Drones aprendem a voar ao redor de incêndios florestais em ambiente virtual para melhorar o atendimento de emergência

Por que a resposta a incêndios florestais exige drones com autonomia para se adaptar

O incêndio florestal não espera que o plano esteja pronto. Nos incêndios de Los Angeles em 2025, as equipes lidaram com atrasos, falhas de comunicação e recursos escassos. As chamas avançavam mais rápido do que as ordens operacionais conseguiam alcançá-las. Escrever e distribuir os planos levava tempo. Quando chegavam às equipes, a situação já podia ter mudado. Os bombeiros também precisavam vigiar reacendimentos, o que desviava pessoas da supressão ativa. Muitos cumpriam turnos de 24 horas em terrenos perigosos. A fadiga atrasava as reações e aumentava o risco de lesões. Como os helicópteros exigiam manutenção frequente, nem sempre estavam disponíveis quando o fogo avançava.

As frentes do fogo se movem rápido. O vento pode levar brasas para novas árvores. O terreno canaliza as chamas ladeira acima ou bloqueia-as em vales. Um drone que segue um único caminho predefinido pode sobrevoar o ponto errado no pior momento. Ele precisa decidir, segundo a segundo, onde olhar a seguir. Deve permanecer seguro enquanto se aproxima o suficiente para ver calor e fumaça.

Os métodos tradicionais de controle frequentemente assumem um problema estável. Funcionam bem quando o alvo é conhecido e as regras não mudam. Um incêndio florestal não é nenhum dos dois. A frente do fogo pode se dividir, avançar ou diminuir em um lugar enquanto cresce em outro. Um controlador que precisa reconstruir seu plano para cada nova situação pode ser lento demais para importar. O aprendizado por reforço oferece uma rota diferente: o drone aprende com a experiência como ajustar sua trajetória conforme as condições mudam.

Hoje, muitos drones de incêndio florestal ainda dependem de pessoas nos controles. Isso limita o tempo de operação e dificulta ampliar uma frota para cobrir um grande incêndio. Os enlaces de rádio podem ser fracos em terrenos acidentados. Um drone que consegue se adaptar sozinho pode continuar funcionando quando a comunicação enfraquece. Esses drones servem para adicionar olhos extras onde a cobertura humana diminui. Podem detectar pontos quentes cedo e manter uma imagem móvel da borda do fogo, o que ajuda os comandantes a ver onde os recursos serão necessários a seguir.

Montagem do campo virtual de treinamento e das regras de segurança

O ambiente de treinamento é um volume tridimensional simples: 20 unidades de comprimento, 10 de largura e 10 de altura. Não se trata de um mapa florestal, mas de um espaço limpo onde o comportamento do fogo pode ser controlado com precisão. Dois drones operam nesse ambiente representados por esferas de raio 0,25 unidade. Para os cálculos de colisão, cada drone possui também uma caixa cúbica de meio unidade em cada lado, o que facilita a detecção de impactos.

Os focos são modelados como cilindros altos, não como chamas com bordas tremeluzentes. Um fogo padrão tem raio de 0,25 unidade e altura de 10 unidades. Essa dimensão vertical é crucial porque simula o pior cenário: em incêndios reais, as chamas podem subir muito alto através da copa das árvores. Em um dos cenários mais extensos, o foco central cresce até atingir um raio de 2,5 unidades.

O sistema combina regras rígidas e flexíveis. Um contato direto com o fogo encerra o episódio imediatamente. É a regra mais severa do ambiente. Os drones também sofrem penalidades por se aproximarem demais das zonas de perigo próximas às chamas. Em contrapartida, ganham pontos quando mantêm uma distância ideal em relação ao foco. Essa distância funciona como um corredor seguro ao redor da borda em chamas. A recompensa segue uma curva suave: pequenos desvios custam pouco, enquanto invasões maiores penalizam significativamente o desempenho.

O ambiente também desencoraja o voo colado às paredes. Um drone que permanece perto demais do limite externo perde pontos, evitando que ele se esconda contra as bordas da caixa enquanto o fogo se espalha por perto. O consumo de energia é monitorado a cada passo. Picos súbitos de empuxo são penalizados mais do que o movimento constante, garantindo trajetórias suaves.

Para ser considerado em exploração ativa, um drone deve percorrer pelo menos 0,75 unidade. Movimentos menores resultam em uma pequena penalidade. Movimentos maiores recebem um bônus. O ambiente é estruturado com base em vários arranjos de fogo. Um deles posiciona um único foco no centro, como uma fogueira. Outro começa com o foco central e permite que novos focos surjam nas proximidades ao longo do tempo. Um terceiro dispõe oito focos em linha reta através do mapa. Outros arranjos espalham os focos aleatoriamente ou criam uma parede de chamas intransponível.

Quando o fogo se propaga, cada chama existente tem uma probabilidade muito baixa de gerar um novo foco nas proximidades. O novo foco surge a menos de cinco unidades do original e deve permanecer a pelo menos 1,5 unidade de todos os outros, evitando que o mapa fique superlotado. Em um dos cenários mais severos, os drones podem sofrer colisões aleatórias com uma probabilidade minúscula a cada passo, cerca de 0,06 por cento, simulando brasas ou falhas em incêndios de copa.

As regras de segurança ficam mais rígidas à medida que o treinamento avança. Uma margem de segurança integrada diminui gradualmente ao longo de cinco níveis. No início, os drones contam com uma zona de proteção mais ampla ao redor do perigo. Nos estágios finais, precisam voar mais perto e controlar sua trajetória com maior precisão.

Rastreando o aprendizado dos drones ao longo de milhares de passos de treino

O treinamento dos drones ocorreu em ciclos repetidos chamados episódios. Cada episódio tinha duração máxima de 300 passos, sendo um passo uma pequena decisão sobre como se mover. O processo completo abrangeu 1.000 episódios, divididos em cinco níveis de dificuldade, com 200 episódios por nível. Essa estrutura escalonada permitiu que os drones começassem com maior margem de segurança e, gradualmente, voassem mais perto do fogo.

Inicialmente, o desempenho parecia caótico. A duração dos episódios frequentemente ficava abaixo de 300 passos, indicando que um drone colidia ou encerrava a missão precocemente. A taxa de sucesso também despencou, oscilando entre zero e 20% por volta do episódio 200. Para ser considerado bem-sucedido, o drone precisava sobreviver aos 300 passos sem colisões e detectar o fogo. Naquela fase, os drones ainda estavam aprendendo a reconhecer o perigo.

Duas métricas internas de erro também apresentaram melhora. Uma delas acompanhava o quão bem a rede de movimento correspondia ao seu próprio plano. Esse valor caiu de cerca de 0,1 para 0,0001. A outra medía a precisão da rede de julgamento na previsão do retorno futuro, estabilizando-se perto de 0,06. Esses números são pequenos porque medem erros de previsão, não a qualidade do voo em si.

Em seguida, as curvas inverteram a tendência. Após cerca de 400 episódios, a maioria das execuções atingiu o comprimento total de 300 passos. A taxa de sucesso recuperou-se para perto de 100% e manteve-se nesse patamar. Não se tratava apenas de sorte: os drones haviam aprendido a evitar colisões enquanto continuavam localizando o fogo.

A pontuação de recompensa contou uma história semelhante. Começou próxima de zero e subiu rapidamente nos primeiros cem episódios. Depois, achatou-se, apresentou um pico entre os episódios 700 e 800 e estabilizou em torno de 250.000. Esse número elevado não representa distância ou velocidade. É uma pontuação acumulada resultante de muitas pequenas recompensas e penalidades ao longo dos passos. Uma pontuação mais alta indica que o drone era melhor em equilibrar a distância segura, o movimento e a detecção do fogo.

Outra métrica acompanhava a distância média de cada drone em relação ao fogo ativo. No início, essa diferença era de 7,5 unidades. Ao longo dos primeiros 200 episódios, ela diminuiu rapidamente. Até o episódio 400, havia se estabilizado perto de 1 unidade. Os drones não estavam simplesmente voando para dentro das chamas. Aprenderam a pairar perto o suficiente para observar a borda e longe o bastante para permanecer seguros.

As trajetórias de voo também mudaram. Inicialmente, eram curtas e erráticas. Algumas terminavam nas paredes ou faziam curvas afastadas do fogo. Posteriormente, tornaram-se arcos mais longos ao redor da área em chamas. Os drones realizavam passagens repetidas ao longo do perímetro. Esse padrão sugere um hábito útil: o drone mantinha o fogo na visão, ajustava a rota conforme as chamas cresciam e evitava obstáculos.

Quais recompensas definiram a melhor forma de vigiar o incêndio

A pontuação de cada drone resultava da soma de dez pequenos incentivos. Alguns puxavam a aeronave em direção ao fogo, outros a afastavam, e havia ainda os que premiavam o voo sobre terreno novo. Para identificar qual incentivo fazia diferença, os pesquisadores removeram um por vez, mantendo os demais ativos. O conjunto completo de sinais gerava o voo mais equilibrado: mantinha os drones próximos o suficiente para observar as chamas sem colidir com elas.

O comportamento que parecia mais seguro vinha das recompensas baseadas na distância. Quando se excluíam os termos de proximidade ou de distância ideal, os drones continuavam a encontrar incêndios com frequência, mas sua espaçagem ficava menos confiável. Em vários cenários, as versões sem esses sinais registraram uma média de cerca de 1,8 focos por execução, desempenho igual ao da pontuação completa. A diferença crucial não estava apenas em localizar o fogo, e sim em permanecer a um alcance útil para observação.

As recompensas de exploração alteravam a quantidade de terreno coberto. Ao removê-las, os drones visitaram menos células do mapa. Em um cenário específico, a variante focada na exploração percorreu 150 células. Isso representou cerca de 60 a mais que a linha de base e aproximadamente 20 a mais que o voo centrado em proximidade. O resultado indica que é possível comprar cobertura com vagar extra. No entanto, vagar sozinho nem sempre significava melhor vigilância do fogo.

O bônus por descoberta teve um efeito marcante. Sem ele, os drones encontraram menos incêndios em um caso simples, com média de apenas 0,6, contra cerca de 1 na configuração completa. Ainda assim, visitaram mais quadrados, ao redor de 200. Buscavam uma área maior, mas perdiam o objetivo: novas chamas importavam mais do que terreno vazio.

As penalidades nas bordas impediam os drones de se agarrar às paredes. Quando essa penalidade foi removida, a cobertura aumentou em alguns casos, atingindo cerca de 150 células, em vez das 135 obtidas com a pontuação completa. Mais área era vista, mas o comportamento se afastava da borda do fogo. Os termos de movimento e de permanência também importavam, pois incentivavam a patrulha ativa em vez do voo estacionário. As recompensas por patrulha lateral faziam os drones varrerem o perímetro com mais frequência: em um cenário, cobriram cerca de 140 células, contra 110 do conjunto completo.

A melhor vigilância do fogo não veio de uma única recompensa gigante, mas de uma pontuação equilibrada. Os sinais de distância mantinham os drones seguros e úteis. Os sinais de exploração e descoberta os levavam a procurar novas chamas. Os sinais de borda e movimento evitavam trajetórias preguiçosas ou presas às paredes. Juntos, moldaram um hábito: circular o fogo, verificar terreno novo e manter uma vigilância constante.

O que os drones autônomos para incêndios florestais ainda precisam demonstrar

Os drones adquiriram um comportamento útil: deixaram de colidir com as chamas e passaram a circular pelas bordas do fogo, em vez de fugir ou pairar sem direção. Essa habilidade surgiu da repetição de tentativas e erros dentro do campo virtual. As regras de pontuação incentivavam a manutenção de uma distância segura, a exploração de terreno novo e um movimento constante. A progressão gradual da dificuldade ajudou os drones a ganhar confiança perto do perigo.

A promessa maior é a percepção em tempo real. Incêndios florestais não esperam que os planos estejam prontos. Um drone capaz de ajustar sua rota conforme o fogo se desloca poderia fornecer às equipes avisos mais precoces sobre reativações, propagação por brasas ou novas frentes. Também reduziria a necessidade de humanos exaustos patrulharem terreno incerto. Em um futuro sistema de resposta, vários desses drones poderiam compartilhar observações e manter vigilância enquanto as pessoas se concentram na supressão das chamas.

Os obstáculos são igualmente claros. O mundo virtual excluiu o vento, o terreno acidentado, o ruído dos sensores e as falhas nas ligações de rádio. Esses fatores podem alterar a forma como um drone enxerga o fogo e se move pelo ar. Formas de fogo mais variadas e sessões de treinamento mais longas testariam se o comportamento aprendido resiste. O uso de energia e a cobertura uniforme também precisam de medição mais próxima. Uma política que funciona em uma simulação limpa pode falhar quando as condições ficam caóticas.

A lição não é que drones autônomos para incêndios florestais estão prontos para implantação. É que um caminho prático agora existe. O próximo passo é tornar o mundo de treinamento menos permissivo. Os drones ainda conseguem manter a calma?