Inteligência artificial geral conclui percurso com Toyota Corolla

Um experimento conduzido pelo projeto independente DrivingBench utilizou um modelo de inteligência artificial geral para conduzir um automóvel real até o destino final. O teste, realizado em um estacionamento vazio, colocou quatro modelos multimodais diferentes ao volante de uma unidade do Toyota Corolla do ano de 2022.

Apesar de a iniciativa demonstrar o avanço das capacidades tecnológicas, o resultado evidenciou limitações operacionais severas. Dos onze testes realizados ao longo do projeto, oito falharam no início do percurso e apenas um modelo específico conseguiu cruzar a linha de chegada de todo o trajeto planejado com cones.

O único sistema capaz de finalizar o percurso foi o GPT-6 Astra, que completou a segunda tentativa com sucesso após falhar na primeira. O veículo percorreu uma distância de pouco mais de 134 metros em pouco mais de cinco minutos, o que resultou em uma velocidade média reduzida de aproximadamente 1,5 quilômetro por hora.

Para realizar a tarefa, a inteligência artificial não foi conectada diretamente aos comandos internos do automóvel. A condução do Toyota Corolla utilizou um hardware auxiliar e o sistema de código aberto conhecido como openpilot, enquanto o modelo recebia imagens de câmeras e dados de telemetria externos.

O sistema remoto calculava as orientações e enviava comandos básicos de direção, velocidade e duração de movimento de forma periódica. Durante o processo bem-sucedido, o modelo avaliava a situação a cada cinco ou seis segundos, o que difere drasticamente dos sistemas tradicionais de direção autônoma.

Especialistas apontam que a principal diferença em relação aos veículos autônomos convencionais reside na frequência de processamento. Enquanto o software dedicado de direção opera em ciclos contínuos de alta frequência, o modelo geral analisava o cenário em etapas separadas por longos períodos de reflexão.

Após o primeiro revés, a estratégia do sistema foi alterada para priorizar uma condução mais cautelosa e reduzir a velocidade nas retas. Embora o desempenho reforce que a tecnologia atual ainda está distante dos padrões comerciais de automação veicular, o teste sinaliza que modelos genéricos poderão atuar no futuro como camadas de suporte em sistemas de transporte.