U-Parking: Distributed UWB-Assisted Autonomous Parking System with Robust Localization and Intelligent Planning

Este trabalho apresenta o U-Parking, um sistema de estacionamento autônomo distribuído que utiliza Ultra-Wideband (UWB) para localização robusta e planejamento assistido por Modelos de Linguagem Grande (LLMs), permitindo manobras confiáveis em ambientes internos desafiadores.

O essencial

Imagine que você está tentando estacionar seu carro em um estacionamento subterrâneo enorme, escuro e cheio de colunas. É como tentar encontrar uma agulha em um palheiro, mas o palheiro está se movendo e você está meio tonto. É aí que entra o U-Parking, o sistema inteligente apresentado neste artigo.

Vamos explicar como ele funciona usando uma analogia simples: o U-Parking é como ter um "Super Assistente" que combina um GPS superpreciso, um cérebro de detetive e um motorista experiente.

Aqui está a história do sistema, dividida em três partes mágicas:

1. O GPS que não se confunde (Localização Robusta)

Em estacionamentos cobertos, o sinal de GPS normal (do céu) não funciona. O sistema usa uma tecnologia chamada UWB (Ultra-Wideband), que é como um "radar de precisão" que mede a distância entre o carro e vários sensores espalhados no teto.

• O Problema: Às vezes, o sinal bate em uma parede e volta (como um eco), confundindo o carro e fazendo ele "pular" de lugar no mapa.
• A Solução do U-Parking: O sistema usa uma fusão em camadas. Imagine que o carro tem dois sensores: um que olha para fora (UWB) e um que sente o movimento interno (como o ouvido interno de uma pessoa, chamado IMU).
  • Quando o sinal de rádio (UWB) começa a falhar ou a "pular", o sistema percebe: "Ei, esse sinal está mentindo!".
  • Ele então confia mais no movimento interno do carro e ajusta a posição suavemente, como um piloto que, ao ver a neblina, confia nos instrumentos em vez de apenas na visão. Isso evita que o carro fique tonto e bata nas paredes.

2. O Cérebro que Planeja (Planejamento com IA)

Antes de o carro começar a andar, ele precisa decidir onde vai estacionar e como chegar lá.

• O Problema: Os sistemas antigos tentam calcular milhões de caminhos possíveis, o que é lento e ineficiente, como tentar achar o caminho mais curto em um labirinto sem mapa.
• A Solução do U-Parking: O sistema usa um Modelo de Linguagem Grande (LLM), que é basicamente uma Inteligência Artificial muito inteligente (como um ChatGPT especializado).
  • Pense nele como um detetive experiente. Em vez de tentar todos os caminhos, o "detetive" olha para o mapa do estacionamento, vê onde o sinal de rádio é forte e onde há vagas livres.
  • Ele diz ao carro: "Esqueça as vagas lá no fundo, o sinal é ruim. Vá para a vaga 15, que está livre e tem sinal forte".
  • Isso reduz drasticamente o tempo de pensamento, permitindo que o carro decida rapidamente qual vaga escolher e traça um caminho inteligente, evitando viradas desnecessárias.

3. O Motorista Experiente (Controle de Trajetória)

Depois de escolher a vaga e o caminho, o carro precisa executar o movimento.

• O Problema: Se o carro perceber que está um pouco fora do caminho, ele pode tentar corrigir de forma brusca, virando o volante rápido demais e fazendo o carro tremer (como um motorista nervoso).
• A Solução do U-Parking: O sistema usa um controlador que se adapta. Se ele percebe que a localização está um pouco incerta (o "GPS" está com dúvida), ele fica mais calmo.
  • Em vez de fazer correções bruscas, ele suaviza a direção e a velocidade, como um motorista experiente que sabe que o chão está escorregadio e dirige com mais calma para não derrapar. Isso garante que o carro entre na vaga de forma suave e precisa, mesmo que o sinal esteja um pouco instável.

O Resultado Final?

O sistema U-Parking conecta o carro a um "cérebro central" (o servidor do estacionamento). Juntos, eles criam uma equipe perfeita:

1. O servidor (o cérebro) usa a IA para escolher a melhor vaga e o melhor caminho.
2. O carro (o corpo) usa sensores avançados para se localizar com precisão de centímetros, mesmo no escuro.
3. O sistema de controle (o motorista) garante que tudo seja feito com suavidade.

Em resumo: O U-Parking transforma o pesadelo de estacionar em um estacionamento subterrâneo em uma tarefa simples e automática, usando uma combinação de "olhos" precisos (UWB), "cérebro" inteligente (IA) e "mãos" suaves (controle adaptativo). É como ter um estagiário superinteligente e um motorista de luxo trabalhando juntos para você.

Resumo técnico

Resumo Técnico: U-Parking

1. Problema Abordado

O estacionamento automático em ambientes internos (como garagens subterrâneas) enfrenta desafios significativos devido à complexidade do layout, oclusões e efeitos de multipath (multicaminho).

• Limitações Atuais: Métodos baseados em SLAM (Simultaneous Localization and Mapping) dependem de mapas prévios de alta precisão e são sensíveis a mudanças ambientais. Planejadores de busca tradicionais sofrem com espaços de busca grandes e baixa eficiência em grandes instalações.
• Desafios de Localização: Embora a tecnologia Ultra-Wideband (UWB) ofereça precisão centimétrica, ela é suscetível a transições entre linha de visada (LOS) e sem linha de visada (NLOS), causando "saltos" de posicionamento que amplificam a incerteza no planejamento e controle, levando a falhas no estacionamento ou oscilações no controle do veículo.

2. Metodologia Proposta

O sistema U-Parking é uma arquitetura distribuída baseada em ROS2 (Robot Operating System 2) que integra três componentes principais:

• Planejamento Inteligente Assistido por LLM (Large Language Models):

  • Em vez de depender apenas de algoritmos de busca clássicos (como A*), o servidor do estacionamento utiliza um LLM (modelo LLaMA-3.3-70B) para processar entradas estruturadas (topologia, disponibilidade de vagas, qualidade do sinal UWB, pose inicial do veículo).
  • O LLM prioriza regiões com boa qualidade de sinal e vagas consecutivas disponíveis, selecionando um ID de vaga-alvo e um conjunto de waypoints (pontos de passagem) chave.
  • Esses waypoints guiam um planejador A* aprimorado, reduzindo drasticamente a expansão de grades desnecessárias em ambientes congestionados.
  • O caminho resultante é suavizado usando curvas de Bézier por partes e interpolação B-spline, com manobras finais geradas por métodos geométricos curva-linha.

• Estratégia de Localização por Fusão Hierárquica:

  • Para mitigar os efeitos de NLOS e multipath, o sistema emprega uma arquitetura de três camadas com um Filtro de Kalman Estendido Adaptativo Melhorado (IAEKF) como núcleo.
    1. Pré-processamento: Filtragem de dados brutos de alcance UWB para supressão de ruído.
    2. Estimativa Inicial: Cálculo de uma posição 2D inicial a partir dos dados filtrados.
    3. Otimização Adaptativa: Fusão das estimativas de posição UWB com o estado de movimento do veículo (IMU). O filtro monitora o resíduo de inovação; se o erro exceder um limiar (indicando transição LOS/NLOS), o peso das medições UWB é dinamicamente reduzido, aumentando a robustez.

• Controle de Rastreamento de Trajetória Robusto:

  • Utiliza um controlador baseado em MPC (Model Predictive Control) projetado para incertezas de posicionamento.
  • O controlador ajusta adaptativamente os pesos da função de custo: quando são detectados "saltos" severos no UWB, ele reduz o peso dos erros de posição instantâneos e penaliza variações excessivas de velocidade e direção, suprimindo oscilações e controle agressivo.

3. Contribuições Principais

1. Estratégia de Fusão UWB Hierárquica: Melhora a robustez durante transições LOS/NLOS, mitigando o desvio (drift) de metros comum em sistemas UWB convencionais.
2. Mecanismo de Planejamento Assistido por LLM: Oferece orientação de alto nível para seleção de vagas e planejamento de caminho, reduzindo efetivamente o espaço de busca de planejadores A* tradicionais.
3. Arquitetura Colaborativa Veículo-Garagem: Permite posicionamento global unificado e tomada de decisão além dos mapas percebidos localmente pelo veículo, integrando o servidor da garagem ao ciclo de controle.

4. Resultados Experimentais

Os testes foram realizados em um estacionamento interno real (30,2m x 37,9m) utilizando uma plataforma móvel SCOUT 2.0, tags UWB (ULM1), âncoras (LD150) e IMU.

• Desempenho de Localização: O método proposto ("Integrated") superou as abordagens de base (UWB puro, UWB+EKF, UWB+IAEKF).
• Precisão de Rastreamento (Tabela I):
  • Erro Euclidiano Médio: O sistema integrado alcançou 0,118 m, comparado a 0,240 m do UWB puro e 0,190 m do UWB+EKF.
  • Erro Máximo: Reduzido de 2,354 m (UWB puro) para 0,517 m no sistema integrado.
  • DTW (Dynamic Time Warping): O sistema proposto apresentou o menor erro de alinhamento temporal (0,133 normalizado).
• Observações: Embora erros de pico ocasionais de até 0,5 m tenham sido observados (devido a ruído de medição UWB), eles foram raros e de curta duração, não afetando a suavidade geral ou a precisão do estacionamento.

5. Significado e Conclusão

O U-Parking demonstra a viabilidade de sistemas de estacionamento autônomo em ambientes internos complexos, onde a precisão de sensores individuais é insuficiente. A integração de Inteligência Artificial Generativa (LLMs) para planejamento de alto nível com fusão de sensores robusta (UWB/IMU) e controle adaptativo (MPC) cria um sistema resiliente.
A solução oferece um avanço prático ao permitir que veículos estacionem de forma confiável mesmo sob condições de sinal instáveis, estabelecendo um novo paradigma para a colaboração entre infraestrutura de estacionamento e veículos autônomos. O código-fonte e o vídeo da demonstração foram disponibilizados publicamente.