É uma cena comum para alguém dirigir à noite em uma estrada escura. Fechando em torno dos cantos e colinas, farol alto do carro estão em para melhorar a visão, enquanto a mão do motorista permanece pronta para desligá-los a qualquer momento, para que não cegar tráfego em sentido contrário e causar um acidente. Xin Li acredita que há uma solução melhor, e ele está trabalhando com a maior fabricante farol da China para torná-lo uma realidade. “Faróis modernos não têm apenas uma ou duas lâmpadas, eles podem ter até um milhão,"Disse Li, professor de engenharia elétrica e de computação na Duke University e na Duke Kunshan University. “Estou trabalhando com parceiros da indústria para criar um ‘farol inteligente’ que possa controlar cada pixel individualmente e iluminar automaticamente diferentes áreas na frente do carro após reconhecer o ambiente circundante.”

Por exemplo, o farol pode reduzir a quantidade de luz apontada para um carro que se aproxima e, ao mesmo tempo, aumentar a iluminação de um sinal de trânsito próximo. Ou poderia detectar pedestres próximos e alertar o motorista, destacando seu corpo, evitando iluminar diretamente seus olhos..

O aprendizado de máquina pode ensinar ‘faróis inteligentes’ reconhecer o ambiente e ajudar o motorista iluminando os pedestres próximos, evitando cegá-los no processo.

O desafio de fazer esse farol não é necessariamente criar diferentes padrões de luz – é ensinar o carro a reconhecer automaticamente o ambiente ao redor e criar os padrões por conta própria.. É um problema que a HASCO Vision Technology – o maior fabricante de lâmpadas automotivas na China – está recorrendo à Li para ajudá-los a resolver com aprendizado de máquina.

Muitas montadoras estão usando câmeras e aprendizado de máquina para ajudar a controlar suas próprias versões de carros autônomos, então Li está longe de estar sozinho nesse aspecto. Algoritmos de aprendizado de máquina, Contudo, precisam de grandes quantidades de dados para aprender, e muitos dos conjuntos de dados e algoritmos já criados para este fim centraram-se na condução diurna.

“Nossa aplicação não se importa com o dia,"Disse Li, que divide seu tempo entre os campi da Duke na Carolina do Norte e Kunshan, China. “Usar esta abordagem para faróis inteligentes é na verdade mais difícil porque as condições de iluminação são muito piores. É um desafio único que não foi bem estudado no passado.”

Enquanto seus parceiros da indústria trabalham para coletar mais imagens noturnas e anotar meticulosamente objetos importantes, como placas, pedestres e outros carros, Li está otimizando o algoritmo de aprendizado de máquina. Porque as decisões devem ser tomadas em tempo real, os pesquisadores devem escolher o hardware certo e projetar o algoritmo para se adequar à sua arquitetura.

Ajudando Li nesta tarefa está o cientista pesquisador da DKU, Xin Feng.. Exibindo sinais de irritação quando forçado a parar de jogar, Li e Feng já têm uma demonstração funcional que, embora impressionante, ainda precisa melhorar antes de chegar às estradas.

Outra opção para exibir informações na estrada com ‘faróis inteligentes’ está lembrando os motoristas do limite de velocidade.

“A precisão da detecção é muito importante – você não pode perder nada nem ninguém,"Disse Li. “E embora esse seja um problema muito importante e desafiador, é apenas uma métrica. A outra é a resposta em tempo real. Se o algoritmo demorar muito para responder, então não é útil. Tecnicamente, essas são as duas questões mais desafiadoras.”

Mas são questões que Li espera resolver num futuro próximo, além de adicionar mais alguns sinos e assobios. Outro aspecto do projeto utiliza os faróis para projetar informações importantes, como clima e condições da estrada., sinais de trânsito, direções de navegação, e até mesmo faixas de rodagem na estrada dentro dos próprios faróis.

Outros avanços poderiam incluir o uso de sensores alternativos que os carros autônomos podem eventualmente possuir, como radar e lidar.. Mas para agora, o projeto está usando apenas câmeras voltadas para a frente para manter os custos baixos, como nos próximos anos os consumidores são muito mais propensos a ver faróis inteligentes nas estradas em grande número do que os veículos de auto-condução com capacidades de detecção adicionadas.

“Acho que podemos obter um produto de primeira geração no mercado nos próximos dois anos,"Disse Li. “Uma vez que temos aqueles na estrada, podemos obter ainda mais feedback e dados para melhorar ainda mais a precisão e tempo de resposta para fazer iterações futuras ainda melhor.”

Fonte: pratt.duke.edu