p Em uma manhã de segunda-feira de janeiro deste ano, um homem entrou em seu sedã Tesla, puxado para uma rodovia fora de Los Angeles, e acionou o modo "piloto automático" semiautônomo do veículo. O carro fazia malabarismos com entradas de 8 câmeras, 12 sensores ultrassônicos e um radar para navegar na rodovia, evitando outros veículos e permanecendo dentro das linhas pontilhadas. Então, ele foi direto para a traseira de um caminhão de bombeiros parado. p A tecnologia de veículos autônomos costuma ser elogiada por sua capacidade de tornar as estradas mais seguras - e por um bom motivo. Mas situações como a descrita acima demonstram que mesmo os veículos semi-autônomos de hoje têm alguns problemas sérios para resolver. Felizmente, pesquisadores como Xin Li estão trabalhando duro para consertar alguns dos problemas mais fundamentais atualmente enfrentados pela tecnologia de carros autônomos, a fim de eventualmente reduzir as mortes de veículos motorizados.

p "Há alguns anos, comecei a conversar com algumas montadoras dos Estados Unidos sobre os problemas que enfrentavam com os carros autônomos, "diz Li, professor do Departamento de Engenharia Elétrica e de Computação da Duke and Duke Kunshan University. Por causa de sua nomeação dupla, Li passa muito tempo na China, onde ele continuou a conversa sobre carros que dirige sozinho com montadoras chinesas.

p Li diz que há dois problemas principais atualmente no caminho da tecnologia de direção totalmente autônoma:o problema de verificação e o problema de integração.

p O problema de verificação se resume ao seguinte dilema:para que algo seja comprovado como seguro, você deve primeiro aprender quais circunstâncias fazem com que ele falhe. "Se você está pedindo ao seu cliente para dirigir um carro autônomo na estrada, a taxa de falha deve ser muito, muito pequeno, "diz Li. Descobrir como calcular essa taxa - e, por extensão, como então corrigir essas falhas - tornou-se uma questão central de pesquisa para Li.

p Então, como você calcula a taxa de falha? Uma solução é simplesmente deixar o carro que dirige sozinho navegar por uma área até cometer um erro - sem parar em um sinal de pare, por exemplo. Mas a maioria dessas falhas acontece em circunstâncias muito raras, chamadas de "casos extremos" (pense, uma pedra caindo em uma estrada de montanha), o que significa que essa abordagem levaria uma quantidade proibitiva de tempo.

p "É difícil observar fisicamente todos os cenários possíveis em todos os casos de canto, então pensamos, 'Por que não usamos um computador e pedimos que ele gere sinteticamente esses casos possíveis?' ", diz Li. Em vez de esperar por um carro na estrada para descobrir todas as confluências bizarras de clima e drivers erráticos que fazem com que o sistema interpretou mal um semáforo, A abordagem única da equipe de Li cria esses cenários usando programas de computador inteligentes. Esses programas usam modelos estatísticos e algoritmos para gerar situações sintéticas para o sistema autônomo navegar.

p Em um artigo recente publicado na edição de novembro de 2017 da Computer-Aided Design, sua equipe mostrou que alta temperatura e circuitos antigos podem degradar as imagens coletadas pelas câmeras de um carro autônomo. A equipe usou uma técnica de aprendizado de máquina chamada Cycle-Consistent Generative Adversarial Networks para gerar dados de imagem sintética como se fossem coletados em alta temperatura ou usando circuitos antigos. Quando eles alimentaram essas imagens degradadas no sistema autônomo, ele lutou para identificar corretamente os sinais de parada. Ao criar casos de falha sintéticos como este, A pesquisa de Li permite que as montadoras verifiquem com mais precisão a frequência e, mais importante, sob quais cenários um sistema pode falhar. Li então trabalha com seus colaboradores na indústria para implementar essa nova tecnologia em hardware e software que tornem os veículos autônomos mais seguros.

p Infelizmente, quanto mais componentes forem adicionados a um veículo autônomo, maiores são as chances de algo dar errado. Este é o paradigma da segunda barreira para veículos autônomos:o problema da integração. Os carros autônomos devem combinar perfeitamente todos os tipos de sistemas complicados - de módulos para evitar colisões à detecção de semáforos - tudo isso enquanto navegam em um ambiente a 60 milhas por hora. Descobrir como garantir que os componentes funcionem juntos de forma rápida e eficaz formará a próxima fase da pesquisa de Li.

p "Honestamente, é um problema muito difícil e não temos uma boa solução ainda, "diz Li, embora ele esteja esperançoso de que o desenvolvimento de um sistema de computação mais centralizado para o carro possa percorrer um longo caminho no sentido de integrar a funcionalidade do veículo.

p Li diz que há também uma questão mais fundamental enfrentada pelo campo do desenvolvimento de carros autônomos:a educação. Embora o design de veículos convencionais seja domínio dos engenheiros mecânicos, a construção de veículos autônomos exigirá ampla experiência em inteligência artificial, projeto de software e engenharia de sistema. Para enfrentar os problemas de amanhã terá uma nova abordagem interdisciplinar. "Acho que é muito importante para uma instituição educacional como a Duke treinar alunos com a formação certa para que eles possam se envolver nessas áreas emergentes quando se formarem, "diz Li.

p Fazer pesquisas básicas sobre carros autônomos tem riscos inacreditavelmente altos. "Quando a indústria adota minha solução, Tenho a responsabilidade de garantir que isso funcione ... Se houver um erro, as pessoas podem ser mortas, "diz Li. Ao mesmo tempo, trabalhar em algumas das maiores questões no desenvolvimento de carros autônomos é uma oportunidade incrível. "No momento, a direção autônoma é um campo emergente com muitos problemas em aberto. Isso torna este um momento muito empolgante para acadêmicos como eu, "diz Li.