Busca avançada
Ano de início
Entree

Predição de trajetória e comportamento para veículos autônomos em tráfego urbano

Processo: 19/27301-7
Linha de fomento:Bolsas no Brasil - Doutorado
Vigência (Início): 01 de julho de 2020
Vigência (Término): 31 de março de 2023
Área do conhecimento:Engenharias - Engenharia Elétrica
Pesquisador responsável:Denis Fernando Wolf
Beneficiário:Iago Pachêco Gomes
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Vinculado ao auxílio:14/50851-0 - INCT 2014: Instituto Nacional de Ciência e Tecnologia para Sistemas Autônomos Cooperativos Aplicados em Segurança e Meio Ambiente, AP.TEM
Assunto(s):Robôs móveis   Veículos autônomos   Inteligência artificial   Tomada de decisão   Trajetória   Normas de trânsito   Redes bayesianas

Resumo

Os veículos autônomos transformarão o cenário do transporte urbano, aumentando sua eficiência, tornando-o mais acessível e seguro, diminuindo o impacto ambiental, entre outros benefícios. Para tanto, eles são compostos por um conjunto de dispositivos físicos e algoritmos, que os permitem compreender o ambiente externo, seu próprio estado e interagir com outros agentes do trânsito. Para navegar de forma segura, os veículos possuem algoritmos para detecção, classificação e desvio de obstáculos. Entretanto, por conta da dinamicidade do trânsito urbano, apenas detectar a posição de um obstáculo não é suficiente para garantir a segurança dos passageiros e outros agentes do trânsito. Dessa forma, o rastreamento, a predição de comportamento, e a predição de trajetórias destes agentes, são fontes de informações imprescindíveis que permitem aos algoritmos de tomada de decisão e planejamento considerar cenários prováveis em relação à posição desses outros agentes, antecipando possíveis colisões ou situações perigosas. Desta forma, o objetivo deste projeto é investigar e desenvolver técnicas de predição de comportamento e trajetórias, que considera além dos modelos físicos de movimento dos veículos, as geometrias da via, regras de trânsito e modelos de interação entre veículos. Para tanto, é proposto o uso de Redes Bayesianas Dinâmicas que são capazes de modelar relações condicionais entre variáveis e dependência temporais. Além do modelos ocultos de Markov, para modelar o estágio de execução de uma manobra ou comportamento, e a redes neurais recorrentes, conhecida como LSTM (do inglês, Long Short-Term Memory), para predição das trajetórias finais. Para validação da proposta, serão utilizados base de dados públicas e o simulador CARLA. Após validado, será realizado um experimento real utilizando o veículo autônomo CaRINA II, em desenvolvimento pelo Laboratório de Robótica Móvel (LRM) e o Laboratório de Sistemas Inteligentes (LASI) da Universidade de São Paulo - São Carlos. (AU)