A General Motors (GM) desenvolveu uma nova abordagem para enfrentar os desafios relacionados à direção autônoma. Isso envolve o uso de tecnologia avançada de IA para treinar sistemas autônomos em uma velocidade e escala que não são possíveis no mundo real.
GM cria IA escalável para direção autônoma com simulação em alta velocidade
A GM foca em resolver o chamado problema do “long tail” na direção autônoma, onde eventos raros e inesperados podem afetar a segurança. Para isso, eles combinam grandes ambientes de simulação, aprendizado por reforço e modelos baseados em visão-linguagem-ação (VLA). Isso permite treinar os sistemas em cenários que incluem desde obstáculos inesperados até situações complexas de trânsito.
Usando modelos VLA, os veículos da GM podem reconhecer e interpretar sinais manuais de policiais ou entender como é uma “zona de carga”. Além disso, eles desenvolvem um modelo híbrido chamado “Dual Frequency VLA”, que combina decisões em alta frequência com compreensão semântica profunda. Isso permite que os veículos reajam rapidamente a perigos enquanto entendem situações complexas de trânsito. A GM realiza milhões de simulações de direção todos os dias, equivalentes a dezenas de milhares de dias de direção humana, para testar os sistemas contra cenários perigosos que não podem ser facilmente reproduzidos no mundo real.
Relevância para o mercado brasileiro de tecnologia e mobilidade
A abordagem da GM para direção autônoma oferece insights valiosos para desenvolvedores brasileiros que buscam aprimorar a segurança em sistemas autônomos. A utilização de simulações em alta velocidade pode acelerar o desenvolvimento e a validação de soluções de IA no Brasil, impulsionando a inovação em mobilidade urbana e infraestrutura de transporte autônomo no país.
Fonte: IEEE Spectrum
Leia também: Google lança TurboQuant, nova compressão de memória para IA
