Notícias

Esta semana, o Toyota Research Institute (TRI) e a Stanford Engineering anunciaram um feito inédito na pesquisa de condução: realizar um drift em tandem de dois carros de forma autônoma.

Durante quase sete anos, as equipes colaboraram em pesquisas para tornar a condução mais segura. Os experimentos automatizam uma manobra de esportes a motor chamada ‘drifting’, onde o motorista controla precisamente a direção do veículo após perder tração, girando os pneus traseiros - uma habilidade transferível para recuperar o controle em superfícies escorregadias, como neve ou gelo. Ao adicionar um segundo carro fazendo drift em tandem, as equipes simularam de forma mais precisa condições dinâmicas em que os carros devem responder rapidamente a outros veículos, pedestres e ciclistas.

“Nossos pesquisadores se uniram com um único objetivo - como tornar a condução mais segura”, disse Avinash Balachandran, vice-presidente da divisão de Condução Interativa Humana do TRI. “Agora, utilizando as ferramentas mais recentes em IA, podemos realizar drift em tandem com dois carros de forma autônoma. É a manobra mais complexa nos esportes a motor, e alcançar esse marco com autonomia significa que podemos controlar carros dinamicamente em situações extremas. Isso tem implicações de longo alcance para a construção de sistemas de segurança avançados em futuros automóveis”.

“A física do drifting é similar ao que um carro pode experimentar em neve ou gelo”, disse Chris Gerdes, professor de engenharia mecânica e co-diretor do Centro de Pesquisa Automotiva de Stanford (CARS). “O que aprendemos com este projeto de drift autônomo já levou a novas técnicas para controlar veículos automatizados de forma segura no gelo”.

Em uma sequência de drift em tandem autônoma, dois veículos - um carro líder e um carro perseguidor - navegam em um percurso, às vezes a poucos centímetros um do outro, operando no limite de controle. A equipe usou técnicas modernas para construir a IA do veículo, incluindo um modelo de pneu de rede neural que permitiu que ele aprendesse com a experiência, assim como um motorista especialista.

“As condições da pista podem mudar drasticamente em poucos minutos quando o sol se põe”, disse Gerdes. “A IA que desenvolvemos para este projeto aprende com cada viagem que fazemos à pista para lidar com essa variação”.

Acidentes de carro resultam em mais de 40.000 fatalidades nos EUA e cerca de 1.35 milhão de fatalidades em todo o mundo a cada ano. Muitos desses incidentes são devido à perda de controle do veículo em situações dinâmicas súbitas. A autonomia tem um grande potencial para ajudar os motoristas a reagirem corretamente.

“Quando seu carro começa a derrapar ou deslizar, você depende unicamente de suas habilidades de condução para evitar colidir com outro veículo, árvore ou obstáculo. Um motorista comum tem dificuldades para lidar com essas circunstâncias extremas, e um segundo pode significar a diferença entre a vida e a morte”, acrescentou Balachandran. “Esta nova tecnologia pode entrar em ação no momento exato para proteger o motorista e gerenciar a perda de controle, assim como um especialista em drift faria”.

“Fazer o que nunca foi feito antes realmente mostra o que é possível”, acrescentou Gerdes. “Se conseguimos fazer isso, imagine o que podemos fazer para tornar os carros mais seguros”.

Detalhes Técnicos

• Os experimentos foram conduzidos no Thunderhill Raceway Park em Willows, Califórnia, usando dois GR Supras modificados: os algoritmos no carro líder foram desenvolvidos pelo TRI, enquanto os engenheiros de Stanford desenvolveram aqueles no carro perseguidor.
• O TRI se concentrou em desenvolver mecanismos de controle robustos e estáveis para o carro líder, permitindo que ele realizasse corridas líderes repetitivas e seguras.
• A Engenharia de Stanford desenvolveu modelos e algoritmos de IA que permitem ao carro perseguidor se adaptar dinamicamente ao movimento do carro líder, para que possa fazer drift ao lado sem colidir.
• A GReddy e a Toyota Racing Development (TRD) modificaram a suspensão, motor, transmissão e sistemas de segurança (por exemplo, gaiola de proteção, supressão de incêndio) de cada carro. Embora sutilmente diferentes entre si, os veículos foram construídos com as mesmas especificações usadas em competições de Formula Drift, para ajudar as equipes a coletar dados com pilotos especialistas em um ambiente controlado.
• Ambos estão equipados com computadores e sensores que permitem controlar direção, aceleração e freios, além de detectar seu movimento (por exemplo, posição, velocidade e taxa de rotação).
  • Crucialmente, eles compartilham uma rede Wi-Fi dedicada que permite comunicação em tempo real, trocando informações como suas posições relativas e trajetórias planejadas.
  • Para alcançar o drift em tandem autônomo, os veículos devem planejar continuamente seus comandos de direção, aceleração e freio, bem como a trajetória que pretendem seguir, usando uma técnica chamada Controle Preditivo de Modelo Não Linear (NMPC).
• No NMPC, cada veículo começa com objetivos, representados matematicamente como regras ou restrições que deve obedecer.
  • O objetivo do veículo líder é sustentar um drift ao longo de um caminho desejado, permanecendo sujeito às restrições das leis da física e limites de hardware, como o ângulo máximo de direção.
  • O objetivo do veículo perseguidor é fazer drift ao lado do veículo líder, evitando proativamente uma colisão.
• Cada veículo, então, resolve um problema de otimização até 50 vezes por segundo para decidir quais comandos de direção, aceleração e freio melhor atendem aos seus objetivos, enquanto respondem a condições em rápida mudança.
• Aproveitando a IA para treinar constantemente a rede neural usando dados de testes anteriores, os veículos melhoram a cada viagem à pista.