Projeto Mover Fundep – Plataforma Flautim: Aprendizado Federado para Veículos Conectados
- Parceira: Fundep
- Coordenador: Prof. Martín Gómez Ravetti
A Plataforma Flautim é uma das principais iniciativas do Eixo de Aprendizado Federado da Linha VI – Conectividade Veicular, do programa Mover (Mobilidade Verde e Inovação), coordenado pela Fundep e executado pelo FutureLab. Seu propósito é oferecer uma infraestrutura para o desenvolvimento de aplicações avançadas utilizando dados de veículos conectados, de forma segura, descentralizada e eficiente.
Com o aumento da conectividade urbana e o volume crescente de dados coletados em tempo real, torna-se essencial dispor de soluções que permitam transformar essas informações em inovação, sem comprometer a privacidade, o segredo industrial e a integridade das redes de comunicação.
O Flautim é um avanço para a construção de cidades mais inteligentes, conectadas e seguras. Ao permitir que modelos avançados sejam treinados com privacidade e eficiência, a plataforma fortalece o ecossistema de inovação em mobilidade e abre caminho para aplicações de alto impacto social.
O desafio
A construção de uma plataforma para executar modelos de inteligência artificial para veículos conectados envolve três desafios centrais:
- Privacidade e proteção de dados
Dados sensíveis de usuários e empresas não podem ser expostos ou centralizados em um único ponto.
- Alto volume de dados
A transferência de grandes conjuntos de dados sobrecarregaria redes sem fio, tornando o processo lento e custoso.
- Ambiente confiável para experimentação
Pesquisadores e desenvolvedores precisam de um ecossistema padronizado, escalável e auditável para rodar experimentos complexos.
A solução
A plataforma Flautim é um ambiente completo de execução de experimentos em aprendizado de máquina, com foco especial em aprendizado federado, permitindo que os modelos sejam treinados sem a necessidade de transferir dados dos veículos para um servidor central.
O que o Flautim oferece:
- Execução automatizada e monitorada de experimentos;
- Acesso à infraestrutura de computação do Mover;
- Armazenamento padronizado de dados, modelos, métricas e logs;
- Orquestração via Kubernetes;
- API Restful para integração e automação;
- Interface Web para gestão de projetos, datasets, modelos e experimentos.
Arquitetura e componentes
1. Módulo Common
Oferece interfaces essenciais para:
- Conexão com banco de dados MongoDB
- Registro de logs
- Armazenamento de métricas
- Gerenciamento de contexto de execução
Cada experimento inicia a partir de um arquivo run.py, responsável por configurar o ambiente, carregar datasets, modelos e inicializar o experimento.
2. Módulo Model
Define a estrutura dos modelos treináveis, adicionando funcionalidades como:
- Versionamento
- Salvamento e restauração
- Checkpoints
3. Módulo Dataset
Padroniza o uso de dados, permitindo:
- Criação de DataLoaders
- Definição de splits de treino e validação
- Carregamento iterativo de dados
4. Módulo Experiment
Orquestra o pipeline de aprendizado:
- Execução centralizada ou federada
- Loops de treinamento e validação
- Integração com o framework Flower para FL
Experimentos e análise dos resultados
Flautim Interface
A plataforma registra:
- Métricas essenciais (MSE, RMSE, MAE, AUC, F1-score, etc.)
- Logs de execução
- Status de cada experimento
- Artefatos do modelo (pesos, checkpoints, versões)
Esses dados podem ser analisados posteriormente pela interface web, facilitando a comparação entre versões de modelos, diferentes datasets e estratégias de treinamento.
A interface web permite que instituições, gerentes e desenvolvedores:
- Gerenciem projetos, datasets, modelos e experimentos
- Acompanhem o progresso de execuções
- Visualizem resultados
- Organizem equipes e permissões
Ela estabelece um ecossistema colaborativo, transparente e auditável.
O Futuro da plataforma
As próximas entregas já estão em andamento, com destaque para:
- Ambiente interativo baseado em Jupyter;
- Expansão da capacidade computacional;
- Novos conectores e serviços para FL em produção;
- Ampliação das funcionalidades da API.
Esses avanços consolidarão o Flautim como referência nacional em aprendizado federado aplicado a mobilidade e cidades inteligentes.
Vamos construir o próximo projeto juntos?
Entre em contato com a equipe do FutureLab e vamos conversar!
