Resumo de Controle Inteligente de Veículos Autônomos: Automatização do Processo de Estacionamento de Carros - Fernando Osório; Farlei Heinen e Luciane Fortes

Sistema capaz de estacionar um veículo

Os veículos autônomos têm atraído a atenção de pesquisadores na área da Inteligência Artificial. Trata-se de dispositivos capazes de automatizar funções de direção e orientação espacial, tais como robôs que exploram vulcões, desarmam bombas e conduzem veículos.
O SEVA – Simulador de Estacionamentos de Veículos Autônomos, é um sistema que está sendo desenvolvido por estudantes de mestrado da USININOS – Universidade do vale do Rio dos Sinos, que será capaz de estacionar um veículo sem a intervenção humana, esse veículo é equipado com seis sensores infravermelhos, dispostos em suas laterais, que coletam informações do meio, tais como: presença ou não de obstáculos e a distância entre o veículo e o obstáculo, transmitindo essas informações a um software que define a manobra, sentido, velocidade e direção que o veículo deve executar em cada situação (estado) em que se encontra.
O controle do veículo está sendo desenvolvido de duas formas distintas: a primeira é baseada em um sistema especialista composto por um conjunto de regras pré-definidas e a segunda baseia-se em uma rede neural artificial (RNA), conceito de Inteligência Artificial em que o próprio sistema consegue “aprender” de acordo com as informações que vão sendo acrescentadas.
A versão desenvolvida usando um sistema especialista usa entradas de dados pré-definidas e organizadas por um especialista no problema, que neste caso, se trata de um condutor experiente; essas informações simulam o comportamento de um motorista nas diferentes etapas do processo de estacionamento (procura da vaga, posicionamento do veículo, entrada na vaga, alinhamento e parada). O sistema reage de maneira diferente dependendo da situação em que o veículo se encontra, por exemplo: quando uma vaga é encontrada, o sistema determina um pequeno avanço antes de engatar a marcha ré.
A versão baseada em redes neurais baseia-se na capacidade do próprio sistema em definir “atitudes” a serem tomadas nas etapas de uma manobra de estacionamento, visto que as saídas de dados, juntamente com o conjunto de sensores, realimentam um algoritmo que simula uma rede de neurônios, capacitando o sistema para aprender a cada tentativa executada. Essa solução apresenta a vantagem de dispensar a implementação de um grande número de regras em face da capacidade da rede neural encontrar soluções de uma maneira autônoma. Os resultados apresentaram uma taxa de acerto de 98,649% em 10 simulações realizadas com redes neurais.
Atualmente estuda-se a possibilidade de integrar conhecimentos baseados em regras pré-definidas e o conceito de redes neurais através de um sistema híbrido.

Resumos Relacionados