A Grab, uma das principais empresas de tecnologia do Sudeste Asiático, está usando inteligência artificial para enfrentar os desafios de mapeamento na região. Com ruas estreitas projetadas para motocicletas e pedestres, cidades em rápida transformação e a limitada cobertura de serviços tradicionais, o mapeamento no Sudeste Asiático exige soluções dinâmicas e adaptadas às condições locais.
Para lidar com essa complexidade, a empresa desenvolveu o GrabMaps, um serviço que utiliza imagens capturadas por motoristas e parceiros equipados com câmeras de 360 graus. Essas imagens são processadas com o suporte do modelo GPT-4o, da OpenAI, ajustado para visão computacional. Essa tecnologia permite identificar sinais de trânsito, contagem de faixas e outras informações fundamentais para construir mapas mais precisos.
Segundo Adrian Margin, chefe de ciência de dados em mapeamento da Grab, a necessidade de um sistema hiperlocal tornou-se evidente diante das limitações dos provedores globais. A empresa recorreu ao ajuste fino do GPT-4o para treinar seus modelos em cenários específicos da região, como a interpretação de geometrias complexas e áreas com obstruções visuais.
Um dos experimentos iniciais focou em associar sinais de limite de velocidade às vias correspondentes. A partir de um conjunto inicial de 100 amostras, a equipe conseguiu aumentar a precisão do modelo de 67% para 80% após ajustes iterativos. Esses avanços reduziram significativamente a necessidade de intervenções manuais, um processo que antes era demorado e custoso.
O uso de inteligência artificial não só aprimorou a qualidade do mapeamento como também possibilitou maior agilidade em cenários difíceis. A contagem de faixas de rodagem, por exemplo, ganhou um incremento de 20% em precisão, enquanto erros em áreas com visibilidade limitada foram minimizados.
Esses avanços no GrabMaps não servem apenas às operações internas da empresa, como transporte e entrega de alimentos. Os dados também são disponibilizados para outras empresas interessadas em inteligência de localização na região. Com a melhoria contínua do serviço, a Grab busca suprir uma lacuna deixada por sistemas tradicionais, oferecendo mapas mais detalhados e ajustados às demandas de um ambiente em constante mudança.
