Modelos 8-10: Veículo de Transporte Autônomo

Seguro em movimento no percurso

Série escolar
11-13
Tempo necessário
2-3 aulas duplas por unidade de aprendizagem (expansível até 13 aulas duplas)
Nível de dificuldade
Modelo: médio, Programação: fácil a difícil
Tipo de modelo
Modelo de mesa para veículos de transporte autônomos

DESCRIÇÃO DO MODELO / TAREFA

Os alunos (SuS) planejam e realizam veículos de transporte autônomos (FTF), que eles equipam passo a passo com sensores adicionais e controle inteligente. Partindo de um veículo básico com motores encoder, que executa trajetos e rotações definidos e realiza o primeiro seguimento de linha com a ajuda de um sensor de trilha, passando por um FTF com sensor ultrassônico para evitar colisões e câmera USB para interação com superfícies coloridas, até o seguimento de linha controlado por circuito de controle ou até mesmo suportado por IA, os modelos evoluem – e com isso também as exigências para montagem, fiação e programação.

Os SuS aprendem a criar diagramas de transição de estado para os estados de condução e a ler e usar dados dos sensores de forma direcionada. A partir das características e valores medidos dos sensores, eles determinam grupos adequados de condução e direção, definem variáveis para controle de percurso e ângulo, bem como tempos de reação para correções seguras de curso.

A partir dos estados e parâmetros assim definidos, os SuS inicialmente desenvolvem programas de controle baseados em regras com variáveis, subprogramas e lógica de estado; em seguida, configuram e treinam uma rede neural para um problema de regressão, que prevê velocidades adequadas do motor a partir das entradas dos sensores e é ampliada com o sensor de distância para diferenciação. A adequação é testada pelos SuS em testes de condução no percurso – condução em linha reta, manutenção de trilha, desvio e reações a superfícies coloridas – e eles aprimoram suas soluções por meio de busca sistemática de erros e otimização de velocidade.

REFERÊNCIA DO COTIDIANO

O controle baseado em sensores de um veículo é familiar para os alunos a partir das aulas de tecnologia ou informática e do seu dia a dia. Aplicações conhecidas são o piloto automático e o assistente de manutenção de faixa no carro, patinetes elétricos com sensores, bem como robôs aspiradores que seguem linhas e evitam obstáculos.

A inserção em um contexto de mobilidade próximo à realidade cria alta motivação, pois os alunos reconhecem imediatamente paralelos com o trânsito urbano e a logística de armazém. A integração do tema na orientação pré-profissional é recomendada em tecnologia veicular, engenharia elétrica e robótica/automação, onde o controle baseado em sensores e o acionamento automatizado de atuadores são competências centrais.
A combinação de sensores e controle assistido por IA não é encontrada pelos alunos apenas na indústria e no trânsito, mas também no ambiente doméstico, por exemplo, em aplicações de casas inteligentes, aquecedores inteligentes ou iluminação automática – em todos os lugares onde valores medidos desencadeiam decisões e movimentos são executados de forma confiável.

Perguntas orientadoras

  • Quais sensores e tipos de controle são adequados para um veículo de transporte autônomo (FTF) no percurso?
    (Comunicação)
  • Como coordenar diferentes valores de sensores (sensor IR, sensor ultrassônico, câmera USB) para uma navegação segura? (Colaboração)
  • Quais compromissos são sensatos entre velocidade, precisão e segurança? (Pensamento crítico)
  • Como o comportamento do FTF pode evoluir de um controle baseado em regras para um controle suportado por IA? (Criatividade)

Relação com a disciplina

Informática
Programação avançada, loops condicionais, funções, autômatos de estado, controle baseado em eventos, integração de câmera, controladores P e PD, redes neurais, treinamento de uma rede neural
Matemática
Cálculo de expressões, escala, proporcionalidade e funções lineares, conversão de unidades, normalização, regressão
Tecnologia
Construção estável, tecnologia de construção
Física
Movimento (distância, tempo, velocidade), processamento de sinal, medição de tempo de trânsito por ultrassom e propagação do som, inércia e distância de frenagem, reconhecimento de cores, técnica de controle

Desenvolvimento da aula

Fase de introdução
Fase de planejamento
Fase de construção para o treinamento de condução (FTF 1)
Fase de programação para o treinamento de condução (FTF 1)
Fase de experimentação e teste para o treinamento de condução (FTF 1)
Fase final/conexão para o treinamento de condução (FTF 1)
Fase de construção para o seguidor de trilha digital (FTF 2)
Fase de programação para o seguidor de trilha digital (FTF 2)
Fase de experimentação e teste para o seguidor de trilha digital (FTF 2)
Fase de conclusão/conexão para o seguidor de trilha digital (FTF 2)
Fase de construção para o seguidor de trilha analógico (FTF 3)
Fase de programação para o seguidor de trilha analógico (FTF 3)
Fase de experimentação e teste para o seguidor de trilha analógico (FTF 3)
Fase final para o seguidor de trilha analógico (FTF 3)
Fase de design do seguidor de linha AI (FTF 4)
Fase de programação do seguidor de linha com IA (FTF 4)
Fase de experimentação e teste do seguidor de linha com IA (FTF 4)
Fase final do seguidor de linha com IA (FTF 4)

 

Informações e Avisos

Observações metodológicas e didáticas

Possibilidades de diferenciação

Dependendo da duração da série de aulas e da capacidade dos alunos, pode-se

  • aumentar a complexidade da tarefa incluindo vários sensores. 
  • ampliar as habilidades do FTF com estratégias mais complexas para desviar de obstáculos ou captar e reagir a estímulos coloridos do ambiente.
  • tornar o comportamento de condução do FTF mais uniforme aplicando controladores P e PD. 
  • fazer com que o controle do motor na linha de seguimento ou na frenagem seja realizado por uma rede neural.

Aspectos motivacionais

O trabalho com veículos de transporte autônomos (FTF) conecta-se diretamente às experiências cotidianas dos alunos. Já no treinamento de condução, eles percebem como poucas linhas de programação podem colocar um veículo em movimento de forma confiável – um feedback direto que apresenta alta motivação e desperta curiosidade. No seguidor de linha digital, a relação com o cotidiano se intensifica por meio de paralelos com robôs aspiradores, cortadores de grama robóticos ou sistemas de assistência ao motorista, que reconhecem linhas e evitam obstáculos de forma autônoma. A ideia de que o FTF agora pode “ver” e reagir como um robô promove a identificação com a tarefa e aumenta o interesse pelo teste prático.

O seguidor de linha analógico oferece, com o uso de câmeras e tecnologia de controle, insights interessantes sobre tecnologias veiculares modernas
como assistentes de manutenção de faixa. Aqui fica claro como alterações nos parâmetros ou a adição de um componente diferencial influenciam o comportamento de condução – um campo experimental motivador.

Com o seguidor de linha com IA, finalmente, a Inteligência Artificial se torna o foco: os alunos vivenciam como o treinamento de uma rede neural melhora o comportamento de condução. Isso cria uma ponte para discussões atuais sobre IA no cotidiano e oferece aos alunos a oportunidade de entender e aplicar tecnologias do futuro por conta própria.

 


Materiais adicionais

  • Se disponível, um vídeo pode ser utilizado para a fase introdutória ao tema.
  • Meios de desenho (papel, quadro branco ou superfície de projeção).

Funções do modelo e suas soluções técnicas


Funções dos sensores / atuadores

 


Solução técnica

 

 

Rotação dos motores encoder

Ajuste de velocidade para

controle do veículo

 

 

Mini botão

 

 

Detecção de obstáculos (FTF 1)

 
Medição de diferenças de luminosidade

 

 
Detecção da faixa de rodagem (FTF 1–2, FTF 4)

Medição de distâncias Evitar colisões (FTF 2, FTF 4)

FTF 2: Reconhecimento de cores por câmera USB

Reação a áreas coloridas

FTF 3
: Reconhecimento de faixa por câmera USB

Manutenção da faixa com auxílio de um controlador P e
um controlador PD
 
FTF 4: Reconhecimento de faixa por sensor de faixa
  • Construção de uma rede neural 
  • Entrada de dados de treinamento 
  • Implementação de um problema de regressão 
    usando IA
Outras possibilidades de diferenciação Otimização do controle de velocidade, otimização das estratégias para desviar de obstáculos, otimização da estratégia para reencontrar a faixa
em caso de perda total da faixa, concepção de um veículo próprio com equipamento de sensores escolhido

Listas de materiais

 

Sensores

 

Função

1 botão On/Off no controlador TXT 4.0

Ligar o FTF

2 mini botões

Detecção de obstáculos (FTF 1)

1 sensor de pista (com 2 sensores IR)  Detecção de pista (FTF 1–2, FTF 4)
1 sensor ultrassônico Medição de distância (FTF 2, FTF 4)
1 câmera USB Detecção de cor (FTF 2)
Detecção de pista (FTF 3)

 

Atuadores

Função

2 motores com encoder

Movimento dos veículos 
2 LEDs (2 × branco) Faróis (FTF 2–4)


cd-green-f8cb5f9db-95gsg