O treinamento de sistemas de direção autônoma tem avançado, mas ainda enfrenta limitações, como a impossibilidade de testá-los no mundo real (afinal, isso seria perigoso para outros motoristas e pedestres). Um grupo de pesquisadores encontrou uma forma de melhorar esse treinamento.
A equipe criou modelos que melhoram a renderização de imagens e facilitam a simulação de manobras complexas, algo comum no dia a dia dos motoristas.
A direção autônoma não requer a presença de um motorista humano para funcionar. Mas como testar esses sistemas em situações reais sem colocar a vida de outros seres humanos em risco?
A solução encontrada pela indústria foi o uso de plataformas de simulação. São dois tipos:
Como lembrou o TechXplore, as simulações de malha aberta são mais fáceis de implementar, porque não se adaptam às ações e erros cometidos durante o teste. No entanto, também não dá espaço para aprender com o erro. Nesse caso, as simulações de malha fechada refletem de maneira mais fiel o mundo real e sua adaptabilidade. A desvantagem é que elas costumam ser mais exigentes computacionalmente e nem sempre renderizam manobras complexas.
Uma equipe formada por cientistas da GigaAI, Peking University, Li Auto Inc. e CASIA desenvolveu um método capaz de melhorar as cenas de direção em simulações. O modelo foi descrito em um artigo publicado no arXiv.
Entre para comentar.