Vou explicar como um carro raciocina ao dirigir sozinho

Um pedestre que se aproxima das faixas de trânsito, uma bicicleta que muda de direção de repente, um carro que entra na via no último momento. Para uma pessoa ao volante, são situações cotidianas que precisam ser enfrentadas frequentemente em poucos instantes. Para um sistema de assistência à direção, porém, representam uma série de problemas a serem resolvidos por meio de câmeras, sensores, cálculos e inteligência artificial. Mas como um carro consegue interpretar o que acontece ao seu redor e decidir qual manobra executar?

Para entender isso, entrevistei Dong Li, CTO da QCraft, empresa chinesa especializada no desenvolvimento de sistemas avançados de assistência à direção para carros de produção em série. No centro da nossa conversa está o QPilot PRO, uma tecnologia projetada para auxiliar o motorista tanto na cidade quanto na estrada, mesmo quando o tráfego apresenta situações complexas.

Li me contou como funciona o sistema, quais estratégias ele utiliza para prever as ações dos outros usuários da estrada e o que acontece quando encontra um cenário que não consegue interpretar com segurança suficiente.

Câmeras, sensores e inteligência artificial: como o carro decide

O QPilot PRO faz parte da família de sistemas de direção assistida da QCraft, que também inclui as versões AIR e MAX. Ele foi projetado para ajudar o carro a se mover na cidade e nas estradas graças à função Navigation on Autopilot (NOA). Sua capacidade de cálculo varia de 100 a 200 TOPS, uma unidade que indica quantas operações matemáticas ele pode executar por segundo.

QPilot PRO faz parte da família de sistemas de direção assistida da QCraft

Foto de: QCraft

O sistema utiliza 11 câmeras, complementadas por um sensor LiDAR, que reconstitui o ambiente ao redor em três dimensões. As câmeras reconhecem carros, pedestres, semáforos e faixas de rodagem, enquanto o LiDAR ajuda a identificar a posição e a forma dos obstáculos. Ao combinar esses dados, a inteligência artificial tenta entender por onde o carro pode passar e como os outros usuários da estrada estão se movendo.

O próximo passo é decidir como reagir. “Nossa principal inovação consiste em integrar os requisitos de segurança em todo o processo, desde o treinamento do modelo até a escolha da trajetória”, explicou Dong Li, CTO da QCraft, durante a entrevista. O sistema combina a interpretação do ambiente e a previsão de eventos com regras de segurança definidas por humanos, tornando as decisões mais controláveis.

Para aprender a lidar com situações diferentes, a QCraft também utiliza modelos do mundo, que simulam o funcionamento do mundo físico, e aprendizado por reforço, uma técnica que ajuda a inteligência artificial a melhorar suas decisões por meio do aprendizado.

QCraft, assim a inteligência artificial interpreta a estrada

Foto de: QCraft

Dessa forma, procura-se reconhecer um obstáculo e prever o que pode acontecer. Como Li me explicou, se uma bola rolar na estrada, o sistema deve considerar que uma criança pode correr para pegá-la e reduzir a velocidade com antecedência. Da mesma forma, se houver água perto dos pedestres, ele pode diminuir a velocidade para evitar molhá-los. Essa é a diferença entre ver o que acontece e interpretar o contexto para antecipar possíveis consequências.

O que acontece quando o carro está em dificuldades

Naturalmente, nenhum sistema pode ser treinado com antecedência para todas as situações que podem ocorrer no trânsito real. Por isso, a QCraft utiliza simulações em larga escala e modelos do mundo físico para criar um ambiente virtual no qual é possível reproduzir cenários raros, condições meteorológicas difíceis e situações perigosas que seriam complicadas de recriar repetidamente nas estradas.

Dong Li, CTO da QCraft

Foto de: Motor1 Italia visual (assistido por IA)

A esses testes somam-se os dados coletados durante o uso diário. De acordo com os números divulgados pela Li, em 2026 as soluções QPilot ultrapassaram um milhão de instalações em veículos de produção em série. No final de julho, os motoristas percorreram um total de mais de 4,5 bilhões de quilômetros utilizando os sistemas de assistência da empresa. A QCraft também afirma que a taxa de ativações involuntárias da frenagem automática de emergência é inferior a uma a cada 500.000 quilômetros. Trata-se de um dado fornecido pela empresa, que deve ser analisado juntamente com as condições de medição e os critérios utilizados: sozinho, na verdade, não permite determinar até que ponto um sistema é seguro em comparação com a condução humana em todas as situações.

O que acontece, porém, quando o carro se depara com uma situação que não consegue interpretar com confiabilidade suficiente?

Segundo Li, o sistema avalia as informações disponíveis, as condições da estrada e a confiabilidade dos sensores. Se a situação apresentar muitas incertezas, ele pode adotar um comportamento mais cauteloso, por exemplo, diminuindo a velocidade, aumentando a distância em relação ao veículo à frente ou evitando mudanças de faixa prematuras. Se as condições excederem suas capacidades operacionais, ele deve alertar o motorista para que retome o controle.

Isso é um ponto fundamental, pois o QPilot PRO pertence à categoria de sistemas de assistência à direção de Nível 2. Portanto, o motorista deve continuar a observar a estrada e o funcionamento do sistema, mantendo a possibilidade de intervir a qualquer momento. O carro pode gerenciar algumas operações de direção, mas a responsabilidade pelo controle permanece humana.

Para reduzir os riscos associados à distração ou à confiança excessiva na tecnologia, a QCraft trabalha com os fabricantes também nos sistemas de monitoramento do motorista. Se, durante a assistência ativa, o sistema detectar que a pessoa se levanta do assento ou fica sem cinto por mais de cinco segundos, pode solicitar controle manual e aumentar o limite de torque necessário para intervir no volante, diminuindo o risco de que um contato involuntário provoque uma reação.

Também é monitorada a postura: se o motorista se inclina até assumir uma posição deitada, o sistema continua a solicitar que ele retome uma postura correta. Em caso de fadiga prolongada ou distração detectada, pode solicitar que ele retome a direção e, se não receber resposta, frear até parar com segurança dentro da pista, de acordo com as estratégias previstas pelo sistema.

Ainda existem algumas dificuldades. Chuva muito intensa, ofuscamento, obstáculos que escondem outros usuários da estrada e situações excepcionais continuam a colocar à prova até as tecnologias mais avançadas. Para lidar com isso, a QCraft treina seus modelos também com imagens simuladas de câmeras ofuscadas ou parcialmente escurecidas, bem como em cenários nos quais alguns sensores não funcionam corretamente.

Em sistemas que não dependem de mapas de alta definição, também são inseridas informações cartográficas incorretas durante o treinamento, a fim de reduzir a dependência de dados que podem não corresponder à realidade. A empresa utiliza ainda modelos redundantes, para diminuir as consequências de um possível defeito em algum componente.

Existe também a questão das atualizações. Os dados coletados pelos veículos podem ajudar a identificar novos problemas e a aprimorar as versões futuras, mas isso não significa que os carros aprendam diretamente enquanto estão em movimento, modificando autonomamente suas estratégias de direção. Antes de serem distribuídas, as atualizações precisam passar por verificações por meio de simulações, reprodução de cenários, testes de regressão e testes em estrada. A validação é então concluída em conjunto com o fabricante do veículo.

O chegada à Europa também exige um treinamento específico. Rotatórias, prioridades, passagens de pedestres, sinalização e hábitos dos motoristas variam de um mercado para outro. A QCraft já realizou testes urbanos e em rodovias em diferentes localidades da Alemanha e da França, mas Li ressalta que não existe um número de quilômetros válido para cada país: o treinamento e a verificação dependem das diferenças entre as condições locais e aquelas já conhecidas pelo sistema.

QCraft: o chegada à Europa requer treinamento específico

Foto de: QCraft

O objetivo da empresa é tornar essas tecnologias disponíveis também em veículos de faixa mais acessível. A QCraft afirma ter já implementado sistemas de navegação urbana assistida em plataformas de 128 TOPS e declara que o QPilot PRO cobre 99% dos cenários do deslocamento diário, segundo suas próprias avaliações. O sistema também suporta mais de 300 cenários de estacionamento, incluindo espaços muito apertados e o estacionamento em vários níveis de um garagem.

São resultados e objetivos que mostram o quanto a condução assistida está evoluindo, mas que não eliminam o problema central: a estrada é um ambiente imprevisível e a capacidade de lidar com um caso comum não garante que se saiba gerenciar um caso excepcional. É exatamente aqui que se mede a maturidade dessas tecnologias: não apenas na capacidade de tomar decisões quando tudo funciona como previsto, mas também em reconhecer quando as informações não são suficientes e quando é necessário dar novamente espaço à intervenção humana.

Leia também