Um dos maiores desafios para o amadurecimento dos carros autônomos é a presença de humanos nas vias, sejam motoristas de outros carros, motociclistas ou pedestres. A inteligência artificial responsável por guiar um veículo autônomo deve ser capaz de prever o comportamento independente desses agentes em tempo real, e também como suas ações isoladas se combinam para gerar um cenário complexo.
Em um trabalho publicado este ano, pesquisadores do Instituto de Tecnologia de Massachusetts (MIT), nos Estados Unidos, apresentaram uma solução inusitada para este problema. Ao invés de investir em modelos cada vez mais complexos, eles decidiram dividir o problema em pedaços menores que pudessem ser resolvidos individualmente.
O modelo, batizado de M2I, recebe duas entradas: a trajetória passada dos agentes, e um mapa que compreende as vias e as regras de trânsito de uma região, como sentido, preferências e número de pistas. Um primeiro algoritmo busca identificar a relação entre dois usuários da via, no sentido de quem tem o direito de seguir e quem deve esperar, e com base nisso um preditor chamado de marginal determina a trajetória do agente com direito de seguir. Um segundo preditor chamado de condicional então calcula a trajetória do agente dependente, em função do que o primeiro agente fez. O sistema prevê várias trajetórias diferentes e seleciona as seis trajetórias mais prováveis, cobrindo o período de 8 segundos no futuro.
O sistema foi treinado e avaliado usando um dataset da empresa de veículos autônomos Waymo, que contém milhões de dados de cenários reais de tráfego envolvendo veículos, pedestres e ciclistas. Ele atingiu a maior acurácia já reportada para este dataset, além de também ter alcançado o menor valor para uma métrica chamada de taxa de sobreposição, que resultaria em uma colisão quando duas trajetórias preditas coincidem.
Os pesquisadores comentam que encontraram inspiração para esta solução na forma com que humanos resolvem problemas desta complexidade, focando em problemas menores que se combinam em uma solução maior. Graças a isso, o novo sistema é capaz de fazer predições em tempo real, da mesma forma que nós fazemos em um cenário similar.
O trabalho apresenta uma possibilidade concreta para viabilizar a direção autônoma conforme a abordagem evolua. Algumas simulações da predição da trajetória de agentes múltiplos interagindo no trânsito podem ser vistas no press release da universidade.
