Um modelo de linguagem de 4 bilhões de parâmetros treinado com aprendizado por reforço acertou 90% dos kickflips simulados em uma tempestade com o relógio correndo, enquanto o GPT-6 Astra, da OpenAI, não acertou nenhum em tempo real. Os pesquisadores testaram as acrobacias em um simulador de física de um Tesla Roadster voador, e o estudo abrange apenas duas acrobacias em uma única configuração.
Um pequeno modelo de linguagem treinado com aprendizado por reforço pilotou um Tesla Roadster simulado em duas acrobacias da revelação do carro, em 15 de outubro, com mais confiabilidade do que o GPT-6 Astra, da OpenAI e vários modelos abertos líderes, segundo os pesquisadores. O modelo de 4 bilhões de parâmetros acertou 90% dos kickflips em uma tempestade simulada com o relógio correndo. O Astra acertou 74% nas mesmas condições quando teve tempo ilimitado para pensar e, em tempo real, não acertou nenhum.
As acrobacias foram as que a Tesla mostrou na revelação: uma rampa que vira o carro de cabeça para baixo e um kickflip sobre uma Cybertruck estacionada. No evento, o carro saiu da rampa, girou para ficar na posição correta no ar e pousou, depois usou propulsores para saltar sobre a caminhonete. Elon Musk disse no X que a demonstração já havia sido adiada em duas semanas por causa de ventos fortes. Isso levantou uma questão que os pesquisadores quiseram testar: como um modelo de linguagem lidaria com os controles sob esse vento?
Para descobrir, eles construíram um ambiente de aprendizado por reforço em torno de um simulador de física de um carro voador. O veículo é um corpo rígido, com 4,5 metros de comprimento e 2.000 quilos sem combustível, com quatro propulsores de gás frio nos cantos do assoalho. Cada voo recebeu uma faixa de vento: leve, vendaval ou tempestade, sendo que os ventos de tempestade chegam a 33 metros por segundo. As rajadas se somavam ao vento médio, e um carro que caía de lado sofria muito mais com isso.
Os modelos de linguagem não receberam os controles da forma habitual. Eles precisaram enviar um comando a cada 0,2 segundo de tempo simulado enquanto o carro continuava se movendo. Os comandos incluíam planar, subir, manter, girar e pousar, e um computador de voo convertia cada um deles em empuxo para os quatro propulsores. Um voo só era considerado bem-sucedido se o carro terminasse apoiado nas quatro rodas sobre a pista de 14 metros, com inclinação de até cerca de 20 graus em relação à horizontal e sem bater.
O relógio correndo muda os resultados?
Os resultados dependeram fortemente de o relógio continuar correndo. Os pesquisadores testaram os modelos abertos DeepSeek V4.1 Flash, Muse Spark Open, Beam 1.0, da Reflection, e Nemotron 3.5 Super VL, da NVIDIA. Quando o simulador esperava por cada resposta, o DeepSeek acertou 98% dos kickflips com vento leve e 87% em tempestade. Muse, Nemotron e Beam acertaram entre 58% e 82%, dependendo do vento. Com o relógio correndo, os quatro acertaram 0% dos kickflips. O tempo mediano de decisão deles ficou entre um e seis segundos, de modo que, quando a resposta chegava, o carro já havia seguido em frente.
Os pesquisadores também testaram o GPT-6 Astra e o Jev 1.14, da TypeSafe, um modelo criado para decisões rápidas que escolhe entre um menu de comandos. O Astra levou cerca de dois segundos por decisão e não acertou nenhum dos seus 768 voos em tempestade em tempo real. O Jev responde em cerca de 0,17 segundo, rápido o suficiente para o relógio, mas acertou apenas 2% dos kickflips em tempestade ao vivo.
A equipe partiu do Qwen3-4B-Instruct-2507 para criar o próprio modelo, usando um pequeno conjunto de pesos adicionais que são treinados enquanto o modelo base permanece congelado. O treinamento teve duas etapas. A primeira foi um ajuste fino supervisionado com voos bem-sucedidos, copiados de um piloto baseado em regras escrito à mão com vento leve e dos voos de vendaval e tempestade bem-sucedidos do DeepSeek. Depois veio o aprendizado por reforço, no qual o modelo praticou 60 etapas de voos nos três níveis de vento, com os voos em tempestade contando em dobro. O modelo final levou cerca de quatro horas de GPU, ou aproximadamente US$ 13 pela taxa dos pesquisadores.
O modelo pequeno superou o GPT-6 Astra na simulação?
O modelo treinado responde em 0,09 segundo, o que o mantém dentro do intervalo de 0,2 segundo. Ele acertou 96% dos kickflips com vento leve, 96% com vendaval e 90% em tempestade, com o simulador rodando em tempo real. Contra o DeepSeek com tempo ilimitado, a diferença não foi grande o bastante para ser considerada significativa em tempestades, embora os pesquisadores afirmem que o modelo de 4 bilhões esteve à frente. Contra o Astra com tempo ilimitado, nos mesmos 384 kickflips em tempestade, o modelo de 4 bilhões acertou 347 voos contra 286 do Astra, uma diferença que os pesquisadores classificaram como estatisticamente significativa.
Quais são os limites do estudo?
Os pesquisadores foram cautelosos quanto ao que os resultados significam. O ambiente, os parâmetros do veículo e as acrobacias são premissas próprias da equipe, e o estudo abrange duas acrobacias em uma única configuração simulada. O treinamento em tempestade do modelo de 4 bilhões também incluiu voos aprendidos com o DeepSeek, portanto a comparação não é totalmente entre concorrentes independentes. O piloto baseado em regras ainda decide instantaneamente, e os pesquisadores observaram que um carro real provavelmente usaria um controlador convencional em vez de um modelo de linguagem. Eles disseram que não testaram uma política de controlador clássico no simulador e que esperam que ela conclua quase todos os voos.
A equipe publicou o ambiente, os prompts e os arquivos de configuração em um repositório de código aberto, junto com as ferramentas necessárias para executar outros modelos no benchmark. Os pesquisadores afirmaram que construíram o pipeline de treinamento com o SkyPilot, uma ferramenta de código aberto para executar tarefas em GPUs de nuvem e Kubernetes.
Questo articolo è stato scritto con l'assistenza dell'IA.
News Factory APP - notizie agentiche per potenziare il tuo SEO e AEO.