Carro autônomo: utilização de inteligência artificial para mobilidade em circuito
Abstract
This work addresses the use of artificial intelligence for vehicles and aims to contribute to the understanding of how neural networks function. The goal of the work is to convert a remotecontrolled car into an autonomous one, from assembling the hardware to learning by imitation, capable of adapting to different tracks as long as they are marked with the contrast of two lines. The idea is to capture a database that represents how the car should drive and apply it to a neural network model capable of imitating what has been learned. To achieve this, numerous convolutional models were studied and tested. Within thirty laps, enough data was acquired for the chosen model to be able to navigate different tracks. The open-source Donkeycar library proved to be functional from the beginning to the end of the project, from hardware integration and calibration to the development of models of which it was finally opted for the so-called "Linear Model with Memory," due to its smoother movement and
compatibility with the limitations of the Nvidia Jetson Nano, all in line with the project’s
primary objective of keeping the car on track. Este trabalho aborda o uso de inteligência artificial para veículos e busca contribuir para a compreensão de como funcionam redes neurais. O objetivo do trabalho é converter um carro de controle remoto em autônomo, desde a montagem do hardware até o aprendizado por imitação, capaz de se adaptar a diferentes pistas desde que elaboradas com o contraste de duas linhas. A ideia é capturar um banco de dados que represente como o carro deveria dirigir e aplicá-lo em um modelo de rede neural capaz de imitar o que foi feito, para isso, diferentes modelos convolucionais foram estudados e testados. Em trinta voltas, foram adquiridos dados
o suficiente para o modelo de escolha ser capaz de se manter em diferentes pistas. A
biblioteca open source da Donkeycar se provou funcional do começo ao fim do projeto, desde a integração de hardware e sua calibração até o desenvolvimento dos modelos, finalmente optando pelo chamado “Modelo Linear com Memória”, que por apresentar um movimento mais suave que os demais e estar dentro das limitações da Nvidia Jetson Nano, entra em congruência com o objetivo do projeto de manter o carro dentro da pista.