Como simuladores de IA ensinam carros autônomos a evitar acidentes fatais

Os carros autônomos fizeram progressos impressionantes, conseguindo seguir faixas e navegar em rotas familiares com facilidade. No entanto, após anos de desenvolvimento, eles ainda lutam com um problema crítico: as situações raras e perigosas que causam os acidentes mais sérios.

Esses “casos de borda” incluem curvas fechadas em estradas molhadas, mudanças repentinas de inclinação ou situações em que o veículo atinge seus limites físicos de aderência e estabilidade. Em cenários reais, esses momentos podem surgir de erros de julgamento humano ou da falha dos sistemas automatizados em antecipar condições que mudam rapidamente.

Tais eventos ocorrem com pouca frequência, mas as consequências podem ser graves. Um carro pode lidar perfeitamente com mil curvas suaves, mas falhar em uma única curva acentuada feita com velocidade excessiva.

Leia também: Tesla está retirando humanos do volante e lança Robotaxis 100% autônomos no Texas

Os sistemas autônomos atuais não são treinados o suficiente para lidar com esses momentos de forma confiável. Do ponto de vista dos dados, esses eventos formam o que os cientistas chamam de “cauda longa“: são estatisticamente raros, mas desproporcionalmente importantes.

Treinamento mais eficaz

Coletar mais dados do mundo real não resolve o problema, pois buscar deliberadamente condições perigosas é caro, lento e arriscado. Não podemos colocar veículos em quase acidentes em vias públicas apenas para testar o software. Se um sistema de IA raramente vê situações extremas durante o treinamento, terá poucas chances de responder bem na vida real.

Na frota atual de carros autônomos, um humano em um centro de controle geralmente está à disposição para intervir. Mas, para alcançar carros totalmente sem motorista, os pesquisadores precisam de formas eficazes de treinar a IA para lidar com situações de alto risco.

A equipe de pesquisa na Dublin City University, trabalhando com a University of Birmingham, tem enfrentado essa lacuna.

Leia também: Nvidia anuncia teste de robotáxis com carros autônomos Nível 4 em 2027

O grupo de pesquisadores desenvolveu um “campo de prova” virtual que utiliza IA generativa para criar cenários de condução de alto risco com segurança. Em vez de esperar que eventos raros aconteçam naturalmente, eles puderam ensinar um modelo de IA a criar cenários desafiadores sob demanda, incluindo aqueles que levam os veículos ao limite de suas capacidades físicas.

Praticando com segurança

A IA generativa usada em no sistema das universidades aprende com dados de condução reais e produz novos cenários realistas. Crucialmente, ela não apenas reproduz estradas típicas, mas foca deliberadamente nas situações mais exigentes, como curvas fechadas, inclinações acentuadas e altas velocidades.

Isso permite expandir a gama de situações que um veículo experimenta durante o treinamento sem nunca sair do simulador. Na prática, o carro pode “praticar” situações perigosas de forma repetida e sistemática. O objetivo, contudo, não é substituir totalmente o motorista, mas focar na condução compartilhada homem-máquina.

Os humanos são excelentes em intuição e adaptação, enquanto as máquinas superam em reações rápidas e controle preciso. No mesmo sistema, o controle é ajustado continuamente dependendo do risco detectado.

Leia também: Conheça empresa de veículos autônomos que pode chegar a R$ 110 bilhões em valor de mercado

Quando a estrada é segura, o motorista permanece no comando; mas, ao detectar uma curva perigosa abordada com muita rapidez, o sistema aumenta suavemente a assistência automatizada para estabilizar o veículo. Essa transição é gradual e adaptativa, projetada para parecer natural e não intrusiva.

Para avaliar o sistema, os pesquisadores utilizaram uma plataforma “driver-in-the-loop“, onde pessoas reais interagem com a IA em um simulador de alta fidelidade. Os resultados foram encorajadores: motoristas menos experientes foram os que mais se beneficiaram, recebendo suporte imediato em estradas complexas e reduzindo o risco de perda de controle.

Ao mesmo tempo, o sistema evitou intervenções desnecessárias durante a condução segura. Essa abordagem adaptativa resultou em uma direção mais segura e suave do que estratégias de controle fixas ou excessivamente conservadoras.

Leia também: Justiça diz que Tesla fez propaganda enganosa sobre carros autônomos; entenda

Os veículos autônomos são frequentemente julgados pela rotina, mas a confiança pública dependerá de como eles se comportam quando algo dá errado. Ao usar IA generativa para treinar veículos em cenários críticos, foi possível expor fraquezas precocemente e construir sistemas mais bem preparados para o mundo real.

Manter os humanos no processo permite projetar uma automação que apoia os motoristas em vez de substituí-los abruptamente. Carros totalmente sem motorista podem demorar, mas sistemas de treinamento inteligentes como este tornam as estradas de hoje mais seguras para todos.

—

Cauê Rigamonti

Siga o Times Brasil - Licenciado Exclusivo CNBC no