Publicado originalmente por MIT Technology Review
A abordagem convencional para carros sem motorista é lenta e difícil. Essas startups acham que apostar tudo na IA chegará lá mais rápido.
Esta foi a primeira vez que o aprendizado por reforço – uma técnica de IA que treina uma rede neural para executar uma tarefa por tentativa e erro – foi usado para ensinar um carro a dirigir do zero em uma estrada real. Foi um pequeno passo em uma nova direção – uma que uma nova geração de startups acredita que pode ser o avanço que torna os carros sem motorista uma realidade cotidiana.
Wayve diz que quer ser a primeira empresa a implantar carros sem motorista em 100 cidades. Mas isso é ainda mais hype de uma indústria que está ficando chapada com seu próprio suprimento há anos?
“Há excesso de vendas nesse campo”, diz Raquel Urtasun, que liderou a equipe de direção autônoma do Uber por quatro anos antes de partir para fundar a Waabi em 2021. “Também há uma falta de reconhecimento de quão difícil é a tarefa no primeiro lugar. Mas não acredito que a abordagem convencional da direção autônoma nos levará aonde precisamos estar para implantar a tecnologia com segurança”.
Essa abordagem convencional remonta pelo menos a 2007 e ao DARPA Urban Challenge , quando seis equipes de pesquisadores conseguiram fazer com que seus veículos robóticos navegassem em uma maquete de uma pequena cidade em uma base abandonada da Força Aérea dos EUA.
Waymo e Cruise foram lançados com base nesse sucesso, e a abordagem de robótica adotada pelas equipes vencedoras permaneceu. Essa abordagem trata a percepção, a tomada de decisão e o controle do veículo como problemas diferentes, com diferentes módulos para cada um. Mas isso pode tornar o sistema geral difícil de construir e manter, com erros em um módulo borbulhando em outros, diz Urtasun. “Precisamos de uma mentalidade de IA, não de uma mentalidade de robótica”, diz ela…
Veja o artigo completo no site MIT Technology Review