Predição de trajetória adaptativa consciente a interação para veículos autônomos em ambientes urbanos

• Processo: 22/04473-0
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Data de Início da vigência: 15 de setembro de 2022
• Data de Término da vigência: 14 de setembro de 2023
• Área de conhecimento: Engenharias - Engenharia Elétrica
• Pesquisador responsável: Denis Fernando Wolf
• Beneficiário: Iago Pachêco Gomes
• Supervisor: Cristiano Premebida
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Instituição Anfitriã: Universidade de Coimbra (UC), Portugal
• Vinculado à bolsa: 19/27301-7 - Predição de trajetória e comportamento para veículos autônomos em tráfego urbano, BP.DR
• Assunto(s): Veículos autônomos Robôs móveis Aprendizado computacional Transporte urbano Segurança nos transportes Desvio de obstáculos
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | aprendizado online | Interação entre Veículos | Predição de Intenção | Veículos autônomos | Robótica Móvel

Resumo

Os veículos autônomos devem transformar o cenário do transporte urbano, aumentando sua eficiência, tornando-o mais acessível e seguro, reduzindo o impacto ambiental, entre outros benefícios. Para navegar com segurança, os veículos contam com algoritmos para detectar, classificar e evitar obstáculos. No entanto, devido ao dinamismo do tráfego urbano, apenas detectar a posição de um obstáculo não é suficiente para garantir a segurança. Assim, rastreamento de múltiplos obstáculos, predição de comportamento ou intenção, e a predição de trajetória desses agentes são essenciais e permitem que algoritmos de tomada de decisão e planejamento de caminhos considerem cenários prováveis, antecipando possíveis colisões ou situações perigosas. A área de previsão de trajetória é dividida em abordagens que consideram as equações de movimento dos agentes, sua intenção de manobra e a interação entre os participantes do tráfego. Este último caso é particularmente desafiador e ainda está em aberto no campo de estudo, devido à complexidade da modelagem de interações entre agentes. Um dos principais desafios é que existem vários fatores que influenciam as ações de cada motorista, por exemplo, fatores psicológicos, experiência de condução, regras de trânsito, segurança, e ações dos motoristas ao redor. Assim, o objetivo deste projeto é investigar e desenvolver técnicas de previsão de trajetória consciente de interação de veículos que lide com alguns de seus desafios, especialmente a interação espaço-temporal e a heterogeneidade das classes de participantes do tráfego (e.g., pedestre, ciclista e veículos). Além disso, é importante levar em consideração que cada motorista possui características únicas quanto à execução das ações dos participantes do trânsito. Por conta disso, o framework de predição possui um módulo de adaptação online, responsável por ajustar seu conhecimento às especificidades de cada agente alvo, melhorando assim continuamente o desempenho do preditor. Finalmente, este projeto apresenta o escopo de pesquisa para intercâmbio de pesquisa junto à Universidade de Coimbra - Portugal, sob a co-orientação do Prof. Dr. Cristiano Premebida. (AU)