Simulações caóticas com elefantes virtuais melhoram testes de carros autônomos

Carros autônomos de ponta ainda enfrentam dificuldades para evitar colisões, algumas com consequências fatais. Um novo estudo sugere que os testes atuais não são desafiadores o suficiente. Pesquisadores desenvolveram um benchmark avançado para avaliar sistemas de direção autônoma, incluindo situações extremamente aleatórias e incomuns — como um elefante atravessando uma rua movimentada.

Andreas Geiger, chefe do Autonomous Vision Group da Universidade de Tübingen, na Alemanha, e coautor do estudo, destacou a importância desses testes. Em uma publicação no LinkedIn, ele brincou: “Por que o elefante atravessou a rua? Para expor quão frágil é o seu modelo.”

Em vídeos divulgados pelos pesquisadores, um veículo autônomo virtual atropela um elefante simulado. Em outro teste, o carro para diante de um escorregador infantil no meio da pista e, por algum motivo, colide com ele. Além disso, os sistemas também são enganados por paredes pintadas para parecerem parte da estrada, uma tática que já confundiu carros autônomos reais.

À primeira vista, os cenários podem parecer brincadeiras de GTA Online, mas têm um propósito sério. Segundo Geiger, há um problema silencioso, mas grave na pesquisa de direção autônoma: a maioria dos modelos é treinada e avaliada com os mesmos cenários repetidamente.

“O que parece um desempenho excelente nos testes pode ser apenas decorar respostas, não uma verdadeira capacidade de adaptação.”

Para resolver essa limitação, a equipe criou o Fail2Drive, um novo benchmark que introduz uma variedade de situações fora do comum no simulador de código aberto CARLA, amplamente utilizado na indústria. Alguns cenários são tão inusitados quanto um elefante respeitando a faixa de pedestres, enquanto outros são mais realistas, como um caminhão de bombeiros parado na pista, que o carro atropela a toda velocidade.

Ao testar modelos de direção autônoma com o Fail2Drive, os pesquisadores descobriram uma queda de 22,8% no sucesso dos sistemas, revelando sérias fragilidades em abordagens atuais. Além de melhorar a segurança dos veículos, o método poderia evitar acidentes com animais, como os já registrados envolvendo carros autônomos.

Embora ainda não se saiba se essa abordagem será suficiente para preparar os carros autônomos para o caos das ruas reais, ela representa um avanço importante na busca por sistemas mais confiáveis e seguros.