Page 14 - Revista EAA - Edição 74

CONECTIVIDADE INTRODUÇÃO À CONECTIVIDADE

Carros autônomos:

capacitar-se é preciso conectividade

Hoje, no limiar de sua implantação, já podemos imaginar o impacto
que Veículos Autônomos (VAs) terão na indústria, na economia
e na sociedade de maneira geral. Mas apenas os que tiverem
conhecimento e iniciativa tirarão proveito dessas oportunidades

Dr. Hélio Petroni Filho*

Diagrama de Os primeiros experimentos com VAs radiocon- mas há alguns requisitos importantes. O uso de
arquitetura de trolados datam dos anos 1920, mas apenas nos drive-by-wire é praticamente obrigatório para
um sistema anos 2000 a tecnologia alcançou o ponto crítico que o carro possa ser controlado autonomamen-
de condução a partir do qual se tornou promissora para uso te, e uma planta elétrica ou híbrida é preferível
autônoma. prático. Grandes fabricantes de automóveis e para suprir o elevado consumo de módulos de
Diferentes sensores diversas startups do Vale do Silício agora dispu- processamento e sensores. Mas a principal no-
reportam suas tam o novo mercado, colocando para o profis- vidade são mesmo os sistemas de software que
leituras para sional automobilístico a questão de como essa controlam o carro: essa é a parte mais complexa
módulos de nova etapa da indústria afetará suas perspectivas, do sistema inteiro, e onde se desenrola uma dis-
processamento, especialmente em relação a ramos de atividade e puta entre duas maneiras alternativas de abordar
que determinam
as condições do requisitos de qualificação. o problema de condução autônoma – os para-
veículo e planejam Dois paradigmas digmas robótico e de aprendizagem.
comandos enviados No paradigma robótico, engenheiros e espe-
para os sistemas de À primeira vista, as especificações de um VA cialistas primeiro determinam tarefas impor-
controle de direção não diferem muito das de um veículo moderno, tantes que o sistema deve realizar (ex.: dirigir
e tração permanecendo entre as faixas da estrada); então,
estudam registros dos sensores – gravados em
sessões de teste por motoristas – para identificar
padrões de dados relevantes (ex.: a ocorrência de
faixas contínuas ou tracejadas no chão, em dife-
rentes tons de branco ou amarelo); em seguida
projetam filtros computacionais para extrair es-
ses padrões de leituras dos sensores; e finalmen-
te aplicam um procedimento de classificação ou
regressão para deduzir parâmetros desejados (ex.
a posição do veículo relativa às faixas) a partir
dos padrões extraídos. O resultado final é um
sistema de software formado por componentes
distintos, onde cada parte cumpre um propósito
claro, especificado pelo seu criador.
Já no paradigma de aprendizagem, sistemas
de aprendizagem como redes neurais analisam
gravações de motoristas dirigindo de forma
“correta”, aprendendo, por exemplo, as reações
adequadas em cada situação. O engenheiro en-
tão cria um sistema com capacidades “mentais”
adequadas para assimilar as lições – memória
episódica, percepção espacial, controle de aten-

14 abril/maio/junho