Pesquisadores usam modelo GPT-6 Astra para dirigir Toyota Corolla
Engenheiros testaram capacidades de raciocínio espacial e físico de modelos de linguagem ao colocá-los no controle de um Toyota Corolla.
Resumo rápido
- Pesquisadores conectaram um modelo de linguagem da OpenAI ao sistema de direção de um carro.
- O experimento demonstrou que modelos focados em texto podem apresentar capacidades emergentes de raciocínio espacial.
- Testes em novos benchmarks indicam que os modelos ainda enfrentam limitações em testes práticos de direção.
Entenda o contexto
O conceito de raciocínio físico e espacial em inteligência artificial refere-se à habilidade de modelos computacionais interpretarem e interagirem com o ambiente físico real, além do ambiente virtual. O tema ganha relevância à medida que pesquisadores buscam expandir a aplicação de modelos de linguagem para robótica e tarefas no mundo físico.
Um grupo de engenheiros utilizou o modelo de linguagem GPT-6 Astra, desenvolvido pela OpenAI, para controlar a direção de um Toyota Corolla de 2024 em direção ao atendimento de uma lanchonete no formato drive-thru. O teste foi conduzido conectando uma interface de chat a um servidor ligado a câmeras instaladas no para-brisa e ao sistema de direção elétrica do automóvel, com um motorista de segurança mantendo o pé próximo ao freio durante todo o trajeto.
O modelo, projetado originalmente para gerar textos, códigos e imagens, navegou o veículo lentamente até a janela de retirada de alimentos sem treinamento prévio específico para a tarefa de direção. Segundo os autores do experimento, a capacidade de vehicular demonstrada pelos sistemas pode ter surgido como uma habilidade emergente a partir de treinamentos focados em raciocínio tridimensional e na manipulação de entradas multimodais, como vídeos e imagens.
Desafios na compreensão do mundo físico
Apesar de os modelos de inteligência artificial demonstrarem alta competência em responder a questões complexas e executar tarefas virtuais, pesquisadores apontam que o raciocínio físico permanece como uma fronteira a ser conquistada. Esse cenário motivou a criação de iniciativas voltadas a avaliar o desempenho de sistemas fora do ambiente digital puramente computacional.
A empresa Elorian AI e a fornecedora de dados de treinamento Scale AI desenvolveram recentemente um benchmark chamado Humanity's Sixth Sense, criado para medir a habilidade dos modelos em interpretar cenas físicas de maneira intuitiva. Além disso, os engenheiros responsáveis pelo teste do veículo estruturaram um novo parâmetro de avaliação chamado DrivingBench, voltado para testar a condução em pistas simples de estacionamento.
Resultados e limitações em testes práticos
Nos testes realizados com o DrivingBench, os resultados evidenciaram que os modelos atuais ainda possuem limitações expressivas antes de estarem aptos a passar por um teste de direção convencional. Apenas o modelo Astra conseguiu completar o percurso em baixa velocidade no estacionamento, enquanto o Claude Fable 5.1 percorreu 45% do trajeto e o Grok atingiu 11%.
Durante os testes, os engenheiros observaram que os modelos pareciam se adaptar aos comandos do veículo em tempo real e ajustar a navegação com base nos próprios erros cometidos. Os participantes do estudo ressaltam que, embora o avanço no entendimento espacial seja notável, colocar modelos de propósito geral no comando de veículos em alta velocidade representa uma atividade de alto risco.
Referências
- Reportagem consultada: Wired — IA
Links para conferência: não indicam endosso das fontes ao conteúdo do portal.
Gostou? Compartilhe:
Comentários 0
Ninguém comentou ainda. Seja o primeiro!
