As arquibancadas foram tomadas por gritos de surpresa enquanto os engenheiros observavam atônitos o impacto entre dois carros de corrida sem motorista. O veículo da equipe PoliMove colidiu com o carro da Unimore, que havia reduzido a velocidade bruscamente, durante uma competição realizada pela Liga de Corridas Autônomas de Abu Dhabi.
No famoso autódromo Internacional Enzo e Dino Ferrari, localizado em Imola, na Itália, ambos os veículos colidiram na região chamada Rivazza. Essa é a sequência final do circuito, composta por curvas reconhecidas como extremamente desafiadoras. Até mesmo pilotos campeões da Fórmula 1 já sofreram acidentes nesse trecho. A diferença é que, desta vez, não houve risco para nenhum motorista, simplesmente porque não havia ninguém dentro dos carros.
Criada em 2024, a liga tem como objetivo introduzir veículos autônomos no automobilismo para testar os limites das capacidades atuais dessas tecnologias. A corrida deste ano em Imola revelou claramente essas fronteiras, demonstrando a distância entre as habilidades computacionais dos veículos autônomos e sua capacidade de reação quando algo dá errado.
Apenas dois dos cinco carros na final conseguiram cruzar a linha de chegada. A equipe Kinetiz, dos Emirados Árabes Unidos, terminou em primeiro lugar, seguida pela Constructor Racing, da Alemanha. A PoliMove ficou com a terceira posição, embora seu veículo danificado tenha precisado ser substituído antes da cerimônia do pódio. A duas vezes campeã TUM retirou seu carro após detectar um problema nos freios durante a volta de formação.
As equipes participantes tiveram apenas nove dias de testes práticos antes da corrida, em condições que incluíram chuva e granizo. Esta também foi a primeira competição internacional da liga fora de sua base habitual no circuito de Yas Marina, em Abu Dhabi.
Por que escolher uma das pistas mais impiedosas do automobilismo? "Porque qualquer um pode fazer o 'fácil', não é?" explicou Nicola Palarchi, diretor de engenharia da Aspire, empresa fundadora da liga. "Precisamos mostrar que vamos aonde é importante."
Palarchi deixou claro que as corridas autônomas não pretendem competir com as corridas tradicionais conduzidas por humanos, mas sim existir como uma modalidade própria. Inclusive, poderiam até apoiar o automobilismo convencional.
Isso porque as corridas autônomas são mais do que um espetáculo: funcionam como um laboratório com proteções. Seus defensores as descrevem como uma forma de testar percepção, previsão e controle de veículos em velocidades extremas, sem colocar em risco um condutor humano. Esses são fatores cruciais para a segurança dos carros autônomos no mundo real, e medir os limites nos quais esses veículos têm sucesso — ou, mais importante ainda, falham — pode informar melhorias futuras na tecnologia.
O primeiro obstáculo é a percepção. Os sensores do veículo identificam sua localização e entorno, alimentando um software de planejamento que então escolhe uma trajetória. Por fim, o sistema de controle traduz essa decisão em direção, aceleração e frenagem. As corridas tornam cada uma dessas etapas mais desafiadoras, pois em altas velocidades, os veículos têm menos tempo para interpretar informações incompletas, prever os movimentos de outro carro e executar uma manobra de esquiva.
"O carro ficará cego em um determinado ponto porque a pista faz uma descida", havia dito Alexander Winkler, responsável pelas atividades esportivas da liga, antes da final. Se um veículo parasse além dessa descida, explicou ele, o carro de trás poderia ter menos de um segundo para reagir.
Esse aviso mostrou-se propheticiente. A Unimore informou que seu carro, chamado Gianna, iniciou uma parada de segurança após perder todos os dados de seus sensores de luz e radar. O GPS sozinho não conseguia localizar o carro com precisão suficiente para continuar correndo em alta velocidade. A equipe afirmou que sistemas futuros poderiam usar câmeras e uma unidade de medição inercial para continuar em ritmo mais lento até que a localização precisa retornasse. Em outras palavras, o carro parou porque não tinha um plano alternativo confiável.
O veículo da PoliMove, chamado Eva, detectou o Gianna à frente, segundo a equipe, mas não conseguiu evitar a colisão. O Gianna havia freado com uma força de aproximadamente um g, com o Eva a apenas um segundo e meio atrás.
A PoliMove declarou que seu sistema identificou o perigo e começou uma manobra evasiva. No entanto, percepção, tomada de decisão, replanejamento de trajetória, resposta dos atuadores e dinâmica veicular introduzem atrasos. Uma vez que o Gianna freou tão intensamente no meio da curva, a equipe explicou, uma colisão tornou-se fisicamente inevitável.
Até mesmo lendas da Fórmula 1, como Fernando Alonso e Carlos Sainz, já colidiram nessa parte da pista. No entanto, a explicação das equipes da liga expõe um problema que processadores mais rápidos sozinhos não podem resolver: um veículo autônomo pode reconhecer um perigo e ainda assim ser incapaz de reagir antes que a física assuma o controle.
A falha da TUM foi menos algorítmica, mas igualmente instrutiva. A equipe informou que seu carro, chamado Hailey, abandonou a corrida após o freio traseiro esquerdo travar em baixa a média pressão durante a volta de formação. Mesmo um software autônomo sofisticado não consegue compensar falhas mecânicas.
O carro da Kinetiz, chamado Sparkz, manteve a liderança até a conquista do primeiro lugar no pódio, com o veículo da Constructor AI como vice-campeão. Mas quase qualquer resultado pode ser considerado um progresso, quando as falhas produzem casos extremos úteis: perda de sensores, localização comprometida, frenagem repentina, visibilidade limitada e interação entre sistemas autônomos tomando decisões separadas.
Além dos dados das colisões, Palarchi afirma que esses ambientes de automobilismo oferecem a oportunidade de desenvolver hardware mais resistente. As temperaturas nos compartimentos do piloto podem chegar a cerca de 77 graus Celsius, e — emboraHopefully seu táxi robô não seja tão quente — radares e sensores que conseguem suportar calor intenso podem ser úteis em nossas cidades que estão esquentando.
Chee Kiong Ong, vice-chefe de equipe da Kinetiz, também observa que algoritmos de previsão desenvolvidos na pista poderiam eventualmente ajudar veículos civis a responder a emergências. "Você provavelmente poderia aplicar isso para fazer o carro parar de forma mais segura ou controlá-lo nos limites para que seja possível salvar vidas", afirmou ele.
Uma ressalva é que, diferentemente de outros testes de laboratório, as empresas não são obrigadas a compartilhar os dados precisos coletados de seus veículos. Os dados do EAV 25 da liga, o carro de corrida desenvolvido com base em veículos Dallara SF23 modificados, atualmente permanecem dentro da competição.
A próxima corrida da liga retorna a Yas Marina, onde as equipes passaram anos desenvolvendo seus softwares. Os organizadores já estão considerando tornar a competição mais difícil, reduzindo os períodos de teste, aumentando o grid para oito carros ou restringindo o acesso ao GPS.
Essas mudanças poderiam revelar se os sistemas estão se tornando mais adaptáveis. Enquanto isso, aguardaremos para ver como essas informações se transferem para cenários da vida real.
Fonte: Feed: All Latest
