IA Generativa para CCAM mais inteligente: melhorando a percepção, a tomada de decisão e a validação (CCAM Partnership)

Resultado Esperado:

Espera-se que os resultados do projeto contribuam para todos os seguintes resultados esperados:

• Disponibilidade e integração de sistemas de percepção avançados, confiáveis e energeticamente eficientes, explorando os avanços tecnológicos da IA Generativa (GenAI) para melhorar a consciência situacional e apoiar a tomada de decisão segura;
• Melhoria da segurança dos Usuários Vulneráveis da Estrada (VRU), baseada em uma percepção elevada e mais resistente a falhas e na compreensão de suas previsões de comportamento e intenção;
• Melhoria da robustez dos sistemas CCAM - tanto a bordo quanto no lado da infraestrutura - em situações críticas devido ao seu treinamento, testes virtuais e validação em cenários gerados por GenAI, complementando as bases de dados de cenários existentes para o teste e validação de sistemas CCAM;
• Melhor compreensão da relevância e das limitações do uso de GenAI para CCAM;
• Ferramentas e abordagens harmonizadas para o uso de GenAI no desenvolvimento, treinamento e validação de tecnologia de mobilidade, bem como para aplicações sistêmicas, como gestão de tráfego e controle remoto, integrando-as às abordagens existentes.

Escopo:

Pilotos e demonstrações usando serviços de veículos de Nível 3 e 4 enfrentam grandes desafios em percepção e tomada de decisão, destacando a necessidade de soluções de baixa latência que aumentem a capacidade de resposta e a consciência situacional em condições operacionais em tempo real. Isso é especialmente relevante para dirigir em ambientes mais complexos, como áreas urbanas, onde a variância ambiental é maior e onde novos cenários podem ser encontrados regularmente. Além disso, há a necessidade de limitar a latência, a largura de banda e o uso de energia para cálculos a bordo, bem como a necessidade de aumentar a segurança, a privacidade e a confiabilidade (por exemplo, compreensão de cena e previsão do desenvolvimento de cenários próximos). Para a tomada de decisão rápida em interações com VRUs, isso é essencial para implementar soluções habilitadas por CCAM e garantir a escalabilidade.

Ao mesmo tempo, desenvolvimentos de tecnologias agnósticas ao setor mostram avanços - como GenAI - que podem ser benéficos para CCAM. Primeiros passos exploratórios podem ser esperados de um projeto financiado sob HORIZON-CL5-2023-D6-01-02^[1] em relação ao potencial na geração virtual de casos extremos (edge cases), que poderiam ser usados para o desenvolvimento, treinamento, teste virtual e validação de sistemas CCAM.

Mais avanços em aplicações de GenAI especificamente para o domínio CCAM precisam ser desenvolvidos, treinados e validados^[2]. Assim, as ações propostas devem incluir abordagens para explorar novos avanços tecnológicos para CCAM. Grandes passos são necessários para avançar para sistemas de percepção e tomada de decisão em tempo real altamente avançados, ultra-seguros, confiáveis e energeticamente eficientes para veículos automatizados, focando especificamente em soluções escaláveis e na exploração de GenAI. Esses avanços devem aproveitar sistemas de baixa latência ou recursos de computação distribuída para facilitar o processamento em tempo real, melhorando assim a capacidade de resposta e a segurança do sistema. Este tópico contribuirá, assim, para o AI Continent Action Plan^[3], promovendo o desenvolvimento e a adoção de IA no setor automotivo.

Espera-se que as ações propostas abordem todos os seguintes aspectos:

• Desenvolvimento de ferramentas e abordagens para percepção robusta do ambiente e tomada de decisão (na borda, a bordo, na infraestrutura ou no back-office). Essas abordagens devem visar acelerar e avançar o raciocínio da tomada de decisão, aumentando o nível de eficiência, (ciber)segurança e confiabilidade das aplicações, com o planejamento de trajetória como caso de uso inicial. Isso serve para apoiar, entre outros, a percepção de VRUs, a previsão de seu comportamento e suas intenções, e inclui abordagens de compartilhamento de dados para soluções CCAM para criar uma janela de tempo maior para ações em cenários de quase acidente. O uso…