Os carros modernos dependem cada vez mais de um “cérebro” poderoso que controla a condução, segurança, navegação, comunicação e entretenimento. Os engenheiros frequentemente chamam esse sistema de computador autônomo, computador veicular, plataforma de computação central ou computador de condução autônoma. Esse computador processa enormes quantidades de dados de sensores e câmeras em tempo real e ajuda o carro a tomar decisões durante a condução.
A indústria automobilística agora trata software e poder de computação como partes importantes do design do veículo. Muitos fabricantes mudaram de sistemas de controle eletrônico tradicionais para “veículos definidos por software” centralizados, onde um pequeno número de computadores poderosos gerencia a maioria das funções do veículo.
O que é um computador autônomo em um carro?
Um computador autônomo em um carro é um sistema de computação de alto desempenho que ajuda o veículo a entender o ambiente, prever perigos e controlar o comportamento do carro. Esse computador combina hardware, software, inteligência artificial e dados de sensores.
O computador autônomo geralmente executa tarefas como:
- Detecção de objetos, pedestres, faixas e sinais de trânsito
- Monitoramento da velocidade e direção do veículo
- Planejamento de trajetórias seguras de condução
- Controle de frenagem, direção e aceleração
- Gerenciamento da navegação e mapeamento
- Comunicação com sistemas em nuvem e outros veículos
- Execução de recursos de assistência ao motorista.
Os computadores autônomos modernos podem processar dados de muitos sensores simultaneamente. Alguns sistemas avançados processam trilhões de operações por segundo.
Por exemplo, o novo chip autônomo Rivian RAP1 supostamente entrega cerca de 1.800 trilhões de operações por segundo para processamento de inteligência artificial.
Por que os carros precisam de computadores autônomos?
Carros tradicionais contavam com várias pequenas unidades de controle eletrônico. Uma unidade controlava a frenagem, outra unidade controlava a transmissão, outra controlava os airbags e outra controlava o sistema de entretenimento.
A condução autônoma moderna requer decisões muito mais rápidas e quantidades de processamento de dados muito maiores. Um carro autônomo ou semi-autônomo pode usar:
- Múltiplas câmeras
- Sensores de radar
- Sensores LiDAR
- Sensores ultrassônicos
- Sistemas de posicionamento global
- Mapas em alta definição.
O computador do veículo deve combinar todas essas informações em milissegundos.
Pesquisadores e empresas automotivas estão cada vez mais utilizando arquiteturas de computação centralizada, pois sistemas centralizados reduzem a latência e melhoram a coordenação entre os sistemas do veículo.
Como um computador autônomo funciona
Um computador autônomo geralmente opera em várias etapas.
Coleta de informações pelos sensores
Os sensores coletam continuamente informações sobre o ambiente.
Exemplos incluem:
- Câmeras para marcações de faixas e sinais de trânsito
- Radar para medição de distância
- LiDAR para mapeamento tridimensional
- Sensores ultrassônicos para assistência de estacionamento.
Alguns veículos avançados usam mais de 10 câmeras e vários sistemas de radar.
De acordo com relatórios sobre futuros sistemas autônomos da Mercedes-Benz, engenheiros podem usar configurações com 14 câmeras de alta definição, 9 sensores de radar e LiDAR.
Fusão de dados
O computador autônomo combina dados de diferentes sensores em um modelo ambiental unificado.
Por exemplo:
- Câmeras identificam um pedestre
- Radar mede a velocidade do pedestre
- LiDAR mede a posição do pedestre no espaço tridimensional
O computador mescla todas essas informações para melhorar a precisão.
Análise por inteligência artificial
Modelos de inteligência artificial analisam o ambiente e prevêem possíveis riscos.
O sistema pode responder perguntas como:
- Outro veículo está mudando de faixa?
- Um pedestre vai atravessar a rua?
- Há construção de estrada à frente?
- É necessária a frenagem?
Os sistemas autônomos modernos estão cada vez mais usando inteligência artificial na borda, onde o veículo processa dados localmente dentro do carro em vez de depender de servidores em nuvem. Esse método reduz atrasos e melhora a confiabilidade.
Tomando decisões para a condução
O computador seleciona a ação de condução mais segura.
Ações possíveis incluem:
- Ajuste da direção
- Redução da velocidade
- Frenagem de emergência
- Mudanças de faixa
- Manobras de estacionamento.
O sistema então envia comandos para os sistemas de direção, frenagem e trem de força.
Níveis de autonomia na condução
A indústria automobilística geralmente classifica a automação de condução em níveis de 0 a 5.
| Nível | Descrição |
| Nível 0 | Sem automação de condução |
| Nível 1 | Assistência básica, como controle de cruzeiro adaptativo |
| Nível 2 | Automação parcial com controle de direção e velocidade |
| Nível 3 | Autonomia condicional em condições específicas |
| Nível 4 | Alta automação em ambientes limitados |
| Nível 5 | Autonomia total em todas as condições |
Atualmente, a maioria dos sistemas disponíveis comercialmente permanece no Nível 2 ou com capacidade limitada de Nível 3.
Analistas da indústria relatam que muitas empresas agora estão focando mais em sistemas práticos de Nível 2 e Nível 3 do que em veículos totalmente autônomos de Nível 5.
Exemplos de sistemas de computador autônomos
1. Plataforma NVIDIA DRIVE
A NVIDIA desenvolve uma das plataformas de computação para veículos autônomos mais amplamente utilizadas.
O sistema NVIDIA DRIVE inclui:
- Chips de inteligência artificial de alto desempenho
- Sistemas operacionais para veículos
- Integração de sensores
- Ferramentas de simulação
- Software de segurança.
Empresas como Toyota, Volvo Cars e Mercedes-Benz utilizam tecnologias da NVIDIA para desenvolvimento de assistência avançada ao motorista e condução autônoma.
2. Computador Full Self-Driving da Tesla
A Tesla projeta seu próprio hardware e software para condução autônoma.
Os veículos da Tesla dependem fortemente de câmeras e processamento de inteligência artificial. Seu sistema aprende continuamente a partir de grandes quantidades de dados de condução coletados dos veículos dos clientes.
A Tesla também desenvolve infraestrutura de treinamento de inteligência artificial especializada para modelos de condução autônoma.
3. Plataforma de autonomia da Rivian
A Rivian recentemente apresentou seu chip de inteligência artificial RAP1 e módulo de computação autônoma ACM3.
Esta empresa planeja suportar condução sem mãos em milhões de milhas de estradas na América do Norte.
4. Robotáxis da Waymo
A Waymo opera serviços de robotáxi totalmente autônomos em várias cidades.
Os veículos da Waymo usam sistemas complexos de computação autônoma que combinam:
- Câmeras
- LiDAR
- Radar
- Inteligência artificial
- Mapeamento em alta definição.
A Waymo continua expandindo suas operações autônomas para mais cidades nos Estados Unidos.
Veículos definidos por software
Muitos veículos modernos agora seguem o conceito de veículo definido por software.
Um veículo definido por software usa sistemas de software centralizados para controlar muitas funções do veículo. Os engenheiros podem atualizar essas funções por meio de atualizações de software via wireless.
Essa abordagem oferece várias vantagens:
- Atualizações de recursos mais rápidas
- Gerenciamento melhorado de cibersegurança
- Melhor integração entre sistemas
- Redução da complexidade de hardware
- Facilidade para atualizações de inteligência artificial.
Grandes empresas de semicondutores estão cada vez mais desenvolvendo processadores automotivos especializados para esse mercado.
Inteligência artificial dentro de computadores autônomos de carros
A inteligência artificial desempenha um papel central na condução autônoma.
Sistemas modernos usam aprendizado de máquina e aprendizado profundo para:
- Reconhecer objetos na estrada
- Prever o comportamento do motorista
- Entender padrões de tráfego
- Melhorar a navegação
- Reduzir colisões.
Pesquisadores continuam a desenvolver algoritmos de aprendizado mais avançados para veículos autônomos.
Algumas empresas também usam plataformas de simulação para treinar sistemas de inteligência artificial com cenários de condução virtuais antes do lançamento no mundo real.
Desafios de segurança
Computadores autônomos em carros ainda enfrentam grandes desafios de segurança.
Situações raras na estrada
Situações inesperadas continuam sendo difíceis para os sistemas autônomos.
Exemplos incluem:
- Estradas alagadas
- Sinais de trânsito quebrados
- Zonas de construção incomuns
- Veículos de emergência
- Clima severo.
Por exemplo, uma grande queda de energia em San Francisco supostamente criou problemas para alguns robotáxis autônomos porque os sinais de trânsito pararam de funcionar.
Limitações dos sensores
Diferentes sensores têm fraquezas.
Exemplos incluem:
- Câmeras têm dificuldade em neblina densa
- A performance do LiDAR pode diminuir na neve
- Radar pode produzir reflexos falsos.
Engenheiros frequentemente combinam múltiplos tipos de sensores para melhorar a confiabilidade.
Riscos de cibersegurança
Computadores autônomos de carros conectam-se a redes sem fio, sistemas em nuvem e sistemas de atualização de software. Essa conectividade cria preocupações de cibersegurança.
Os fabricantes de automóveis estão cada vez mais focando em:
- Comunicação criptografada
- Atualizações de software seguras
- Detecção de intrusões
- Sistemas operacionais certificados de segurança.
Plataformas autônomas recentes agora passam por testes de certificação de cibersegurança e segurança.
Desafios de custo
O hardware de condução autônoma ainda é caro.
Um veículo totalmente autônomo normalmente requer:
- Processadores de inteligência artificial de alto desempenho
- Sistemas LiDAR caros
- Sistemas de refrigeração avançados
- Grandes sistemas de armazenamento de dados.
No entanto, os custos de sensores e computação diminuem gradualmente à medida que a produção aumenta.
Computadores autônomos de carros e computação em nuvem
Veículos autônomos modernos frequentemente usam uma combinação de computação a bordo e infraestrutura em nuvem.
O veículo geralmente lida com decisões de condução em tempo real localmente, pois o processamento local reduz o atraso. Sistemas em nuvem suportam:
- Treinamento de inteligência artificial
- Gerenciamento de frota
- Atualizações de navegação
- Análise de dados
- Diagnósticos remotos.
Pesquisadores estão cada vez mais apoiando abordagens de computação na borda, pois sistemas de borda melhoram os tempos de resposta e reduzem a dependência de conexões de rede.
O futuro dos computadores autônomos em carros
A indústria automobilística continua avançando em direção a sistemas de computação veicular mais centralizados e mais poderosos.
Várias tendências principais agora moldam o desenvolvimento:
- Aceleração da inteligência artificial
- Computação veicular centralizada
- Arquiteturas definidas por software
- Atualizações de software via wireless
- Plataformas de simulação avançadas
- Aumento do uso de inteligência artificial na borda.
Especialistas da indústria esperam progresso gradual em vez de uma condução autônoma totalmente imediata em todos os lugares.
Alguns analistas acreditam que veículos autônomos de Nível 4, de propriedade privada, podem aparecer no final desta década em mercados limitados e sob condições controladas.
