas afins, em algum nível também significará a perda de alguns empregos. Aplicativos de mobilidade sob demanda e compartilhamento de caronas tornarão os motoristas de táxi e ônibus obsoletos. Veículos autônomos na fazenda reduzirão cada vez mais o número de trabalhadores humanos necessários. Os caminhoneiros ainda serão necessários para manter suas plataformas, mas não as conduzirão e, portanto, menos serão necessários para manter uma frota de caminhões para implantação automatizada. E no final de 2016, uma empresa de takeaway online lançou a entrega robótica de comida em Londres. Assim, do manipulador de pacotes ao garoto que leva a pizza à sua porta, esses trabalhadores podem eventualmente ser substituídos, se não por veículos autônomos, por uma tecnologia relacionada na forma de bots de entrega.

Por que o corte de metal está falando sobre isso?

A Metal Cutting oferece serviço de corte de metal personalizado para produtos especiais e de precisão, pequenas peças de metal para uma ampla gama de indústrias, incluindo empresas automotivas e seus parceiros de tecnologia - fornecendo corte de peças, usinagem, acabamento e outras técnicas necessárias para aplicações que exigem tolerâncias apertadas , acabamentos de superfície específicos e extremidades, conicidades e diâmetros altamente personalizados.

Quer explorar se a Metal Cutting é o melhor parceiro para *suas* peças automotivas ou outras aplicações? Baixe o guia gratuito, 7 segredos para escolher um novo parceiro contratual:guia técnico para terceirizar sua fabricação de metal de precisão.