Combinar inteligência humana e artificial em veículos autônomos pode levar os carros sem motorista mais rapidamente para a adoção em larga escala, Pesquisadores da Universidade de Michigan dizem.

Esse é o objetivo de um novo projeto que conta com uma técnica chamada crowdsourcing instantâneo para fornecer um custo-benefício, backup remoto em tempo real para sistemas autônomos a bordo, sem a necessidade de uma pessoa estar fisicamente no assento do motorista. A pesquisa está ocorrendo no U-M Transportation Research Institute (UMTRI).

A necessidade de motoristas de segurança humana em veículos como os táxis autônomos recentemente introduzidos pela Waymo prejudica sua vantagem de custo em comparação com os serviços tradicionais de compartilhamento de caronas, dizem os pesquisadores. Ele também mantém a era dos carros como salas de estar autônomas, tentadoramente fora de alcance. E a maioria dos pesquisadores concorda que as máquinas não serão capazes de assumir completamente as funções de direção por anos ou mesmo décadas.

"Os veículos autônomos de hoje podem dirigir relativamente bem em ambientes típicos, mas eles falham em situações excepcionais - e são essas situações que são as mais perigosas, "disse Walter Lasecki, professor assistente de ciência da computação e engenharia e líder do projeto. "O projeto de sistemas autônomos que podem lidar com essas situações excepcionais pode levar décadas, e enquanto isso, vamos precisar de algo para preencher a lacuna. "

O crowdsourcing instantâneo difere dos esforços anteriores de backup humano remoto, pois pode fornecer respostas humanas em apenas alguns milissegundos - potencialmente rápido o suficiente para ajudar a desviar de um veículo em desvio ou manobrar em torno de um fragmento de estrada. Ele utiliza tecnologia de veículos conectados e um centro de controle localizado remotamente.

Funcionaria assim - tudo no espaço de cinco segundos ou menos:

• O software no veículo analisaria os dados do veículo em tempo real e calcula eletronicamente de 10 a 30 segundos no futuro para estimar a probabilidade de um "desligamento" - uma situação em que os sistemas automatizados do carro podem precisar de ajuda humana.
• Se a probabilidade exceder um limite predefinido, o sistema contata um centro de controle localizado remotamente e envia dados do carro.
• O sistema do centro de controle analisa os dados do carro, gera vários cenários possíveis e os mostra a vários supervisores humanos, que estão situados em simuladores de condução.
• Os humanos respondem às simulações e suas respostas são enviadas de volta ao veículo.
• O veículo agora tem uma biblioteca de respostas geradas por humanos que pode escolher instantaneamente, com base nas informações dos sensores de bordo.

Esse sistema pode parecer caro e complicado, mas Robert Hampshire, um professor pesquisador da UMTRI e da Escola de Políticas Públicas da U-M da Ford, diz que seria muito mais barato do que ter um motorista humano em cada veículo. Isso pode torná-lo particularmente valioso para o compartilhamento de passeios e operadores de frota. E o enorme volume de quilômetros percorridos, combinado com o fato de que os veículos autônomos raramente precisam de assistência humana, pode gerar economias de escala que reduziriam o custo por veículo.

"Foram 3,2 trilhões de milhas percorridas nos EUA no ano passado, e os melhores veículos autônomos tiveram em média um desengate a cada 5, 000 milhas, "Hampshire disse." Estimamos que, se todas essas milhas fossem automatizadas, você precisaria de cerca de 50, 000 a 100, 000 funcionários, distribuído cidade por cidade. Uma rede como essa poderia operar como um serviço de assinatura, ou pode ser uma entidade governamental, semelhante ao atual sistema de controle de tráfego aéreo. "

A triagem baseada em algoritmo no início do processo o torna mais útil do que tentativas anteriores de assistência humana remota, que exigia que o veículo parasse, entre em contato com uma central de atendimento remota e obtenha instruções antes de prosseguir.

Outra chave para fazer o sistema funcionar no local será projetá-lo de uma forma que seja viável para o grande número de funcionários, diz Hampshire.

"Como o trabalho dos controladores de tráfego aéreo, este trabalho pode ser estressante e cognitivamente complexo. Portanto, estaremos procurando maneiras de torná-lo menos intenso e mentalmente fatigante. "

Os desenvolvedores estão atualmente trabalhando na plataforma de software. Eles esperam ter humanos testando o sistema até o final do primeiro ano do projeto, com o sistema capturando dados de veículos reais até o final do segundo ano.

A premissa básica por trás do crowdsourcing instantâneo foi validada em um artigo intitulado "Bolt:Crowdsourcing instantâneo via treinamento Just-in-Time, "que foi apresentado na conferência ACM CHI 2018. O projeto USDOT visa adaptá-lo para uso em veículos autônomos.