# Nove algoritmos clássicos de condução superam o algoritmo treinado do UniAD em simulação, indica estudo

Segundo Andreas Look, o melhor algoritmo clássico de planejamento de trajetórias obteve 41,8 pontos no simulador de condução HUGSIM. Com o mesmo sistema de percepção, o algoritmo treinado do UniAD obteve 32,0.

Robótica · Por Redação da ITANU Magazine · Publicado 2026-11-20T17:33:15.000Z · 1 min de leitura

## Pontos principais

- Look substituiu apenas o módulo de planejamento de trajetórias e manteve o sistema de percepção do UniAD.
- Look observou os maiores ganhos quando o veículo encontrou carros parados ou que vinham em sentido contrário.
- Segundo Look, o melhor algoritmo clássico completou o percurso em 31 das 182 simulações em que o módulo de planejamento do UniAD colidiu com um carro.

Nove de 16 algoritmos clássicos de planejamento de trajetórias obtiveram mais pontos no simulador HUGSIM do que o algoritmo treinado do UniAD, segundo um estudo preliminar que Andreas Look submeteu ao arXiv em 18 de novembro [1]. Todos usaram o mesmo sistema de percepção do ambiente [2].

Segundo os criadores do UniAD, o sistema reúne percepção, previsão e planejamento numa única rede [4]. Look substituiu apenas o módulo de planejamento, que escolhe o caminho do veículo e determina como percorrê-lo [1]. O pesquisador não forneceu aos algoritmos clássicos um mapa de alta definição [1].

Segundo Look, o melhor algoritmo clássico obteve 41,8 pontos na avaliação de condução, ante 32,0 para o módulo de planejamento do UniAD [2]. Os criadores do HUGSIM dizem que calculam o resultado multiplicando a pontuação média do veículo ao longo da simulação pela fração do percurso que ele completa [5].

Look observou os maiores ganhos quando o veículo de teste encontrou carros parados ou que vinham em sentido contrário. Não houve ganho quando outros carros viraram em direção ao veículo de teste [1]. Segundo o pesquisador, com o módulo do UniAD, o veículo colidiu com um carro em 182 simulações. Com o melhor algoritmo clássico, completou o percurso em 31 dessas simulações [1].

## Fontes

1. [Old-School Planners Drive (Sometimes) Better Than Learned Ones](https://arxiv.org/abs/2611.25138), arXiv (Primária)
2. [Old-School Planners Drive (Sometimes) Better Than Learned Ones](https://arxiv.org/html/2611.25138v1), arXiv (Primária)
3. [HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving](https://xdimlab.github.io/HUGSIM/), XDimLab (Primária)
4. [Planning-oriented Autonomous Driving](https://arxiv.org/abs/2212.10156), arXiv (Primária)
5. [HUGSIM: A Real-Time, Photo-Realistic and Closed-Loop Simulator for Autonomous Driving](https://arxiv.org/html/2412.01718), arXiv (Primária)

O sistema de redação da ITANU produziu este artigo com IA e o conferiu nas fontes listadas acima.

Canonical: https://itanu.org/pt/magazine/textbook-driving-planners-outscore-learned-planner-in-simulation-qlohx26l/
