[{"jcr:title":"Estudantes do Insper são semifinalistas de competição nacional de machine learning","cq:tags_0":"area-de-conhecimento:tecnologia","cq:tags_1":"area-de-conhecimento:tecnologia/inteligência-artificial","cq:tags_2":"area-de-conhecimento:economia","cq:tags_3":"area-de-conhecimento:engenharia","cq:tags_4":"area-de-conhecimento:ciência-da-computação"},{"richText":"Os três alunos de Economia, Engenharia Mecatrônica e Ciência da Computação estão desenvolvendo um algoritmo para o carro de corrida autônomo do CSBC AWS DeepRacer","authorDate":"03/06/2025 10h42","author":"Leandro Steiw","madeBy":"Por","tag":"area-de-conhecimento:tecnologia/inteligência-artificial","title":"Estudantes do Insper são semifinalistas de competição nacional de machine learning","variant":"image"},{"jcr:title":"transparente - turquesa - vermelho"},{"themeName":"transparente - turquesa - vermelho"},{"containerType":"containerTwo"},{"jcr:title":"Grid Container Section","layout":"responsiveGrid"},{"jcr:title":"Os alunos João Alonso Casella, Felipe Martins da Costa Drummond e Tomás Rodrigues Alessi","alt":"João Alonso Casella, Felipe Martins da Costa Drummond e Tomás Rodrigues Alessi"},{"text":"  Três estudantes do Insper classificaram-se para a semifinal do  [CSBC AWS DeepRacer](https://csbc.sbc.org.br/2025/aws-deepracer) , uma liga nacional de corridas autônomas baseadas em inteligência artificial e  machine learning . Promovida pelo Congresso da Sociedade Brasileira de Computação (CSBC) e pela Amazon Web Services (AWS), a competição prossegue de 20 a 24 de julho, em Maceió, Alagoas. Felipe Drummond ( [Engenharia Mecatrônica](https://www.insper.edu.br/pt/cursos/graduacao/engenharia/engenharia-mecatronica) ), João Alonso Casella ( [Economia](https://www.insper.edu.br/pt/cursos/graduacao/economia) ) e Tomás Alessi ( [Ciência da Computação](https://www.insper.edu.br/pt/cursos/graduacao/ciencia-da-computacao) ) são alunos da disciplina eletiva Reinforcement Learning, ministrada pelo professor  [Fabrício Barth](https://www.insper.edu.br/pt/docentes/fabricio-jailson-barth) .   Apenas sete participantes da Região Sudeste passaram pela etapa virtual, realizada em maio — outros três estudam na Universidade Estadual de Campinas (Unicamp) e um na Universidade de São Paulo (USP). O evento reúne estudantes brasileiros do ensino superior, que já testaram as suas habilidades em aprendizado de máquina por meio de um simulador de corrida 3D em nuvem. Na próxima etapa, os semifinalistas colocarão os seus algoritmos à prova num carro de corrida autônomo em escala 1:18, impulsionado por aprendizado por reforço. Cada região classifica dois finalistas para a última corrida presencial.   Tradicionalmente, o congresso anual da SBC, realizado desde 1978, promove eventos que envolvem estudantes, pesquisadores e desenvolvedores, como o CSBC AWS DeepRacer. “A proposta da competição é treinar um carro em miniatura para rodar em pistas, de forma autônoma e sem intervenção humana, o mais rápido possível”, explica Barth. O princípio é o mesmo dos veículos sem motorista produzidos por montadoras de automóveis e empresas de tecnologia, como o Zoox, da própria Amazon.   Os alunos usam algoritmos treinados por  reinforcement learning , um método em  machine learning  que oferece recompensas a cada tentativa bem-sucedida ou malsucedida do veículo. Esse algoritmo é responsável por movimentar o carro de corrida, primeiro no ambiente virtual e, depois, na pista. Durante o semestre, há várias entregas de trabalhos na disciplina Reinforcement Learning. Barth propôs, então, que os resultados obtidos na fase classificatória da competição poderiam ser uma das entregas dos alunos que desejassem participar do DeepRacer.   Classificados para a final e competindo individualmente, Alessi, Casella e Drummond precisam otimizar o modelo de algoritmo da etapa virtual. Os três já sabem que precisam baixar em dois segundos, no mínimo, o tempo médio da volta do carro de corrida, porque esta foi a diferença em relação ao primeiro colocado da fase classificatória. “Para reduzir o tempo, eles estão estudando muito mais a fundo a configuração dos algoritmos, descobrindo como determinar quais são as informações importantes que o robô tem que coletar”, diz Barth. “Se não fosse a competição, talvez alguns entregassem um modelo qualquer, mas agora todos têm o desejo de apresentar o melhor num evento nacional.”   De uma perspectiva holística sobre a educação, a possibilidade de o estudante tornar público aquilo que construiu é importante para o reforço positivo do processo de aprendizado, segundo Barth. A competição ajuda a fechar o ciclo de aprendizado. Movidos pela curiosidade e pela prática, os alunos se sentem desafiados a compreender como outros colegas conseguiram um algoritmo mais eficiente. Nesta fase, os competidores não têm acesso ao modelo dos outros.   Cursando Economia no Insper e apaixonado pela área de Econometria, Casella identificou o DeepRacer como uma porta de acesso ao universo da tecnologia e da inteligência artificial. “Ao longo da minha jornada em ciência de dados, percebi que meu fascínio por predição ia além das ferramentas tradicionais da caixa de ferramentas do economista”, afirma. A percepção estava certa. Casella obteve o melhor tempo do Insper e o terceiro lugar no Sudeste sem ter o perfil clássico de “dev” — como são conhecidos os desenvolvedores de software.   Casella interpreta a experiência como um sinal de que a graduação em Economia também pode e deve enxergar mais as sinergias entre esses dois mundos. “A cada dia, novos modelos preditivos são criados, e acredito que o  reinforcement learning  terá um papel fundamental nas simulações de eventos estocásticos e na tomada de decisão sob incerteza”, diz o aluno, citando conceitos da Economia. “Espero que minha história sirva de incentivo a outros economistas para ampliarem seus escopos, questionarem os limites da sua caixa de ferramentas e explorarem novos caminhos em dados, algoritmos e aprendizado por reforço.”   Alessi lembra que, no algoritmo, testou vários modelos de funções para entender o que acontecia com o carro no ambiente virtual. “Basicamente, a gente tinha que criar uma função de recompensa, que é a forma na qual o carrinho vai aprender a percorrer a pista da melhor forma possível”, conta o aluno de Ciência da Computação. “Você conseguia regular a velocidade máxima e mínima do carro e também o ângulo máximo de curva que ele podia fazer. Certa vez, o carro estava saindo bastante e aumentei muito a penalidade para rodas fora da pista, então, no teste seguinte, o carro ficou com medo de chegar perto das bordas e acabou lento demais. Precisei achar um meio-termo.”   O que começou com uma brincadeira em meio ao aprendizado tornou-se surpresa diante da divulgação dos nomes dos classificados para a etapa presencial. “Nem pensava que poderia competir em Maceió, mas agora estou bem animado”, afirma Alessi. “Vejo como uma possibilidade de poder me aprofundar no tema. A disciplina Reinforcement Learning não é focada na preparação para a competição, mas aprendi nela como opera uma função de recompensa. Precisei também de conhecimentos mais específicos, que busquei nos workshops do DeepRacer e com um pouco de pesquisa por fora.”   Para Drummond, participar do DeepRacer foi uma experiência intensa e extremamente enriquecedora. “Desde o início, encarei o desafio como uma oportunidade de explorar a aplicação prática de técnicas avançadas de aprendizado por reforço, combinando minha formação em Engenharia Mecatrônica com conceitos de inteligência artificial”, diz o aluno. “Desenvolver estratégias eficazes exigiu não apenas conhecimentos técnicos profundos, mas também muita experimentação e aprendizado contínuo.”   Drummond avalia a classificação para a semifinal como um reconhecimento incrível do esforço que fez durante o semestre. “Esse esforço me permitiu competir com os melhores do evento e me trouxe ainda mais motivação para seguir estudando e aprimorando minhas habilidades em  machine learning ”, afirma Drummond. Até a derradeira semana de julho, com o apoio do professor, os três estudantes do Insper pretendem dedicar muitas horas de estudo e trabalho para achar uma solução para os meros dois segundos que os separam da final.  "}]