Em 2017, a equipe de pesquisas da Microsoft desenvolveu uma simulação open source de informática aérea e robótica chamada de AirSim (Aerial Informatics and Robotics Simulation). Porém, foi somente no domingo (15/09) que os pesquisadores compartilharam a possibilidade de o AirSim poder ser usado como um simulador para veículos autônomos.
O AirSim e seus recursos
O Microsoft AirSim é uma plataforma de simulação open source e multiplataforma para sistemas autônomos, podendo, portanto, ser usada em carros sem motoristas, robôs com rodas, drones e até mesmo dispositivos IoT. A ferramenta atualmente é um plugin para a Unreal Engine da Epic Games, porém, existe também uma versão experimental para Unity. A imagem abaixo mostra a plataforma sendo usada em Unity.
Segundo a própria Microsoft, os engenheiros podem modelar tanto o sistema quanto o ambiente em que ele se encontra. Para isso, o acervo de ferramentas inclui aprendizagem de máquina, englobando tanto deep learning quanto reinforcement learning, por exemplo.
É possível também empregar a infraestrutura do Microsoft Azure através da ferramenta Bonsai para treinar os algoritmos de forma mais segura e rápida quando comparado com testes no mundo real. Sendo assim, após o processo de treinamento, os pesquisadores podem embarcar esses modelos treinados em um hardware de verdade.
Objetivos com o AirSim
A proposta da plataforma é lidar com dois grandes problemas no contexto de veículos autônomos. São eles: situações para treinar os algoritmos de aprendizagem e a possibilidade de debugar o sistema ainda no processo de simulação.
Com o AirSim, os desenvolvedores podem testar os algoritmos em diversas situações que antes não eram exploradas devido às limitações no mundo real. Assim, essa nova vertente permite expor as redes neurais a diversas situações antes de embarcar e distribuir o sistema. O próprio time tem considerações para fazer sobre o projeto:
Nosso objetivo é desenvolver o AirSim como uma plataforma para pesquisa em IA e experimentos com algoritmos de visão computacional, deep learning e reinforcement learning para veículos autônomos. Para esse propósito, AirSim também apresenta APIs para recuperar dados e controlar veículos de uma forma independente da plataforma.
Desafios enfrentados
Em abril, o time de Microsoft se uniu à Universidade Carnegie Mellon e à Universidade de Oregan State para resolver o desafio subterrâneo da DARPA (SubT). O objetivo era construir robôs que, de forma autônoma, conseguissem mapear, navegar e procurar itens em ambientes subterrâneos em circunstâncias de combate ou desastres. A imagem abaixo apresenta um screenshot das simulações.
No domingo, os pesquisadores disseram como conseguiram resolver o desafio: dentro do AirSim, fizeram um labirinto de túneis inspirado na arquitetura de minas reais. Dessa forma, a solução do SubT foi uma simulação de alta definição que abarcou tanto veículos robóticos quanto um conjunto de sensores com o intuito de modelar precisamente o mundo real.
Há em curso também uma outra colaboração do time da Microsoft. Dessa vez com a Air Shepherd e USC para contabilizar a caça furtiva usando AirSim. O produto dessa colaboração foi um veículo aéreo não tripulado (UAV) equipado com câmeras térmicas capaz de identificar tanto animais selvagens quanto caçadores. Portanto, o uso do simulador para veículos autônomos, o AirSim, se deu para criar uma simulação desse tipo de caso, onde o UAV voava entre 60 m e 120 m acima do chão.
Segundo relatório da própria Microsoft:
A simulação se encarregou da árdua tarefa de detectar caçadores e animais selvagens, tanto durante o dia quanto durante a noite, e conseguiu incrementar a detecção através de imagens em 35,2%.
É possível acompanhar um vídeo sobre as simulações da plataforma AirSim. Além disso, o repositório no GitHub do projeto tem mais informações.
Fonte: Packt.
