A inteligência artificial já não está apenas dentro do carro. Agora ela também começa a participar da criação do software que tenta dirigi-lo.
A japonesa TIER IV apresentou o METEOR, um modelo de condução que usa imagens de oito câmeras para identificar veículos, pedestres, faixas, semáforos e calcular a trajetória do próprio carro. O sistema foi desenvolvido para aplicações chamadas pela indústria de ++, uma forma comercial de se referir a assistências mais avançadas de Nível 2, ainda dependentes da supervisão constante do motorista.
O ponto mais incomum, porém, está no desenvolvimento.
Segundo a TIER IV, todo o código publicado do METEOR foi escrito por agentes de inteligência artificial, incluindo o modelo, ferramentas de treinamento, software de execução e documentação. Os agentes utilizados são baseados em Claude, da Anthropic.
É uma espécie de vibe coding levado ao cérebro do carro.
Isso não significa que humanos tenham sido eliminados do processo. A própria empresa explica que engenheiros definem objetivos, métricas e critérios de aceitação e depois revisam os resultados. A fica responsável por escrever código, testar alterações, comparar resultados e tentar novas soluções.
Na prática, o papel do engenheiro começa a mudar: menos tempo escrevendo cada linha de código e mais tempo definindo o que o sistema deve fazer e como provar que ele funciona corretamente.
Só câmeras no carro, mas não no treinamento
No veículo, o METEOR foi projetado para funcionar apenas com oito câmeras e sem depender de mapas HD. Isso ajuda a reduzir custo e complexidade em relação a arquiteturas que combinam câmeras, radar, e mapas de alta definição.
Mas há uma ressalva importante.
Os carros utilizados para coletar os dados de treinamento também possuem . Esses sensores ajudam a criar automaticamente informações sobre distância, profundidade e posição dos objetos. Ou seja, o METEOR pode dirigir apenas com câmeras, mas parte do que aprendeu veio de sensores mais sofisticados.
A TIER IV também usa ferramentas de generativa da NVIDIA para criar variações das cenas reais, simulando situações como chuva, noite e neve.
Um bug expõe o lado menos glamouroso
O próprio repositório do projeto revela uma falha importante.
O METEOR deveria usar informações de instantes anteriores para entender melhor o movimento ao redor do carro. A equipe descobriu, porém, que um erro no sistema de treinamento estava fornecendo histórico zerado para o modelo.
Quando o problema foi corrigido, o desempenho piorou significativamente. A solução adotada foi retirar, por enquanto, essa memória temporal da versão publicada.
O episódio é especialmente relevante porque mostra que automatizar a criação do software não automatiza a confiança nele. Uma pode escrever, testar e corrigir código em grande velocidade, mas ainda pode trabalhar durante semanas ou meses sobre uma falha que passou despercebida.
Aberto, promissor e ainda não comprovado
Código e pesos do METEOR foram disponibilizados publicamente, permitindo que universidades, fornecedores e fabricantes usem o projeto como ponto de partida.
Isso pode reduzir bastante a barreira de entrada para desenvolver avançado. Em vez de construir todo o sistema do zero, uma equipe pode adaptar uma arquitetura existente aos seus próprios carros, sensores e dados.
Mas o METEOR ainda não deve ser tratado como tecnologia comprovada para produção em massa. O próprio projeto informa que a avaliação em benchmark público continua no roadmap.
Também não há evidência suficiente de como o sistema se comportaria fora do ambiente japonês, em situações como sinalização desgastada, faixas mal pintadas, motos circulando entre carros e trânsito mais imprevisível, como ocorre frequentemente no Brasil.
