Pavel Alpeyev e Yuki Furukawa
Da Bloomberg

Os carros autônomos raramente terão que lidar com motoristas que pensam que estão em um filme da franquia "Velozes e Furiosos", mas preparar os veículos para que saibam como lidar com esse tipo de manobra pode ser o ingrediente que falta na busca pela verdadeira condução sem interferência humana.

Principal problema é: colocar veículos autônomos para fazer drifting a altas velocidades não é algo exatamente prático ou seguro. É por isso que a Ascent Robotics está construindo uma simulação virtual que, na visão da empresa, ajudará a criar automóveis autônomos capazes de lidar com qualquer cenário, por mais improvável que seja.

A startup com sede em Tóquio (Japão) está levantando 1,1 bilhão de ienes (US$ 10 milhões) em sua primeira rodada de financiamento, liderada pela SBI Investment. A ideia é, através de simulação, treinar veículos autoguiáveis para encarar ocorrências raras e inesperadas de trânsito. Para a companhia estas são as situações que mais importam, principalmente para evitar acidentes em casos emergenciais.

Para isso a Ascent quer quebrar com a atual lógica dos testes com autônomos — baseada quase puramente na distância percorrida em vias públicas. "Os dados de direção não são tudo", diz Fred Almeida, fundador da Ascent. "Podemos aprender comportamentos fundamentais em uma simulação e transferi-los efetivamente bem a um sistema físico", defende.

As simulações são feitas da seguinte maneira: munidos de fones de ouvido, óculos de realidade aumentada e volantes de videogame, engenheiros realizam manobras de drift. Algoritmos tomam esses dados para clonar estilos de direção, e depois instruem o software a tentar prever e reagir às diferentes trajetórias.

O ambiente de simulação Atlas, da Ascent, é baseado numa plataforma de desenvolvimento de jogos usada em games como Batman: Arkham Knight, Assassin's Creed Chronicles e outros. O mundo virtual contém todos os elementos vistos no trânsito comum: pedestres, edifícios e sinalização, mas não replica nenhuma cidade em particular. Na verdade, o software é mais parecido com um conjunto de Lego usado para construir cenários de treinamento.

"Queremos ter a incerteza e o ruído da direção humana como parte da experiência de aprendizagem do carro", ressalta Almeida. "Isso deve render um resultado mais robusto no fim."

Os carros-robôs percorreram um longo caminho na última década. Em 2004, em uma competição automotiva para estimular o desenvolvimento, nenhum veículo autônomo conseguiu cruzar a linha de chegada, batendo em barreiras, saindo da pista ou congelando no lugar. De lá para cá, os avanços dos sensores e as inovações nos algoritmos de aprendizado profundo melhoraram enormemente a capacidade das máquinas de perceber o mundo, tornando a navegação básica um problema resolvido.