Lançamento do primeiro serviço de táxi autônomo no Japão

Demonstração da tecnologia em cenários reais

Em novembro e dezembro de 2020, a Tier IV e seus parceiros realizaram um total de 16 dias de testes públicos de direção automatizada em Nishi-Shinjuku, um centro comercial movimentado no centro de Tóquio. Colaboradores do governo e membros do público foram recrutados como passageiros para viajar e comentar sobre rotas que variavam de 1 a 2 quilômetros no tráfego. Em alguns dias, um condutor de segurança sentou-se ao volante, pronto para assumir o controle caso algo inesperado tivesse acontecido (nunca aconteceu). Em outros, o banco do motorista ficou vazio; um condutor remoto monitorou as telas que exibiam o entorno e o avanço do veículo, pronto para assumir o controle remoto.

Os testes de novembro foram realizados ao longo de uma única rota predeterminada. Os testes de dezembro permitiram aos participantes escolher entre três diferentes pontos de partida e chegada em seus smartphones, chamar o táxi para eles e viajar nele até o destino desejado. Portanto, o veículo teve de calcular e decidir entre vários possíveis itinerários, tornando a implementação mais desafiadora.

Mais de 100 passageiros participaram dos testes. Foi uma intensa experiência de aprendizado para os designers e operadores do Robotaxi, conforme alguns dos engenheiros da Tier IV contaram, posteriormente, em blogs on-line sobre as demonstrações. O ambiente e as condições desafiadoras de Nishi-Shinjuku — tráfego intenso, muitas curvas à esquerda e à direita, decisões de mudança de faixa e muito mais — combinados para testar totalmente as capacidades do Robotaxi.

Uma das lições inesperadas aprendidas diz repeito à detecção falsa de obstáculos. Meios-fios elevados em algumas beiras de estrada e até mesmo acúmulos de folhas em calhas criaram problemas para o sistema de percepção. O Autoware é programado para reconhecer o que deve ser detectado, como automóveis e pedestres, e para distinguir esses objetos de outros, tais como chuva ou folhas ao vento, que podem ser ignorados. No entanto, isso continua sendo um trabalho em andamento. Diferenciar entre folhas que caem e objetos caindo da parte de trás de um caminhão não é tão fácil para o Robotaxi quanto para os olhos e cérebros humanos.

Outro problema que indica o trabalho futuro a ser realizado foi o desempenho em curvas desprotegidas em cruzamentos não sinalizados, quando a visão do tráfego no sentido contrário ficou encoberta (algo que exige muito julgamento humano e reação rápida) ou a taxa de aproximação do tráfego no sentido contrário era difícil de estimar.

Para complementar isso, o Autoware é programado para não acelerar de repente para aproveitar uma lacuna no tráfego, como um ser humano faria; o conforto e a facilidade dos passageiros tem valor. Tais equilíbrios de conservadorismo e agressividade, tão naturais aos seres humanos, podem ser difíceis de alcançar em um sistema programado quando está em meio ao tráfego intenso.

Os sensores LiDAR também tiveram dificuldades esporádicas em ambientes sem características diferenciadoras, tais como áreas de estacionamento aberto e túneis. Além disso, o custo relativamente alto dos sensores LiDAR pode criar dificuldades em escala de mercado de massas, quando muitos veículos precisam ser equipados.

Para resolver isso, alguns engenheiros da Tier IV postaram em seu blog que estão testando uma técnica chamada Visual SLAM, com o uso de uma câmera relativamente barata, acoplada a uma unidade de medição inercial (IMU) no lugar de um sensor LiDAR. Isso cria um mapa usando informações visuais e, ao mesmo tempo, estima sua própria posição no mapa. Além disso, uma tecnologia chamada de relocalização, que estima onde você se encontra em um mapa criado antecipadamente, está sendo ativamente pesquisada.

Mas a Visual SLAM tem seus próprios desafios: não funciona bem no escuro, nem com muitos objetos em movimento simultâneo e divergente.

A expansão para o futuro

No entanto, a Tier IV e a AutonomouStuff adoram desafios.

“Muitas inovações estão acontecendo neste espaço”, disse John. “O OS (Open Source, ou código aberto) permite que muitos protagonistas tragam suas soluções para o ecossistema: custo, consumo de energia, arquiteturas de segurança, esses esforços estão trazendo as melhores soluções e os melhores protagonistas da categoria.”

O mercado de veículos sem motorista em rápido desenvolvimento apresenta vários protagonistas e muitas variantes de combinações e integrações de sensores; algumas são caras, algumas nem tanto.

“Outras empresas são muito integradas verticalmente”, acrescentou John, “desenvolvendo seus próprios pacotes de software, em contraste com a nossa abordagem de código aberto. O mercado ainda está bem prematuro do ponto de vista da adoção da implementação em massa. Alguns protagonistas têm sido capazes de demonstrar o Nível 4 integral e implantá-lo em mercados limitados.”

Mas, ao mesmo tempo, para realmente ampliar suas abordagens, há outro ciclo significativo de otimização do sistema que precisa acontecer. Mil watts a mais de capacidade computacional em um carro e integração de sensores de USD 100.000 por veículo: simplesmente não tem como expandir isso para dezenas de milhares de veículos em muitas cidades.

“É por isso que agora há todo esse investimento: LiDAR de estado sólido, radar de aquisição de imagens, todas essas coisas que continuam a desenvolver os recursos de percepção. Isso significa que novas soluções devem ser integradas e otimizadas dentro do nosso conjunto de percepções. Em seguida, depois de fazer essas alterações, como verifico o meu novo sistema? Como demonstro que ele ainda atende aos requisitos de segurança?”

John tem palavras finais para o futuro. “Para mim, parece que todos demonstraram que podem fazer o software funcionar em implantações limitadas. Para expandir, será necessário outro investimento significativo para desenvolver novamente e validar os sistemas, e o código aberto terá um papel importante aqui na otimização das soluções de direção autônoma de última geração.”