Carros autônomos já enfrentam dificuldades com obstáculos bastante modestos: param no meio de rodovias, atravessam barreiras, confundem bloqueios de obras e podem avançar sobre áreas alagadas. Um experimento chamado DrivingBench tentou descobrir se modelos de IA de fronteira fariam melhor. Três sistemas receberam controle de um Toyota Corolla em um estacionamento vazio. Apenas um completou o circuito, em baixa velocidade, depois de falhar na primeira tentativa. A demonstração é interessante, mas também funciona como lembrete: saber conversar sobre direção está muito longe de saber dirigir.
Modelos de IA conseguem controlar um carro real?
Sim, mas apenas em condições extremamente limitadas e com desempenho bastante irregular. Os pesquisadores conectaram um laptop à unidade “comma four”, ligada aos comandos do Toyota, para que os modelos recebessem telemetria de GPS e dados como ângulo do volante e das rodas. A partir dessas informações, eles enviavam instruções de direção, aceleração e frenagem. Não havia motorista conduzindo, embora uma pessoa permanecesse pronta para acionar o freio. O percurso ficava em um estacionamento, e o limite de velocidade era muito baixo. Uma gaiola experimental, portanto; não a ida ao trabalho na segunda-feira.
O teste envolveu modelos identificados no projeto como GPT-6 Astra, da OpenAI, Grok 4.6, da xAI, e Claude Fable 5.1, da Anthropic. Segundo o DrivingBench, a maioria das tentativas não passou da primeira curva. O problema principal foi perceptivo: os sistemas tiveram dificuldade para entender de que lado de uma linha diagonal de cones estava a faixa disponível. Parece uma bobagem de estacionamento. Não é. Para um sistema que precisa interpretar imagens, calcular distâncias e agir em tempo real, uma curva mal lida já basta para transformar o circuito em um pequeno abismo estatístico.
Qual modelo conseguiu completar o percurso?
O GPT-6 Astra foi o único a completar todo o circuito, na segunda tentativa, em cerca de cinco minutos. O Corolla percorreu menos de 500 pés, algo próximo de 152 metros, a uma velocidade média de aproximadamente 0,94 milha por hora. Em outras palavras, a façanha ocorreu quase no ritmo de uma caminhada apressada. Ainda assim, foi uma melhora em relação a tentativas anteriores com gerações passadas de modelos de fronteira, que nem sequer haviam conseguido realizar o trajeto. O resultado é curioso: progresso técnico suficiente para mover um carro real, mas não para inspirar confiança no banco do passageiro.
O Grok, após sua primeira tentativa, descreveu um problema que qualquer motorista humano resolveria com uma olhada mais cuidadosa: o carro parecia mais largo do que a câmera fazia parecer, e a trajetória reta apontava para uma jardineira, uma parede ou um cone vermelho. A observação revela a diferença entre produzir uma explicação plausível e construir uma percepção espacial confiável. O sistema pode narrar a confusão depois do erro; isso não significa que tenha compreendido o ambiente antes de virar o volante. A prosa veio. A geometria, nem sempre.
Quanto custa deixar uma IA dirigir?
Na rodada concluída, os pesquisadores informaram um gasto de US$ 7,74 para processar 6,6 milhões de tokens. O custo parece pequeno até ser comparado com a distância percorrida: menos de 500 pés, a menos de uma milha por hora. Cálculos publicados pelo The Register estimaram que o processamento custou cerca de 500 vezes mais do que o combustível consumido por um carro com eficiência de 25 milhas por galão, considerando gasolina a US$ 4,60 por galão. É uma conta de laboratório, não uma previsão de preço para o consumidor, mas expõe o elefante na vaga: inteligência computacional também bebe combustível, só que pela tomada.
Alguns modelos ainda recusaram o controle, alegando riscos de segurança mesmo com o estacionamento vazio, a velocidade limitada e uma pessoa pronta para frear. Os pesquisadores tentaram mudar os comandos e até chamar a situação de “simulação”; em certos testes, porém, os sistemas reconheceram as imagens reais e voltaram a hesitar. Talvez essa recusa seja uma limitação incômoda. Talvez seja a parte mais sensata do experimento. O próprio grupo concluiu que os modelos de fronteira já conseguem conduzir veículos reais em velocidade suficientemente baixa, mas precisam de trabalho urgente em segurança, alinhamento e avaliação. Para levá-lo ao escritório, ainda falta bastante estrada.
