💬 NLP

AITP: Traffic Accident Responsibility Allocation via Multimodal Large Language Models

O artigo apresenta o AITP, um modelo de linguagem multimodal que utiliza raciocínio em cadeia e conhecimento jurídico para resolver a complexa tarefa de alocação de responsabilidade em acidentes de trânsito, validado pelo novo benchmark DecaTARA que alcança desempenho superior em diversas tarefas relacionadas.

Autores originais: Zijin Zhou, Songan Zhang

Publicado 2026-04-24

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Zijin Zhou, Songan Zhang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um juiz de trânsito, mas em vez de analisar apenas um relatório escrito, você precisa assistir a horas de vídeos de câmeras de segurança, entender o que aconteceu, lembrar de leis complexas e, finalmente, decidir quem está errado e quem está certo em um acidente. Isso é exaustivo para humanos e, até agora, era quase impossível para computadores fazerem com precisão.

O artigo que você enviou apresenta uma solução brilhante para esse problema: o AITP (uma espécie de "Policial de Trânsito Inteligente") e um novo "campo de treinamento" chamado DecaTARA.

Aqui está a explicação simplificada, usando analogias do dia a dia:

1. O Problema: O "Detetive" que alucina

Até hoje, os computadores eram ótimos em duas coisas simples:

Dizer "Opa, aconteceu um acidente!" (Detecção).
Descrever o que aconteceu: "O carro azul bateu no vermelho" (Compreensão).

Mas eles eram péssimos em decidir a culpa. Se você mostrasse um vídeo para uma IA comum e perguntasse "Quem é o culpado?", ela muitas vezes inventava coisas (alucinações) ou não entendia as leis de trânsito. Era como ter um detetive que vê a cena do crime, mas não sabe ler o manual de leis.

2. A Solução: O AITP (O Policial de Trânsito Artificial)

Os autores criaram o AITP. Pense nele não como um robô que apenas "vê", mas como um policial treinado que segue um processo mental rigoroso.

O segredo do AITP são duas técnicas principais:

Cadeia de Pensamento Multimodal (MCoT): Em vez de pular direto para a resposta, o AITP pensa passo a passo, como um detetive escrevendo um relatório. Ele segue uma lógica:
1. O acidente aconteceu? (Sim/Não)
2. Que tipo de acidente foi? (Colisão, atropelamento?)
3. Onde e quando? (Qual quadro do vídeo?)
4. Quem estava envolvido? (Pedestre, caminhão, carro?)
5. Por que aconteceu? (O motorista não freou? O pedestre atravessou na frente?)
6. O que a lei diz? (Consulta a regras de trânsito).
7. Conclusão: Quem é o culpado?
RAG (Geração Aumentada por Recuperação): Imagine que o AITP tem um livro de leis de trânsito aberto na mesa ao lado dele. Antes de dar o veredito, ele "pesquisa" no livro qual é a regra exata para aquela situação. Isso evita que ele invente leis ou tome decisões aleatórias.

3. O Campo de Treinamento: DecaTARA

Para treinar esse "policial", eles precisavam de um material de estudo massivo. Eles criaram o DecaTARA.

Pense no DecaTARA como uma academia de polícia de trânsito com 10 disciplinas diferentes (daí o nome "Decathlon", que é uma competição de 10 eventos).

Eles reuniram quase 68.000 vídeos de acidentes e situações normais.
Criaram 195.000 perguntas e respostas para ensinar a IA.
O treino é progressivo: Primeiro, a IA aprende a dirigir (comportamento normal). Depois, aprende a detectar acidentes. Depois, a entender as causas. E, por último, aprende a julgar a culpa.

Isso é importante porque, se você tentar ensinar tudo de uma vez, a IA se confunde. É como tentar ensinar alguém a fazer um exame de direção e a ser juiz de trânsito no mesmo dia. O DecaTARA ensina passo a passo.

4. Os Resultados: O Policial Perfeito?

Quando testaram o AITP contra outros modelos de inteligência artificial (como o Qwen ou o Gemma), o resultado foi impressionante:

Precisão: O AITP acertou muito mais quem era o culpado do que qualquer outra IA.
Explicação: Ele não só aponta o culpado, mas explica o porquê, citando a lei correta (ex: "O pedestre é o principal culpado porque atravessou fora da faixa, conforme o Artigo 62").
Detalhe: Ele consegue dizer exatamente em qual segundo do vídeo o acidente começou e onde os carros estavam.

Resumo em uma frase

Os pesquisadores criaram um sistema de IA que funciona como um policial de trânsito experiente, que não apenas assiste ao vídeo do acidente, mas "pensa" passo a passo, consulta as leis de trânsito e entrega uma decisão justa e explicada, superando todas as outras inteligências artificiais atuais nessa tarefa complexa.

Isso pode ajudar a tornar a investigação de acidentes mais rápida, justa e menos dependente de burocracia humana no futuro!

1. O Problema

A atribuição de responsabilidade em acidentes de trânsito (TARA - Traffic Accident Responsibility Allocation) é uma tarefa crítica, mas que atualmente depende majoritariamente de julgamento manual, o que é demorado e intensivo em mão de obra. Embora existam avanços na Detecção de Acidentes de Trânsito (TAD) e na Compreensão de Acidentes (TAU) usando Modelos de Linguagem Multimodal (MLLMs), as abordagens existentes focam principalmente na descrição perceptiva e narrativa dos eventos.

As principais limitações identificadas são:

Falta de Raciocínio Causal: Os modelos atuais descrevem o que aconteceu, mas não conseguem realizar o raciocínio jurídico necessário para determinar quem é responsável.
Alucinações e Falta de Conhecimento Jurídico: A aplicação direta de MLLMs genéricos a tarefas de TARA resulta em julgamentos instáveis e alucinações, pois os modelos carecem de raciocínio estruturado e de acesso a regulamentos de trânsito específicos.
Ausência de Benchmarks Específicos: Não existia um conjunto de dados de grande escala projetado especificamente para a tarefa de atribuição de responsabilidade, que exige a integração de interações espaço-temporais complexas e conhecimento legal.

2. Metodologia

O trabalho propõe duas inovações principais: um novo conjunto de dados (DecaTARA) e um novo modelo (AITP).

A. DecaTARA (Dataset)

O DecaTARA é o primeiro conjunto de dados de grande escala e multi-tarefa focado em TARA. Ele unifica e expande dados existentes (como MM-AU, AV-TAU e BDDX) para criar um benchmark abrangente com 67.941 vídeos e 195.821 pares de perguntas e respostas. O dataset é dividido em três subconjuntos e dez tarefas inter-relacionadas:

Conjunto de Acidentes (7 tarefas):
- Detecção: Ocorrência do acidente, tipo de acidente, localização temporal (quadro inicial) e localização espacial (bounding boxes).
- Compreensão: Descrição dos fatos, análise da causa e sugestões de prevenção.
Conjunto de Não-Acidentes (2 tarefas):
- Descrição e explicação de comportamentos veiculares em cenários normais (para evitar overfitting e melhorar a generalização).
Conjunto de Avaliação de Responsabilidade (1 tarefa):
- Atribuição de responsabilidade (Principal, Compartilhada ou Sem Acidente) baseada em critérios legais quantitativos (ex: proporção de culpa >70%).

B. AITP (Modelo)

O AITP (Artificial Intelligence Traffic Police) é um MLLM baseado no Qwen3-VL, projetado especificamente para raciocínio de responsabilidade. Ele utiliza duas estratégias centrais para mitigar alucinações:

Cadeia de Pensamento Multimodal (MCoT):
- Em vez de uma resposta direta, o modelo executa um raciocínio passo a passo através de um diálogo multi-turno sobre o mesmo vídeo.
- O fluxo segue: Detecção do Acidente $\rightarrow$ Classificação $\rightarrow$ Localização Temporal/Espacial $\rightarrow$ Descrição dos Fatos $\rightarrow$ Análise de Causa $\rightarrow$ Atribuição de Responsabilidade.
- Isso força o modelo a estabelecer evidências verificáveis antes de tomar uma decisão final.
Geração Aumentada por Recuperação (RAG):
- O modelo integra uma base de conhecimento externa contendo regulamentos de trânsito.
- Durante a inferência, o sistema recupera os artigos legais relevantes com base na descrição factual do acidente e os injeta no prompt, garantindo que a atribuição de responsabilidade seja fundamentada na lei e seja interpretável.

Estratégia de Treinamento

O modelo é treinado em quatro estágios progressivos para alinhar o conhecimento do domínio e melhorar o raciocínio:

Alinhamento de Domínio: Ajuste fino em dados de não-acidentes para aprender comportamentos normais de trânsito.
Detecção de Acidentes (TAD): Foco em identificar e localizar acidentes.
Compreensão de Acidentes (TAU): Treinamento em descrição, causalidade e prevenção.
Atribuição de Responsabilidade (TARA): Ajuste fino leve (LoRA) apenas nas amostras de responsabilidade para refinar a saída final e a aderência às instruções.

3. Resultados Principais

Os experimentos demonstraram que o AITP supera significativamente os modelos de linguagem multimodal gerais (como Gemma-3n, Qwen3-VL, Kimi-VL e InternVL 3.5) em todas as métricas:

Precisão na Atribuição de Responsabilidade (TARA): O AITP alcançou uma precisão média de 75,69%, superando o segundo melhor modelo (InternVL 3.5 com 58,81%).
- Nota: Em vídeos sem acidentes, o AITP teve uma precisão ligeiramente menor (81,17%) em comparação a modelos que simplesmente dizem "não houve acidente" (que atingem ~99% ao falhar em detectar acidentes reais). O artigo argumenta que é preferível um falso positivo (detectar risco onde não há) do que um falso negativo (ignorar um acidente real).
Desempenho em TAD e TAU: O modelo obteve resultados de ponta (SOTA) na detecção de acidentes e na compreensão causal, demonstrando uma forte capacidade de entendimento espaço-temporal.
Estudos de Ablação:
- O treinamento progressivo foi mais eficaz do que o treinamento conjunto de todas as tarefas.
- O uso explícito de MCoT (passo a passo) superou a inferência direta ou o CoT implícito.
- A integração do módulo RAG aumentou a precisão final, confirmando que o conhecimento legal é crucial para a tarefa.

4. Contribuições Chave

DecaTARA: A criação do primeiro dataset de grande escala e multi-tarefa dedicado à atribuição de responsabilidade em acidentes de trânsito, preenchendo uma lacuna crítica na pesquisa de IA para segurança viária.
AITP: A proposta de um novo paradigma de modelo que combina raciocínio passo a passo (MCoT) com conhecimento jurídico recuperado (RAG) para tarefas de decisão crítica.
Validação Empírica: Demonstração de que MLLMs podem ser adaptados para tarefas jurídicas complexas e baseadas em evidências, superando significativamente os modelos genéricos.

5. Significado e Impacto

Este trabalho representa um avanço significativo na interseção entre Visão Computacional, Processamento de Linguagem Natural e Direito.

Automação Eficiente: Oferece um caminho viável para automatizar a determinação de responsabilidade em casos rotineiros, reduzindo a carga sobre a polícia de trânsito e acelerando processos de seguro.
Confiabilidade e Interpretabilidade: Ao exigir que o modelo cite os artigos de lei e siga uma cadeia de raciocínio visível, o sistema torna-se mais confiável e auditável do que as "caixas pretas" tradicionais de IA.
Novo Paradigma: Estabelece uma nova direção para a análise de tráfego baseada em raciocínio, onde a compreensão do vídeo não termina na descrição, mas avança para a tomada de decisão fundamentada em regras.

Em resumo, o AITP e o DecaTARA demonstram que, com a arquitetura correta (MCoT + RAG) e dados adequados, a IA pode evoluir de meros observadores descritivos para "agentes" capazes de raciocínio jurídico complexo em cenários de segurança crítica.