Passeie pelos poços em qualquer evento de automobilismo profissional, especialmente algo como a Fórmula 1, e você verá inúmeras telas de computador cheias de telemetria. As equipes modernas estão inundadas de feedback digital em tempo real dos carros. Estive em muitos desses buracos ao longo dos anos e fiquei maravilhado com os fluxos de dados, mas nunca vi uma instância do conjunto de desenvolvimento de software Microsoft Visual Studio rodando ali em meio ao caos.
Mas nunca participei de nada parecido com o evento inaugural da Liga Autônoma de Corridas de Abu Dhabi no fim de semana passado. A A2RL, como é conhecida, não é a primeira série de corridas autônomas: há a série Roborace, que viu carros de corrida autônomos estabelecendo tempos de volta rápidos enquanto evitavam obstáculos virtuais; e o Indy Autonomous Challenge, que ocorreu mais recentemente no Las Vegas Motor Speedway durante a CES 2024.
Enquanto o Roborace se concentrava em contra-relógio de carro único e a série Indy Autonomous se concentrava na ação oval, a A2RL decidiu abrir novos caminhos em algumas áreas.
A A2RL colocou quatro carros em pista, competindo simultaneamente pela primeira vez. E, talvez mais significativamente, colocou o carro autónomo de melhor desempenho contra um ser humano, o antigo piloto de Fórmula 1 Daniil Kvyat, que pilotou por várias equipas entre 2014 e 2020.
Créditos da imagem: Liga de Corrida Autônoma
O verdadeiro desafio estava nos bastidores, com equipas compostas por um quadro impressionantemente diversificado de engenheiros, desde programadores inexperientes a estudantes de doutoramento e engenheiros de corrida a tempo inteiro, todos lutando para encontrar o limite de uma forma muito nova.
Ao contrário da Fórmula 1, onde 10 fabricantes projetam, desenvolvem e produzem carros completamente personalizados (às vezes com a ajuda da IA), os carros de corrida A2RL são totalmente padronizados para fornecer condições de concorrência equitativas. As máquinas de 550 cavalos, emprestadas do Campeonato Japonês de Super Fórmula, são idênticas e as equipes não estão autorizadas a alterar um único componente.
Isso inclui o conjunto de sensores, que possui sete câmeras, quatro sensores de radar, três sensores lidar e GPS para inicializar – todos usados para perceber o mundo ao seu redor. Como eu aprenderia enquanto perambulava pelos boxes e conversava com as diversas equipes, nem todo mundo aproveita totalmente os 15 terabytes de dados que cada carro coleta a cada volta.
Algumas equipes, como a Code 19, com sede em Indianápolis, só começaram a trabalhar no monumental projeto de criação de um carro autônomo há alguns meses. “Há quatro equipes novatas aqui”, disse o cofundador do Code 19, Oliver Wells. “Todo mundo já competiu em competições como esta, algumas delas há até sete anos.”
É tudo uma questão de código
Créditos da imagem: Tim Stevens
A TUM, com sede em Munique, e a Polimove, com sede em Milão, têm vasta experiência em corridas e vitórias tanto no Roborace quanto no Indy Autonomous Challenge. Essa experiência é transferida, assim como o código-fonte.
“Por um lado, o código é continuamente desenvolvido e melhorado”, disse Simon Hoffmann, chefe de equipe da TUM. A equipe fez ajustes para alterar o comportamento nas curvas para se adequar às curvas mais fechadas do percurso e também ajustar a agressividade nas ultrapassagens. “Mas, em geral, eu diria que usamos o mesmo software básico”, disse ele.
Através da série de inúmeras rondas de qualificação ao longo do fim-de-semana, as equipas com maior experiência dominaram as tabelas de cronometragem. TUM e Polimove foram as únicas duas equipes a completar tempos de volta em menos de dois minutos. A volta mais rápida do Code 19, entretanto, durou pouco mais de três minutos; as outras novas equipes foram muito mais lentas.
Isto criou uma competição raramente vista no desenvolvimento de software. Embora certamente tenha havido desafios de codificação competitivos anteriores, como TopCoder ou Google Kick Start, este é um tipo de coisa muito diferente. Melhorias no código significam tempos de volta mais rápidos – e menos acidentes.
Kenna Edwards é engenheira assistente de corrida do Code 19 e estudante da Universidade de Indiana. Ela trouxe alguma experiência anterior em desenvolvimento de aplicativos, mas teve que aprender C++ para escrever o sistema de freio antibloqueio da equipe. “Isso nos salvou pelo menos algumas vezes de bater”, disse ela.
Ao contrário dos problemas de codificação tradicionais que podem exigir depuradores ou outras ferramentas para monitoramento, algoritmos aprimorados aqui têm resultados tangíveis. “Uma coisa legal foi ver os furos do pneu melhorarem na próxima sessão. Ou eles reduziram em tamanho ou em frequência”, disse Edwards.
Esta implementação da teoria não só contribui para desafios de engenharia envolventes, mas também abre caminhos de carreira viáveis. Depois de estagiar anteriormente na Chip Ganassi Racing e na General Motors, e graças à sua experiência com a Code 19, Edwards começa em tempo integral na GM Motorsports neste verão.
De olho no futuro
Créditos da imagem:
Esse tipo de desenvolvimento é uma grande parte do objetivo da A2RL. Acompanhando a ação principal na pista está uma série secundária de competições para estudantes mais jovens e grupos de jovens em todo o mundo. Antes do evento principal da A2RL, esses grupos competiram com modelos de carros autônomos em escala 1:8.
“O objectivo é, no próximo ano, mantermos para as escolas os modelos de carros mais pequenos, vamos manter para as universidades talvez fazendo-o em karts, um pouco maiores, podem brincar com os karts autónomos. E então, se você quiser estar na grande liga, você começa a correr com esses carros”, disse Faisal Al Bannai, secretário-geral do Conselho de Pesquisa de Tecnologia Avançada de Abu Dhabi, o ATRC. “Acho que se eles virem esse caminho, acho que você incentivará mais pessoas a entrar na pesquisa, na ciência.”
É o ATRC de Al Bannai que paga a conta da A2RL, cobrindo tudo, desde os carros até os hotéis, para as inúmeras equipes, algumas das quais testam em Abu Dhabi há meses. Eles também organizaram uma festa de classe mundial para o evento principal, completa com shows, corridas de drones e um ridículo show de fogos de artifício.
A ação na pista foi um pouco menos espetacular. A primeira tentativa de corrida autônoma de quatro carros foi abortada depois que um carro girou, bloqueando os carros seguintes. A segunda corrida, no entanto, foi muito mais emocionante, com uma passagem para a liderança quando o carro da equipe Unimore da Universidade de Modena passou ao lado. Foi TUM quem passou e venceu a corrida, levando para casa a maior parte do prêmio de US$ 2,25 milhões.
Quanto ao homem versus máquina, Daniil Kvyat fez um trabalho rápido com o carro autônomo, passando-o não uma, mas duas vezes, sob grandes aplausos da multidão reunida de mais de 10.000 espectadores que aproveitaram os ingressos gratuitos para ver um pouco da história – além de cerca de 600.000 outros transmitindo o evento.
As falhas técnicas foram lamentáveis. Ainda assim, foi um acontecimento notável para testemunhar e ilustrar até que ponto a autonomia chegou – e, claro, quanto mais progresso precisa de ser feito. O carro mais rápido ainda estava a mais de 10 segundos do tempo de Kvyat. No entanto, fez voltas suaves e limpas a uma velocidade impressionante. Isso contrasta fortemente com o primeiro Grande Desafio da DARPA em 2004, onde todos os competidores colidiram com uma barreira ou vagaram pelo deserto em uma estadia não planejada.
Para a A2RL, o verdadeiro teste será se ela conseguirá evoluir para uma série financeiramente viável. A publicidade impulsiona a maioria dos desportos motorizados, mas aqui há o benefício adicional de desenvolver algoritmos e tecnologias que os fabricantes poderiam razoavelmente aplicar nos seus carros.
Al Bannai, da ATRC, me disse que, embora os organizadores da série sejam donos dos carros, as equipes possuem o código e são livres para licenciá-lo: “O que eles competem no momento é o algoritmo, o algoritmo de IA que faz este carro fazer o que faz. Isso pertence a cada uma das equipes. Não nos pertence.”
A verdadeira corrida, então, pode não estar na pista, mas em garantir parcerias com fabricantes. Afinal, que melhor maneira de inspirar confiança na sua tecnologia autônoma do que mostrar que ela pode lidar com o tráfego na pista de corrida a 250 km/h?
