Aplicação de aprendizagem profunda no controle da direção de um veículo de fórmula SAE

• Processo: 18/11528-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de setembro de 2018
• Data de Término da vigência: 31 de julho de 2019
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Leticia Rittner
• Beneficiário: Daniel Duck
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Inteligência computacional Inteligência artificial Linguagem natural Visão computacional Redes neurais convolucionais Aprendizagem profunda Veículos autônomos
• Palavra(s)-Chave do Pesquisador: Carro Autônomo | Deep Learning | Formula SAE | Inteligência Artificial | navegação autônoma | Redes Neurais convolucionais | Inteligência Computacional

Resumo

Os recentes avanços em capacidade computacional alavancaram a pesquisa e aplicação da Inteligência Artificial em diversas atividades, como na saúde, na mobilidade, no reconhecimento de linguagem natural, em visão computacional e nos mais variados campos de pesquisa. Dentre as diversas aplicações, a utilização de inteligência artificial no desenvolvimento de carros autônomos tem se mostrado bastante promissora e vem ganhando espaço na mídia. Sua utilização em larga escala tem potencial de resolver vários problemas graves dos grandes centros urbanos da atualidade e do futuro, como poluição e trânsito, que limitam seu crescimento e prejudicam a qualidade de vida de seus moradores. Dois grandes obstáculos ao desenvolvimento de veículos urbanos completamente autônomos são: a sua interação com outros motoristas, pedestres, ciclistas e outros agentes de trânsito, que podem ser bastante imprevisíveis, tornando seu controle mais desafiador; e as consequências possivelmente fatais de um erro cometido pelo sistema. A fim de estimular o desenvolvimento de veículos autônomos sem colocar a vida de pessoas em risco, nem ter de enfrentar o desafio da interação do veículo com múltiplos agentes de trânsito, a SAE (Sociedade de Engenheiros Automotivos) criou a competição Formula Student Driverless (FSD) em que estudantes universitários devem desenvolver um monoposto autônomo capaz de seguir um circuito fechado entre cones. Tendo em vista o sucesso reportado por estudos similares, essa pesquisa objetiva estudar a utilização de redes neurais para a aprendizagem do controle de direção de um veículo baseado em monovisão numa pista delimitada por cones em ambos os lados, como é feito na competição FSD. A fim de fazê-lo iremos aquisitar e tratar os dados de um carro percorrendo um circuito fechado e então treinar diversas redes para comparar suas performances e verificar qual delas foi capaz de reproduzir com mais fidelidade o comportamento do piloto real, sendo capaz de guiar um carro para percorrer o circuito de forma autônoma.