Antes de chegar às ruas, veículos autônomos (VAs) precisam ser testados diante de situações que são raras, imprevisíveis e perigosas. Como a coleta de dados dessas interações de tráfego é difícil, onerosa e insegura, uma forma de fazer testes de segurança para esses casos é a partir de simulações computadorizadas. Pesquisadores da Escola Politécnica (Poli) da USP desenvolveram uma plataforma de simulação para explorar cenários perigosos e gerar situações de direção de alto risco.
O objetivo do trabalho foi propor e validar o CORTEX (CORner Case Testing & EXploitation for Autonomous Vehicles Development), plataforma baseada em simulação que explora cenários de risco predefinidos. A plataforma demonstrou ser capaz de concentrar o esforço de simulação em situações que realmente desafiam o sistema de controle do veículo, permitindo um “teste de estresse” mais rigoroso do que os métodos tradicionais de amostragem aleatória.
“Com 20 anos de experiência de desenvolvimento industrial de VAs e uso intensivo de recursos humanos e financeiros, ainda não foi possível chegar a uma solução completamente segura. Isso acontece porque existem quase infinitas combinações de possibilidades de tráfego com as quais o carro não sabe, a priori, como lidar”, conta Gabriel Kenji Godoy Shimanuki, engenheiro de computação e autor do estudo, ao Jornal da USP. É nesse sentido que as simulações entram, colocando à prova a capacidade do veículo de tomar decisões diante de cenários de risco.
O trabalho resultou na dissertação de mestrado intitulada Plataforma de geração de casos críticos para o controle seguro de veículos autônomos, com orientação do professor Paulo Sergio Cugnasca.
Paradoxo de Moravec
Já viu um robô humanoide em uma corrida de obstáculos? Em uma competição de robôs, máquinas humanoides correm, pulam e tentam manter o equilíbrio. Embora pareça uma tarefa simples para um ser humano, fazer um robô executar movimentos tão básicos ainda é um desafio tecnológico, e as quedas são frequentes. A dificuldade ajuda a ilustrar um problema que também aparece nos veículos autônomos: tarefas que parecem intuitivas para as pessoas podem ser extremamente complexas para os computadores.
Apesar dos avanços, os robôs ainda têm dificuldade para executar movimentos que, para os humanos, parecem triviais. As máquinas têm facilidade em tarefas que, para os humanos, exigem muita concentração, tempo e treinamento, como resolver longos cálculos ou aprender a jogar xadrez. Mas o contrário também acontece: nos robôs, é um desafio enorme projetar habilidades sensório-motoras e de percepção extremamente básicas para os humanos.
Entre os pesquisadores da robótica e inteligência artificial, essa inversão de complexidade das tarefas por parte do computador recebe o nome de “Paradoxo de Moravec”. O cientista da computação Hans Moravec, que dá nome ao paradoxo, resumiu, em 1988, que é “comparativamente fácil fazer os computadores exibirem desempenho adulto em testes de inteligência, mas é difícil ou até mesmo impossível dar-lhes as habilidades de uma criança de um ano quando se trata de percepção e mobilidade”.
Essa característica emerge no desempenho dos VAs, que ainda lidam com grandes dificuldades na tomada de decisões em situações de tráfego ainda não simuladas. “A máquina é muito rápida para descobrir padrões e fazer cálculos, mas não consegue generalizar o conhecimento da mesma forma. No caso dos veículos autônomos, esse é justamente um dos desafios: uma pessoa aprende a dirigir com poucas dezenas de horas de prática e consegue lidar com situações diferentes das que encontrou durante o treinamento. Isso não acontece da mesma forma com a robótica”, explica Shimanuki.
O pensamento lógico é recente nos humanos. Já mexer o corpo, reagir a estímulos externos e tomar decisões rápidas em situações de risco são ações quase automáticas, mas que levaram milhões de anos para se desenvolverem nos animais. Moravec escreveu que “[no] cérebro humano, está um bilhão de anos de experiência sobre a natureza do mundo e como sobreviver nele. Somos todos prodigiosos olímpicos nas áreas perceptiva e motora, tão bons que fazemos o difícil parecer fácil”.
Os computadores lidam bem com regras fixas, mas o domínio e fluidez das habilidades físicas ainda está distante, pois, como Moravec pontuou, elas realmente não são triviais. Por isso, segue sendo um desafio de segurança conseguir automatizar um veículo para reagir à quantidade esmagadora de possibilidades e estímulos do mundo real.
Por que usar simulação?
Segundo o pesquisador, a expectativa dos controles de VAs baseados em inteligência artificial é que seja possível criar um controle que generalize o conhecimento.
Mas, a simulação desenvolvida permitiu “estressar” o veículo autônomo de forma inteligente, encontrando mais situações de perigo em menos tempo do que os métodos tradicionais.
“Usando o simulador, eu estresso o sistema de direção, faço a coleta de dados de mais risco e, com esse risco, consigo refinar o controle”, explica o engenheiro. Isso significa que, com as simulações de computador, foram encontrados defeitos no programa que “dirige” o carro muito mais rápido. A quantidade de casos críticos aumentou e as margens de segurança em situações que não terminaram em batida diminuíram. Com esses resultados, foram criados cenários de quase acidente valiosos para treinar carros cada vez mais cautelosos.
A conclusão é que o uso de algoritmos inteligentes para buscar parâmetros de tráfego é superior ao teste “ao acaso”, em que valores aleatórios dos parâmetros de trânsito são aplicados para cada simulação, sem usar os resultados anteriores para direcionar a busca. A plataforma desenvolvida integra ferramentas computacionalmente poderosas e prova que é possível automatizar a geração de dados críticos para testar veículos autônomos de forma segura e barata antes de levá-los para ruas reais.
De acordo com Shimanuki, o inesperado continua sendo o grande desafio. “O carro tem um conjunto de informações com as quais foi treinado que, no geral, cobre bem as situações. Só que, às vezes, tem algum tipo de variação que ele não sabe lidar: entrou uma folha na frente da câmera, está chovendo forte, uma criança pulou na frente do veículo ou aconteceu alguma outra coisa”, conta.
Por isso, existe um limite para a simulação, uma vez que ela é apenas um modelo da realidade que simplifica as situações. Na prática, existe uma lacuna entre simulação e vida real, o que dificulta afirmar que um veículo autônomo seja realmente seguro. Mas essa tecnologia já existe em outros países.
Então, por que ainda não temos carros dirigindo sozinhos no Brasil? Eles já existem nos Estados Unidos da América e na China, por exemplo, mas Shimanuki destaca que não é qualquer empresa que consegue fazer isso: a operação é muito cara e o nível de segurança exigido é altíssimo. “Existe um limite operacional. Mesmo nos EUA esses carros só andam em uma região muito específica e isso acontece justamente porque o veículo está muito bem assistido nessa situação, dentro de uma região operacional muito específica”, resume.
A pesquisa contou com financiamento da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (Capes), e do Itaú Unibanco, a partir do programa PBI, vinculado ao Centro de Ciência de Dados (C2D) da Escola Politécnica da USP.
A dissertação Plataforma de geração de casos críticos para o controle seguro de veículos autônomos em simulação está disponível na Biblioteca Digital de Teses e Dissertações da USP e pode ser acessada neste link: https://teses.usp.br/teses/disponiveis/3/3141/tde-29042026-065640/pt-br.html
Matéria: Sthephany Oliveira | Jornal da USP.
