Pesquisadores de Stanford trabalham com controle centralizado de carros autônomos e drones

2017-07-25 16:17:58丨portuguese.xinhuanet.com

São Francisco, 24 jul (Xinhua) -- Uma equipe de cientistas da computação e engenheiros da Universidade de Stanford está desenvolvendo uma infraestrutura para gerenciar de forma centralizada carros autônomos e drones.

Ao acreditar que os carros autônomos e os drones serão gerenciados de forma centralizada, usando aplicativos que funcionam em grandes centros de dados, os membros da equipe formaram um novo laboratório, chamado Laboratório de Plataformas, para trabalhar em infraestrutura para novas aplicações com "Grande Controle".

"Nós acreditamos que todos esses carros autônomos e drones serão controlados não individualmente, mas de forma centralizada, de forma coordenada," afirmou John Ousterhout, diretor de faculdade do laboratório, em um comunicado de imprensa. "Isso tem o potencial de mudar a forma como a sociedade funciona diariamente."

A pesquisa mais atual sobre veículos autônomos assume um modelo distribuído, ou seja, dispositivos relativamente autônomos, controlados de uma maneira ponto a ponto com cada máquina fazendo seus próprios cálculos. O modelo concentrado em estudo em Stanford deverá funcionar mais como uma nuvem centralizando grandes informações. No modelo centralizado, o veículo é apenas uma ferramenta, ou um dispositivo relativamente simples equipado com equipamentos para ver a estrada e o céu à frente, para detectar obstáculos e outros veículos no caminho, para fornecer geolocalização e assim por diante. Os dados coletados são então transferidos de volta para a nuvem e processados em massa por computadores muito mais rápidos, capazes de lidar com a demanda matemática de acompanhar esses milhões de veículos e planejar maneiras de reduzir os engarrafamentos e perigos para orientar e transportar passageiros e pacotes com eficiência e segurança até seus destinos.

Sobre suas vantagens, de acordo com o Ousterhout, primeiro é a facilidade de criação de aplicativos. Escrever aplicativos para o modelo distribuído é difícil, pois cada dispositivo possui informações limitadas sobre o estado do mundo. Com a abordagem centralizada, os dados de todos os dispositivos são coletados em um único lugar, proporcionando uma visão abrangente do mundo que permite um melhor controle de tarefas de nível superior, como a percepção situacional, a tomada de decisões e o planejamento do tráfego em larga escala.

Em segundo lugar, aplicações de controle de execução em centros de dados têm muito mais recursos disponíveis, tais como cálculo de potência e grandes conjuntos de dados de back-end, permitindo-lhes implementar comportamentos de colaboração mais sofisticados para os dispositivos. Além disso, as aplicações centralizadas podem aproveitar os poderosos algoritmos de aprendizagem de máquinas, que permitem que o sistema de controle aprenda e melhore seu comportamento.

No entanto, nem todas as funções são adequadas ao modelo centralizado. O Platform Lab prevê que os dispositivos reterão o controle local para coisas como estabilidade do dispositivo e evitar colisão a curto prazo. Esse controle precisa de um tempo de resposta de micro ou sub-milissegundos e deve acontecer no próprio dispositivo.

Sobre possíveis aplicações, a equipe acredita que vários drones autônomos podem ser enviados para avaliar a situação em uma comunidade devastada por um terremoto, incêndio ou inundação, permitindo a gestão da situação de emergência à distância; e que em um grande armazém, 10.000 ou mais drones poderiam operar em ambientes fechados, todos vigiados por câmeras e sensores, para monitorar, organizar e mover milhões de pacotes por dia.

"Do ponto de vista da tecnologia, é atraente e mais fácil centralizar o controle - para acumular dados, planejar e depois disseminar uma visão singular para todos os dispositivos," observou Ousterhout.

Fale conosco. Envie dúvidas, críticas ou sugestões para a nossa equipe através dos contatos abaixo:

Telefone: 0086-10-8805-0795

Email: portuguese@xinhuanet.com

010020071380000000000000011100001364714091