Resumo
O desafio de integrar tecnologias de ponta em sistemas legados é uma das maiores barreiras da engenharia moderna. O maior problema é tentar aplicar soluções digitais sem considerar as limitações e ruídos do ambiente físico. O projeto Inova Fusca demonstra como a união de hardware moderno e a mecânica de 1970 serve como laboratório para IA e IoT. Essa integração prova que a inovação estratégica reside na coordenação de sistemas, não apenas na troca de componentes, e prova que, com a arquitetura certa, é possível dar voz e inteligência até aos sistemas mais analógicos.
Por André Godoi – Professor e coordenador do curso tecnólogo de IA da FIAP. Trabalha e pesquisa tecnologias como Inteligência Artificial, Internet das Coisas e Computação em Nuvem, conectando conhecimento técnico à transformação das práticas de ensino e aprendizagem.
A ideia de um veículo futurista existe há muitas décadas. E, apesar da impressionante modernidade que existe hoje nos automóveis, com alguns que “só faltam falar”, a era de carros voadores ainda está um tanto quanto distante.
Imagine, então, quando falamos de um carro antigo, como um Fusca 1970. A experiência esperada ao entrar em um é o motor barulhento, câmbio manual e uma mecânica que atravessou gerações, além da clássica mancha de óleo na vaga do estacionamento.
O que ninguém espera é ouvir justamente esse carro tão antigo cumprimentar o proprietário, atender a comandos de voz ou enviar um alerta que a bateria precisa de atenção.
Esse contraste está na origem do projeto Inova Fusca. Eu transformei meu próprio carro em um laboratório para fazer experimentos de eletrônica, programação, Internet das Coisas (IoT) e inteligência artificial na prática. Tudo começou em 2018, antes mesmo do boom da IA.
Como professor e engenheiro, encontro nele uma oportunidade de explorar questões que também aparecem nos projetos dos alunos: como conectar tecnologias diferentes, escolher componentes e fazer uma solução funcionar fora da bancada.
O desafio de preservar a originalidade
Como o meu Fusca é um carro de colecionador (com placa preta e tudo), preservar sua originalidade é uma premissa do projeto. Por isso, desenvolvo as intervenções como módulos removíveis, seguindo uma lógica de plug and play: acrescentar funcionalidades mantendo as características do veículo.
Essa decisão impõe um desafio interessante. Em vez de substituir os comandos mecânicos por sistemas modernos, preciso desenvolver mecanismos capazes de atuar sobre o que já existe. E te digo, não é fácil.
É uma experiência que aproxima o projeto de um problema comum na engenharia: incorporar novas tecnologias a equipamentos antigos. A inovação precisa considerar as condições do sistema que vai recebê-la.
Uma mão e uma perna robóticas
Automatizar um carro com câmbio e embreagem manuais exige lidar com ações que o motorista executa quase sem perceber, de forma praticamente intuitiva.
Para engatar a primeira marcha, desenvolvi um braço robótico que reproduz o movimento da mão sobre a alavanca. Outro mecanismo funciona como uma perna robótica, acionando a embreagem.
O desafio está em coordenar essas ações. Cada mecanismo pode funcionar isoladamente, mas o resultado depende da sequência, do tempo de acionamento e da interação com a mecânica do carro.
Essa é uma das lições mais importantes do projeto: uma solução exige mais do que reunir componentes que funcionam separadamente. É preciso fazer com que eles trabalhem juntos.
Um Fusca clássico conectado, que escuta e reconhece
Uma das funcionalidades que mais chamam a atenção é a partida por comando de voz, por meio de uma integração com a API da Alexa. Claro que há outras melhores, mas meu objetivo é tornar o projeto acessível para quem nunca fez esse tipo de automação. Também consigo realizar o acionamento usando um relógio conectado ao celular e com o app da Amazon.
ESP32 e Raspberry Pi participam dessa integração entre os comandos digitais e os circuitos de acionamento do veículo. Como o Fusca possui um sistema de partida eletromecânico, o projeto atua sobre os contatos elétricos envolvidos nesse processo.
A buzina e o limpador de para-brisas também podem ser acionados por aplicativo ou por voz. Já a visão computacional permite detectar pessoas e reconhecer minha presença. Quando me identifica, o carro pode buzinar e emitir uma saudação: “Olá, André, como vai?” e até ligar sozinho.
O monitoramento da bateria acrescenta outra função: medir sua tensão e comunicar uma condição de atenção. Na configuração que adotei, uma leitura abaixo de 10 volts dispara um aviso de que a bateria precisa ser recarregada. Esse valor é um parâmetro do experimento.
Esses exemplos ajudam a explicar a contribuição de cada tecnologia. A conectividade permite receber comandos; os sensores fornecem informações; a programação coordena as respostas; e a visão computacional interpreta imagens. É nessa combinação que o projeto ganha suas funcionalidades.
Movimento autônomo e os limites da tecnologia
O Inova Fusca também possui uma demonstração de deslocamento automático. Uma câmera no para-brisa detecta uma pessoa à frente do carro. Quando ela se afasta aproximadamente três metros, o sistema pode acionar a partida, coordenar a embreagem, engatar a primeira marcha e produzir um pequeno avanço. Além disso, o piso plano é uma condição utilizada na demonstração, porque ainda não temos um sistema de frenagem.
Isso o torna autônomo? Não totalmente. O projeto não possui controle automatizado do volante nem do freio, então essa demonstração de movimento não caracteriza condução autônoma.
Temos funções específicas de percepção e automação, com limitações claras. Mas acreditamos que a autonomia começa por aí.
Explicar esse limite faz parte do propósito educativo do projeto: compreender uma tecnologia também exige reconhecer o que ela ainda não faz.
Quando o motor funciona, surgem novos problemas
Na bancada, um sensor pode apresentar leituras estáveis. Instalado próximo ao motor, ele passa a trabalhar em outro ambiente.
O sistema de ignição do Fusca produz interferências eletromagnéticas que precisam ser consideradas na escolha dos componentes e na montagem dos circuitos. Além disso, há desafios de processamento e de integração entre programas.
Um exemplo é o sensor óptico instalado para acompanhar a rotação da polia e identificar se o motor está funcionando. Depois de testar diferentes alternativas, adotei um Raspberry Pi Pico para essa tarefa. Na implementação que desenvolvi, ele apresentou a resposta mais adequada à leitura dos pulsos e ao tratamento das interrupções.
Essa escolha foi resultado dos meus testes e das condições do projeto. Não significa que outras placas sejam incapazes de realizar o monitoramento. Significa que selecionar hardware exige avaliar como ele se comporta na aplicação concreta.
Integração como lição final
O aprendizado mais marcante do Inova Fusca é perceber que cada nova funcionalidade também pode introduzir um problema inédito.
Uma biblioteca de sensor pode interferir no funcionamento de outra. Uma nova leitura pode disputar tempo de processamento com uma tarefa existente. Um componente que funcionava bem sozinho pode apresentar instabilidade quando passa a integrar o conjunto.
Por isso, o Fusca se tornou um laboratório tão rico. Cada evolução exige observar, formular hipóteses, testar e revisar escolhas. Aliás, todas as escolhas.
Para quem estuda IA, o projeto mostra como a interpretação de imagens pode participar de ações no mundo físico. Também evidencia o trabalho de engenharia necessário para transformar essa interpretação em uma funcionalidade: sensores, circuitos, mecanismos, software e validação.
O que mais me interessa nesse encontro entre um carro de 1970 e tecnologias atuais é a oportunidade de aprender. O Fusca mantém sua identidade, enquanto cada novo experimento abre uma pergunta sobre como fazer sistemas diferentes funcionarem juntos.
Acompanhe o projeto Inova Fusca no Instagram @inovafusca
______
Autor: André Godoi – Educador com mais de 20 anos de experiência. Doutor em Engenharia Elétrica e Computação pela Universidade Presbiteriana Mackenzie. Possui trajetória em gestão acadêmica, formação docente e inovação educacional, tendo atuado como diretor acadêmico e coordenador de cursos e laboratórios. Foi líder nacional no suporte ao programa Google Educator Group (GEG). Atualmente é professor e coordenador do curso tecnólogo de IA da FIAP, trabalhando e pesquisando tecnologias como Inteligência Artificial, Internet das Coisas e Computação em Nuvem, conectando conhecimento técnico à transformação das práticas de ensino e aprendizagem. LinkedIn | E-Mail
Redação FIAP
