O Futuro dos Veículos Autônomos: Tecnologia, Desafios e Inovações

Com Tantas Partes Envolvidas, a Condução Autônoma Está Mais Perto do que Você Imagina

No nosso último blog, falamos sobre alguns dos principais players em veículos autônomos e como a tecnologia está evoluindo rapidamente. Mal sabíamos que, apenas dias após nossa postagem, haveria um grande revés envolvendo um aplicativo muito proeminente de carro autônomo. Pouco após o lançamento em 14 de dezembro de 2016 do serviço de táxi autônomo da Uber em São Francisco, CA, surgiu um vídeo mostrando um dos veículos de condução autônoma avançando o 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 das ruas quando o estado da Califórnia revogou os registros dos carros.

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

Onde Estão os Carros Autônomos Agora — e Para Onde Vão?

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

Os carros autônomos comercialmente disponíveis agora estão no nível 2 de automação; um bom exemplo são as capacidades semi-autônomas de assistência ao motorista ("autopilot") da Tesla sobre as quais falamos em nosso último blog sobre veículos autônomos. A maioria dos protótipos sendo testados está no nível 3, onde o motorista pode não prestar atenção em certas situações, ou nível 4, onde o motorista não precisa estar engajado a menos que haja condições climáticas severas ou condições de estrada inesperadas. No entanto, como a pesquisa mostrou, um "motorista" humano verificando mensagens ou cochilando simplesmente não consegue recuperar a atenção e o foco com rapidez suficiente para reagir corretamente e rápido o bastante 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 o mecanismo de segurança — o ser humano — não é capaz de responder rápido o suficiente para evitar um perigo para si ou para outros.

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

O que Alimenta a Automação?

Embora fabricantes e outros players sejam reservados em revelar muitos detalhes, há alguns componentes básicos de tecnologia que sabemos serem essenciais para o design de veículos autônomos. Por exemplo, vários tipos de sensores são usados para coletar a entrada visual necessária para um carro autônomo navegar nas vias com sucesso e segurança. Câmeras são um tipo de sensor relativamente barato que pode fornecer a informação visual básica que um humano coletaria ao dirigir; múltiplas câmeras são usadas para fornecer profundidade de campo. Radar já é usado para certos controles de veículo de nível 1; a desvantagem é que o radar é bom apenas em curto alcance.

LIDAR (detecção de luz e alcance) é um sistema laser a bordo que mapeia os arredores do 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; LIDAR de estado sólido não requer rotação e também está sendo usado em alguns veículos autônomos em desenvolvimento. Embora o LIDAR crie mapeamento 3D altamente preciso, ele tem desvantagens; além de ser muito caro, a tecnologia é afetada pelo clima, com seu sinal ricocheteando na chuva ou neve.

Nos carros já altamente computadorizados de hoje, grande parte da transferência de informação dos sensores ocorre através de uma Rede de Área de Controlador (CAN bus), um protocolo projetado para permitir que microcontroladores e dispositivos se comuniquem entre si sem um computador host. No entanto, carros verdadeiramente autônomos exigem conectividade de dados mais robusta, bem como poder de computação e software para pegar toda a entrada visual 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
* Unir 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 condução autônoma. Indo um passo além, o tipo de aprendizado de máquina chamado deep learning busca emular a maneira como os seres humanos adquirem novo conhecimento. Ao automatizar análises preditivas, o deep learning poderia permitir que um carro ficasse mais inteligente cada vez que fosse dirigido e até aprendesse com outros motoristas e outros carros.

Naturalmente, para segurança, um veículo autônomo deve ser muito inteligente desde o início! Mas seja o veículo projetado para interpretar entrada sensorial e então selecionar de uma série de decisões de direção codificadas OU usado para mapear diretamente a entrada (de sensores e outras fontes) para saída de direção de ponta a ponta, o aprendizado de máquina certamente faz parte de todo carro na prancheta ou na estrada.

Quais São as Implicações Além da Condução?

Claro, onde quer que haja tecnologia computacional, segurança da informação é uma preocupação importante, e veículos autônomos não são exceção. Na verdade, as implicações de hacking em carros autônomos são enormes. Alguém viajando em um veículo de várias toneladas a alta velocidade certamente não quer ter que se preocupar que o veículo possa ser assumido e controlado remotamente por terceiros.

Em 2015, a Chrysler recolheu mais de um milhão de veículos quando dois pesquisadores de segurança (não bandidos, felizmente) descobriram uma vulnerabilidade de software que lhes permitiu hackear sem fio um Jeep e assumir suas funções de painel, direção, transmissão e freios. A Chrysler forneceu aos proprietários uma atualização de software baseada em drive USB e tomou medidas em nível de rede para detectar e bloquear hacking via 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 tanto em modo de estacionamento quanto de direção via barramento CAN do carro e um hotspot WiFi malicioso. Em poucos dias, a Tesla implantou uma atualização de software over-the-air para abordar os potenciais problemas de segurança.

Esses casos mostraram aos fabricantes e seus parceiros que segurança reforçada é vital, garantindo que salvaguardas mais fortes continuarão a ser implementadas. No entanto, com cada carro autônomo exigindo um computador e conectividade de rede para a condução ocorrer, pode ser apenas uma questão de tempo antes que alguém hackeie um veículo autônomo enquanto ele está em uso.

Em nota relacionada, privacidade também é uma área cada vez mais desafiadora para carros e motoristas. Hoje, alguém foragido poderia desligar o GPS no carro e desdobrar um mapa. Mas com a funcionalidade inata de um carro autônomo exigindo uso quase constante de GPS, esse veículo deve ser rastreado virtualmente o tempo todo. Além disso, enquanto as câmeras servem funções importantes de sensor e fornecerão entrada para aprendizado de máquina, elas também são ferramentas de vigilância. Então, há o potencial para cada centímetro de espaço viário ser fotografado e escrutinado quase constantemente uma vez que carros autônomos (e seu sistema de sensores de câmera) sejam totalmente implementados.

E em uma nota mais humana, enquanto o advento de veículos de condução totalmente autônomos confiáveis criará empregos na fabricação e campos relacionados, em algum nível também significará a perda de alguns empregos. Aplicativos de mobilidade sob demanda e compartilhamento de viagens tornarão motoristas de táxi e ônibus obsoletos. Veículos autônomos na fazenda reduzirão cada vez mais o número de trabalhadores humanos necessários. Caminhoneiros ainda serão necessários para manter seus caminhões, mas não os dirigirão e, portanto, menos serão necessários para manter uma frota de caminhões para implantação automatizada. E no final de 2016, uma empresa de entrega de comida online lançou entrega robótica de comida em Londres. Então, do manipulador de pacotes à criança entregando pizza na sua porta, esses trabalhadores podem eventualmente ser substituídos, se não por veículos autônomos, então por uma tecnologia relacionada na forma de bots de entrega.

Por que a Metal Cutting Está Falando Sobre Isso?

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

Quer explorar se a Metal Cutting é a melhor parceira para suas peças automotivas ou outras aplicações? Baixe o guia gratuito, 7 Segredos para Escolher um Novo Parceiro Contratado: Guia Técnico para Terceirizar sua Fabricação de Metal de Precisão.