As previsões estavam erradas: os carros autônomos ainda têm um longo caminho a percorrer

Vários anos atrás, os carros autônomos pareciam quase prontos para assumir as estradas.

"A partir de 2020, você será um motorista permanente no banco de trás", disse o The Guardian em 2015. Veículos totalmente autônomos "dirigirão do ponto A ao ponto B e encontrarão toda a gama de cenários na estrada sem precisar de nenhuma interação do motorista, Business Insider escreveu em 2016.

Agora está claro que muitas dessas estimativas foram exageradas; basta olhar para o problema que a Uber teve no Arizona. Carros sem motorista certamente tornarão nossas estradas mais seguras, mas remover humanos de trás do volante é um osso duro de roer. Antes de alcançarmos a utopia sem motorista e sem acidentes com a qual sonhamos há décadas, precisamos superar vários obstáculos, e nem todos são técnicos.

Navegando em ambientes abertos

Os carros autônomos devem navegar em ambientes imprevisíveis e variados.

"Acho que o mais importante quando pensamos em carros é o que é necessário para que essas coisas sejam autônomas. É aí que a linguagem da autonomia realmente nos causa problemas, porque a autonomia só se aplica dentro de um determinado sistema", disse Jack Stilgoe, cientista social da University College London e líder do projeto Driverless Futures.

Outros segmentos da indústria de transporte, incluindo trens e aviões, já implementaram autonomia para níveis mais altos de sucesso que os carros, disse ele.

"O piloto automático de um avião funciona apenas porque o espaço aéreo é um ambiente altamente controlado. Se você voar com seu balão de ar quente no caminho de um 747, ele passará direto por você e ficará muito claro de quem será a culpa". Stilgoe apontou. "O mesmo acontece com os trens. Ser sem motorista faz sentido apenas porque é muito claro que o sistema é fechado."

Por outro lado, os carros operam nas estradas, que são sistemas altamente complexos e abertos - muito menos previsíveis do que as ferrovias, onde os trens têm trilhos exclusivos que estão fora dos limites de carros, animais e pedestres. Um carro autônomo deve encontrar o seu caminho em ruas movimentadas, reagir a sinais de trânsito, lidar com outro tráfego nos cruzamentos e dirigir em condições variadas, onde as marcações podem não estar claras. Ele deve aprender a contornar obstáculos, reagir a movimentos de outros carros e motoristas e, o mais importante, evitar esbarrar em pedestres. Tudo isso dificulta o trabalho de criar carros autônomos seguros.

"Sempre haverá coisas que nos surpreendem", disse Stilgoe.

Dando Olhos e Cérebros aos Carros

Uma das principais tecnologias que ajudaram a impulsionar a tecnologia de carros autônomos é o aprendizado profundo, um subconjunto de inteligência artificial que cria modelos comportamentais baseados em exemplos. Os algoritmos de aprendizado profundo examinam os feeds de vídeo das câmeras instaladas ao redor do carro autônomo para encontrar as dimensões da estrada, ler sinais e detectar obstáculos, carros e pedestres.

Anthony Levandowski, o engenheiro que esteve no centro de uma ação judicial entre Waymo e Uber, publicou recentemente um vídeo e detalhes de desempenho de uma tecnologia de direção autônoma que percorreu 3.100 milhas, da Ponte Golden Gate de São Francisco à Ponte George Washington em Nova York, sem nunca entregar o controle a um motorista humano e usar apenas câmeras de vídeo e redes neurais.

Embora dirigir em rodovias interestaduais seja consideravelmente mais fácil do que navegar em ambientes urbanos, a conquista de Levandowski é notável. Pronto.ai, sua nova startup, planeja disponibilizar a tecnologia para semi-caminhões comerciais, que passam a maior parte do tempo em rodovias.

Mas, embora as redes neurais bem treinadas possam superar os seres humanos na detecção de objetos, elas ainda podem falhar de maneira irracional e perigosa - principalmente o acidente fatal em 2016 do Tesla Model S de 2016 e o ​​acidente do modelo X de 2018. Outros estudos mostram que os algoritmos de visão computacional de veículos autônomos podem ser facilmente enganados quando eles veem objetos conhecidos em posições difíceis.

Para ser justo, tecnologias autônomas impediram acidentes em vários casos, mas esses casos raramente são manchetes.

Complementando redes neurais

Para contornar os limites das redes neurais, algumas empresas equiparam seus carros com Lidar, os dispositivos rotativos frequentemente vistos em cima de carros autônomos. Os dispositivos Lidar emitem vários raios de luz invisíveis em diferentes direções e criam mapas 3D detalhados da área ao redor do carro, medindo o tempo que leva para que esses raios se reflitam em um objeto e retornem.

O Lidar pode detectar objetos e obstáculos que os algoritmos de classificação de imagens podem perder. Ele também permite que os carros vejam no escuro e é mais detalhado e preciso do que o radar, mais adequado para detectar objetos em movimento.

A maioria das empresas com programas de carro autônomo está usando o Lidar, incluindo Waymo e Uber. Mas a tecnologia ainda é incipiente. Por um lado, os dispositivos Lidar não são ótimos com buracos ou condições climáticas adversas.

Lidar também é muito caro; de acordo com várias estimativas, pode-se adicionar até US $ 85.000 ao preço de um carro. Os custos anuais podem chegar a US $ 100.000, de acordo com uma pesquisa da Axios. O comprador médio de carros provavelmente não pode pagar por isso, mas os gigantes da tecnologia que planejam implantar serviços de táxi autônomo podem.

"Algumas pessoas estão tentando desenvolver complementos de baixo custo, mas parece que os benefícios são mais claros quando os carros são compartilhados e operados nas cidades", disse Stilgoe. "Isso pode ser uma coisa boa para pessoas que atualmente não têm carro ou algo ruim para pessoas fora da cidade que podem não ter um serviço nas proximidades".

Stilgoe alerta que existe o perigo de as cidades usarem a promessa de frotas autônomas como razão para adiar o investimento em transporte público. Pelo menos duas localidades dos EUA estavam investindo centenas de milhares de dólares em serviços de transporte autônomo, segundo a pesquisa da Axios.

A necessidade de conectividade e infraestrutura

Motoristas humanos fazem muito mais do que observar seus ambientes. Eles se comunicam. Eles fazem contato visual, acenam e acenam um para o outro, e começam a se mover lentamente em uma direção para deixar suas intenções claras para outros motoristas. Essas são funções que as tecnologias atuais de direção autônoma desempenham muito mal, se é que o fazem.

Além de mapear seus ambientes e detectar objetos, os carros autônomos também precisam de um método para se comunicar entre si e com seus ambientes. Em um ensaio para a Harvard Business Review , acadêmicos da Escola de Negócios da Universidade de Edimburgo sugeriram várias soluções, incluindo a implantação de sensores inteligentes em carros e infraestrutura.

"Pense nos transmissores de rádio substituindo semáforos, redes de dados móveis e sem fio de maior capacidade que lidam com comunicações veículo a veículo e veículo a infraestrutura e unidades de beira de estrada que fornecem dados em tempo real sobre clima, tráfego e outras condições". os acadêmicos escreveram.

As tecnologias atuais de direção autônoma estão tentando adaptar os computadores à infraestrutura projetada para humanos, como semáforos, sinais de trânsito, marcas de estrada etc. Os algoritmos de aprendizado de máquina precisam de horas de treinamento e grandes quantidades de dados antes que possam replicar as funções mais básicas do sistema de visão humana, como detectar outros carros ou ler sinais de trânsito de diferentes ângulos e sob diferentes condições de iluminação e clima.

O aprimoramento de carros e estradas com sensores inteligentes facilitará muito a comunicação entre os carros autônomos e o manuseio de diferentes condições da estrada - uma abordagem que se torna cada vez mais viável à medida que os custos dos processadores diminuem e tecnologias como 5G tornam possível a conectividade onipresente e mais acessível.

Segregando carros autônomos

A adição de sensores inteligentes a 6 milhões de quilômetros de estradas nos EUA é uma tarefa difícil, se não impossível. É uma das razões pelas quais as empresas automobilísticas preferem se concentrar em tornar os carros mais inteligentes do que o meio ambiente.

"O cenário de curto prazo mais provável que veremos são várias formas de segregação espacial: carros autônomos operarão em algumas áreas e não em outras. Já estamos vendo isso, já que testes iniciais da tecnologia estão sendo realizados em locais designados. áreas de teste ou em ambientes relativamente simples e com bom tempo ", sugeriram os acadêmicos de Edimburgo em seu ensaio.

Nesse ínterim, eles sugeriram: "Também podemos ver faixas ou zonas dedicadas para veículos autônomos, tanto para proporcionar a eles um ambiente mais estruturado enquanto a tecnologia é refinada quanto para proteger outros usuários da estrada de suas limitações".

Outros especialistas fizeram sugestões semelhantes. Em agosto, o pesquisador de IA e co-fundador do Google Brain Andrew Ng sugeriu que, para resolver os problemas de segurança da direção, devemos mudar o comportamento de pedestres e outros usuários que compartilham estradas com eles. "Se você observar o surgimento de ferrovias, na maioria das vezes, as pessoas aprenderam a não ficar na frente de um trem nos trilhos", disse Ng.

A sugestão de Ng certamente ajudaria a reduzir os riscos de segurança de carros autônomos enquanto a tecnologia se desenvolve, mas não se encaixa bem com outros especialistas em IA, incluindo o pioneiro em robótica Rodney Brooks. "A grande promessa dos carros autônomos é que eles eliminarão as mortes no trânsito. Agora está dizendo que eles eliminarão as mortes no trânsito enquanto todos os humanos forem treinados para mudar seu comportamento?" Brooks escreveu em um post no blog.

• Andando em Miami nos carros de teste de condução da Ford Andando em Miami nos carros de teste de condução da Ford
• CTO da Ford em Scooters, IA e Trazendo Carros Autônomos para Miami CTO da Ford em Scooters, AI e Trazendo Carros Autônomos para Miami
• Nos carros autônomos da Lyft, lenta e constante vence a corrida Nos carros autônomos da Lyft, lenta e constante vence a corrida

O professor Gary Marcus, da Universidade de Nova York, crítico crítico de exagerar as realizações do aprendizado profundo, descreve a proposta de Ng como "redefinindo as metas para facilitar o trabalho".

Mas Stilgoe acredita que podemos tirar lições importantes da história. "Quando os carros chegaram às cidades dos EUA no início do século XX, os pedestres foram instruídos a sair do caminho para tornar as estradas seguras. Jaywalking foi inventado como uma contravenção e as estradas foram projetadas para favorecer carros", disse Stilgoe.

Stilgoe acredita que, se levarmos a sério os benefícios dos carros autônomos, veremos o mesmo acontecer novamente. Por exemplo, as empresas de automóveis podem começar a fazer lobby nas cidades para melhorar suas infra-estruturas e ensinar os pedestres a se comportar em torno de carros autônomos. "Para que carros autônomos funcionem conforme prometido, o sistema em que operam precisará ser controlado", disse Stilgoe.

Obstáculos no caminho

Apesar de suas lutas, a indústria automobilística está avançando a um ritmo constante e nossas estradas certamente se tornarão mais seguras.

Mas questões e desafios permanecem. Por exemplo, quem será responsabilizado quando ocorrer um acidente de carro? "É muito fácil dizer que, em um sistema autônomo completo, a empresa deve ser responsabilizada em quase todas as circunstâncias. As coisas ficam mais complicadas quando humanos e computadores compartilham a direção em momentos diferentes", disse Stilgoe.

Além disso, como um carro autônomo deve decidir quando se encontra em uma situação em que a perda de vidas humanas é inevitável? Isso é conhecido como "problema do carrinho" e pode ser hipotético, mas mostra que os carros autônomos terão que ser projetados para tomar decisões em situações em que as regras não sejam claras.

"Existem dilemas éticos reais no design desses sistemas", disse Stilgoe. "Carros autônomos não serão oniscientes".