Solução dispensaria o cruzamento dos dados com câmeras em carros autônomos
Sem muito alarde, a Apple segue empenhada em desenvolver tecnologias para carros autônomos. A companhia não detalha sua estratégia, mas acaba de publicar um artigo bastante relevante sobre o assunto no diretório público científicos da Universidade de Cornell, nos Estados Unidos. No documento, a empresa descreve o uso de machine learning para traduzir os dados captados por sensores Lidar em imagens 3D.
A sistema é essencial para o desenvolvimento de carros autônomos ao usar pulsos de luz para identificar objetos e obstáculos. A questão é que atualmente tudo o que é coletado por Lidar precisa ser combinado com outras informações, como dados de câmeras instaladas no carro, para oferecer uma detecção confiável do entorno do automóvel. A proposta da Apple é dispensar esta segunda etapa, garantindo que a tecnologia funcione de forma independente apenas combinada a recursos de machine learning – o potencial de aprendizado da máquina, que permite que ela tome decisões sem precisar ser programada especificamente para a nova situação.
O material é assinado pelo pesquisador da área de inteligência artificial Yin Zhou e pelo cientista de machine learning Oncel Tuzel, ambos funcionários da companhia. Os especialistas criaram um recurso chamado VoxelNet, que extrapola os pontos captados pelo Lidar para criar informações precisas dos objetos e obstáculos que podem estar adiante. Assim, a tecnologia torna o recurso mais confiável e, portanto, mais seguro.
Além da relevância do trabalho de pesquisa, o artigo é importante por ser uma das poucas pistas do trabalho da Apple no desenvolvimento do carro autônomo. A empresa teria desistido de desenvolver veículos autoguiados sozinha, mas claramente não deixou de trabalhar a tecnologia de alguma forma.
Fonte: Automotive Business