Parte de mim não gostou disso imediatamente devido ao vídeo abaixo. Quero dizer, o que está acontecendo com o pelo do rosto desse cara? E ele tem que olhar tão pretensioso?
“Não vou usar meu telefone enquanto meu carro estiver dirigindo, vou tomar um café também. Yeaaaahhhh. Olhe para meeee. Eu sou muuuuito legal ”.
Essa tecnologia, que parece envolver várias câmeras conectadas a um rack de teto, é de uma empresa chamada caixa brilhante. A descrição deles da tecnologia é um pouco opaca para dizer o mínimo…
Errrmm .. OK.
Isso não vai acabar bem. Eu realmente não quero que meu carro bata em todos os outros carros na estrada e deslize ao longo da barreira por três quilômetros.
Eles então me dizem que o “Remoto Pilot” tem detecção e prevenção de colisões em tempo real, além de mudança de faixa segura e confiável. Funciona com GPS, mapas de alta definição e as câmeras no teto. Os clientes incluem grandes fabricantes de automóveis como Nissan, Toyota, KIA e Infiniti. Eles também terão uma solução de modernização para carros existentes, então talvez eu possa usá-la na minha e dormir no caminho para o trabalho, certo?
… ou talvez eu tome um café e navegue no meu telefone. Primeiro, porém, preciso crescer um bigode e barba esquisitos.
Comunicado de imprensa completo abaixo ..
A Bright Box, fornecedora global de soluções para carros conectados, apresenta uma solução de carro autônomo com uma rede neural que aprende direção extrema através de jogos de computador
LAUSANNE, setembro de 2016 – Um fornecedor europeu de aplicativos para veículos conectados, como o aplicativo Nissan Smart Car no Oriente Médio e o aplicativo KIA Remoto, anunciou o lançamento de uma solução de carro autônomo com uma rede neural treinada tanto em jogos de computador quanto reais exemplos de vida. O Remoto Pilot, uma nova solução de carro autônomo, oferece acompanhamento seguro e confiável de estradas / faixas, além de detecção em tempo real e prevenção de vários obstáculos, como carros e pedestres. A principal tecnologia capacitadora para a capacidade de direção autônoma de alta eficiência do Remoto Pilot é o uso da visão estéreo em combinação com algoritmos avançados de visão computacional baseados em redes neurais. Combinada com o uso do sistema Global Navigation Satellite System (GNSS) e mapas de alta definição (HD), essa tecnologia permite a possibilidade de operação totalmente autônoma do carro.
Atualmente, o principal produto da Bright Box é o Remoto, uma plataforma Connected Car pronta para uso que ajuda os proprietários de carros a gerenciar remotamente seus carros via smartphones (partida do motor, abertura / fechamento de portas, rastreamento de carros), fornece grandes quantidades de dados para empresas automotivas e de seguros, incluindo informações sobre casos de mau funcionamento do carro, quilometragem, comportamento do motorista, acidentes de trânsito, etc. Os clientes da empresa incluem fabricantes de automóveis como Nissan, Toyota, KIA, Infiniti.
Hoje, a empresa anuncia o lançamento de uma solução de direção autônoma projetada para ser um kit de adaptação para carros existentes.
Tecnologias avançadas de visão computacional, como redes neurais convolucionais (СNN) com aprendizado profundo, em combinação com visão estéreo, podem melhorar bastante as capacidades dos carros autônomos. Essa tecnologia permite seguir estradas / faixas seguras e confiáveis, detecção em tempo real e prevenção de vários obstáculos, como carros, pedestres etc.
O uso da visão estéreo (um par de câmeras de vídeo montadas em um carro) permite o cálculo de distâncias para vários objetos no campo de visão das câmeras. Assim, a avaliação em tempo real da situação da estrada pelo computador de bordo do carro torna-se possível.
O treinamento de uma rede neural envolve o uso de conjuntos representativos pré-computados de amostras de vídeos de situações de estradas, chamados de conjuntos de dados de treinamento.
Uma tecnologia moderna realmente incrível que é útil para o treinamento de redes neurais é a computação gráfica em 3D usada em jogos de computador. Esses jogos, como o GTA-V, com grande parte de sua jogabilidade envolvendo dirigir nas ruas da cidade, têm um grande número de vistas extremamente realistas das ruas da cidade, vistas de dentro das cabines dos carros, o que os torna uma fonte muito valiosa de imagens de alta fidelidade que podem ser usadas para gerar conjuntos de dados de treinamento.
Dois exemplos de conjuntos de dados de treinamento, gerados a partir do jogo de computador GTA-V, são mostrados abaixo.
As imagens de origem originais (mostradas à esquerda) são usadas para informar à rede neural como são os vários objetos em uma cena de estrada, enquanto as imagens anotadas (mostradas à direita) são usadas para informar à rede neural que tipos de objetos estão onde .
Conjuntos de dados de treinamento da vida real, gravados a partir de câmeras a bordo instaladas em carros reais, dirigindo em estradas reais, também são usados para o treinamento de redes neurais. Um exemplo de um par de imagens de um conjunto de dados de treinamento da vida real é mostrado abaixo
Conjuntos de dados de treinamento da vida real, juntamente com conjuntos de dados sintéticos gerados a partir de jogos de computador, constituem um conjunto muito eficiente de amostras de treinamento usadas para treinar redes neurais para analisar situações da estrada na vida real com alta eficiência, fornecendo assim a base para uma condução autônoma segura e confiável em ruas da cidade.
Uma grande vantagem dessa abordagem é a flexibilidade inerente aos algoritmos de redes neurais. Enquanto a rede neural é treinada em um número limitado de amostras, representando um número limitado de situações na estrada, ela pode analisar corretamente um número muito maior de situações na estrada que diferem de muitas maneiras das amostras de treinamento.
As redes neurais também podem ser treinadas para medir distâncias de um par estéreo de câmeras para vários objetos, usando conjuntos de dados de treinamento que incluem vários pares de imagens gravadas de câmeras estéreo instaladas em carros reais, dirigindo em estradas reais.
Um tipo comum de sensor usado em carros autônomos é o Lidar (um scanner a laser que mede distâncias a objetos ao redor), geralmente instalado no teto de um carro.
O uso de câmeras estéreo é uma alternativa ao uso de Lidars. As câmeras estéreo e os Lidars medem distâncias aos objetos e podem ser usados para gerar mapas de profundidade que podem ser usados para o planejamento da trajetória do carro.
Com forte ênfase no uso de técnicas avançadas de visão computacional, a empresa busca desenvolver uma tecnologia que elimine a necessidade do uso de Lidars.
Combinada com o uso de mapas do Sistema Global de Navegação por Satélite (GNSS) e alta definição (HD), essa avançada tecnologia de visão computacional permite a possibilidade de operação totalmente autônoma do carro.