Atualizado 4 de julho de 2025 por Sergio A. Loiola
Drones autônomos com IA podem ajudar na busca de vítimas em desastres sozinhos. Priorizando regiões de alto risco, com maior número de pessoas e a melhor rota.
O número de desastres naturais vem aumentando no mundo devido às mudanças climáticas e a maiores ocorrências de eventos extremos. Cenários como terremotos, enchentes e deslizamentos de terra são responsáveis por deixar centenas ou até milhares de vítimas e socorristas em situações de perigo.
Uma pesquisa publicada na Revista MDPI -Logistics feita na Escola Politécnica (Poli) da USP desenvolveu uma abordagem autônoma de uso de Veículos Aéreos Não Tripulados (VANTs) para identificação de vítimas de desastres.
O modelo, que se destaca por priorizar zonas de alto risco, reduz o perigo do cenário em 66% até a metade de uma missão, identificando vítimas sem a necessidade de intervenção humana.
“É muito mais caro colocar um helicóptero de pé com tripulação do que usar um VANT ou um drone. Isso permite até escalar mais a solução: você conseguiria ter dez drones no ar com um custo ainda muito menor do que um helicóptero só.” Pedro Villani, aluno no MLog (Programa de Mestrado em Engenharia de Sistemas Logísticos) da Poli , USP
LEIA MAIS
PRIMEIRO TRADUTOR DE LIBRAS SIMULTÂNEO COM IA, BRASIL
MARITACA: IA CRIADA NA UNICAMP, BRASIL, TEM ALTO DESEMPENHO
VANT com IA é capaz de decidir uma rota sozinho e localizar maior número de vítimas
Por sua flexibilidade e baixo custo, os VANTs, que são drones projetados para uso comercial e profissional, estão se tornando cada vez mais comuns no campo da logística humanitária – planejamento de recursos para assistência em momentos críticos, como desastres.
Para Pedro Villani, aluno no MLog (Programa de Mestrado em Engenharia de Sistemas Logísticos) da Poli e autor da pesquisa, esses fatores são importantes em missões de busca e resgate com recursos limitados.
“Apesar da margem de erro, o modelo já irá direcionar melhor os locais com maiores chances de terem vítimas. Assim, as pessoas podem priorizar essas imagens.”
Desenvolvido com a técnica de aprendizado por reforço, o algoritmo do modelo é projetado para receber recompensas ou punições a partir de cada decisão tomada, reforçando as interações positivas e limitando as negativas.
Por meio do treinamento do algoritmo com uma base de dados anterior, ações que se configurem como estratégicas e eficientes são incentivadas, enquanto aquelas que podem comprometer o sucesso da missão estão programadas para serem evitadas.
Villani dá o exemplo de uma penalização muito grande caso o VANT fique sem bateria durante a missão. A todo momento o veículo está decidindo para onde ir, mas caso ele ache que ficará sem bateria é preferível que ele volte para recarregar para não tomar uma penalização.
A mesma lógica foi aplicada para as direções que o VANT escolherá seguir em uma zona de desastre, de forma que, a partir de recompensas e penalidades, ele consiga localizar áreas que apresentem resultados de imagens com presença de vítimas.
“A imagem é como o drone ou o VANT vai ter interação com ambiente. A recompensa irá depender muito do que o resultado de imagem [da região] está indicando”, declara o pesquisador.
Video Exemplo: Drone ajuda a prevenir as tragédias das chuvas
LEIA MAIS
CRIADO HOLOGRAMA 3D QUE PODE SER MANIPULADO COM AS MÃOS
BRASIL ATRAI R$ 2 TRI EM DATA CENTER E IA COM ENERGIA VERDE
Automatização de tarefas
Por meio de testes de eficácia utilizando dados de casos reais, o modelo atingiu uma média de redução de risco de 66% ao chegar na metade das missões.
Segundo Villani, a forma de verificar se o resultado realmente mostrou avanços nas estratégias de missões foi comparar o modelo desenvolvido com uma solução mais simples:
um algoritmo que simplesmente faz o VANT se dirigir para a localização mais próxima até que percorra todas as áreas de risco.
Enquanto o modelo do estudo otimiza a rota para tentar chegar no local com mais vítimas e maiores riscos, o modelo simples “não se preocupa se a região em que ele vai resulta em recompensas positivas ou não”, reduzindo os riscos de forma indiscriminada e pouco estratégica.
No contexto de desastres em áreas já precarizadas – onde as consequências costumam ser mais graves e os recursos mais escassos – uma ferramenta que otimiza tarefas custosas pode ser uma grande aliada para melhorar a eficiência das missões.
“Quanto mais atividades você conseguir automatizar e liberar as pessoas para fazerem outras tarefas, melhor. Outras tarefas que são mais difíceis e podem agregar mais valor para alguém estar fazendo ali, na hora”, afirma Villani.
O pesquisador acredita que a pesquisa, sendo ajustada e tornada mais prática, será capaz de trazer melhorias em áreas como gestão de segurança e de políticas públicas.
Política de Uso
É Livre a reprodução de matérias mediante a citação do título do texto com link apontando para este texto. Crédito do site Nature & Space
DRONE AUTÔNOMO COM IA BUSCA VITIMAS DE DESASTRES SOZINHO
Bibliografia
MDPI – Logistics
A POMDP Approach to Map Victims in Disaster Scenarios
Jornal da USP
Programação de drones autônomos pode ajudar na busca de vítimas em desastres
Mais informações: pedrovillani51@gmail.com, com Pedro Villani
