O VAR Não Estraga o Futebol. A Engenharia Ruim, Sim.

Eu estava em um bar em Bangalore quando o gol de Luis Díaz foi anulado.

Era novembro de 2023, Liverpool contra o Tottenham. A bola bateu no fundo da rede, Anfield explodiu, e então — silêncio. A checagem do VAR. O quadro congelado. A linha traçada de um pixel no ombro de Díaz até um pixel na chuteira do último zagueiro. Impedimento. Só que não era. A Premier League depois admitiu que o gol deveria ter sido validado. Um "erro humano significativo", como eles chamaram.

O cara ao meu lado — um engenheiro de software, nem sequer torcedor de futebol — olhou para a tela e disse algo que ficou comigo: "Por que eles estão desenhando linhas em uma foto borrada como se fosse 2005?"

Ele estava certo. E não só sobre aquele lance. Todo o sistema de impedimento do VAR é construído sobre um erro de física tão fundamental que fico genuinamente surpreso que mais engenheiros não tenham gritado sobre isso. Eu dirijo a Veriprajna, onde construímos sistemas de fusão de sensores profunda — o tipo de arquitetura em que você funde dados de múltiplos tipos de sensores em um único modelo da realidade. Quando comecei a desmontar como o VAR realmente funciona por baixo do capô, não encontrei um sistema que precisasse de ajustes. Encontrei um sistema que não pode funcionar, não por causa de software ruim, mas por causa de física ruim.

O problema do impedimento não é um bug de software. É uma crise de medição disfarçada de história de sucesso tecnológico.

A Falácia do Pixel: Por Que as Câmeras Mentem Sobre Onde os Jogadores Estão

Eis o que a maioria das pessoas não percebe sobre um quadro de vídeo: não é uma fotografia de um instante congelado. É um borrão.

Uma câmera de transmissão na Premier League opera a 50 quadros por segundo. Isso significa que ela captura uma imagem a cada 20 milissegundos. Durante cada captura, o obturador fica aberto por cerca de 10 milissegundos para deixar entrar luz suficiente. Nesses 10 milissegundos, o pé de um jogador em disparada — movendo-se a 20 metros por segundo durante um movimento de chute — percorre cerca de 20 centímetros. A "imagem" desse pé no sensor não é um ponto nítido. É um borrão que se espalha por dezenas de pixels.

Agora é aqui que fica absurdo. O operador do VAR pega esse quadro borrado, dá zoom, posiciona uma mira de um único pixel no que ele acredita ser a "borda dianteira" da ponta do pé do atacante, e traça uma linha. Ele está escolhendo um ponto dentro de uma distribuição de probabilidade e chamando isso de verdade.

Um quadro de transmissão não captura onde um jogador está. Ele captura uma nuvem de probabilidade de onde o jogador pode ter estado durante uma janela de 10 milissegundos.

Mas o problema temporal é ainda pior do que o espacial. Um chute profissional — o momento em que a chuteira encontra a bola — acontece em cerca de 8 a 12 milissegundos. A 50 quadros por segundo, a câmera pode capturar um quadro antes do contato e o próximo quadro depois que a bola já deixou o pé. O instante real do chute quase nunca aparece na tela. O operador escolhe o quadro "mais próximo", mas "mais próximo" pode significar uma diferença de 10 milissegundos. Nesses 10 milissegundos, jogadores se movendo a uma velocidade relativa combinada de 14 metros por segundo mudaram de posição em 14 centímetros.

Então o sistema desenha uma linha com precisão de milímetro em uma imagem que está fisicamente desatualizada por uma distância dez vezes maior que a margem que ela alega medir. Isso não é medição. É teatro.

Quando Eu Mesmo Fiz as Contas

Eu não comecei este projeto para consertar o futebol. Comecei porque a matemática me ofendeu.

Minha equipe na Veriprajna trabalha com fusão de sensores — combinando dados de câmeras, acelerômetros, giroscópios e outros instrumentos em um modelo unificado da realidade física. Fazemos isso para aplicações industriais onde a precisão importa. Quando olhei pela primeira vez para o pipeline do VAR como um sistema de engenharia, esperava encontrar algo sofisticado por trás da polêmica. Talvez o público simplesmente não entendesse as tolerâncias. Talvez as margens de erro fossem aceitáveis.

Em vez disso, encontrei um sistema com uma zona total de incerteza de 30 a 40 centímetros tentando tomar decisões no nível do centímetro.

Sentei-me uma noite e coloquei o orçamento de erro em um quadro branco. Quantização temporal da seleção de quadros: ±10 milissegundos, o que a 14 m/s de velocidade relativa gera ±14 cm de incerteza posicional. Desfoque de movimento durante a abertura do obturador: mais ±10 cm. Distorção de rolling shutter em sensores CMOS — onde a imagem é lida linha por linha, de cima para baixo, de modo que uma perna em movimento rápido aparece geometricamente deformada: não quantificado, mas real. Some a ambiguidade em nível de pixel de posicionar um ponto-chave em um membro borrado, e você tem um erro combinado que ofusca qualquer margem de impedimento abaixo de cerca de 40 centímetros.

Lembro de ficar olhando para aquele quadro branco pensando: cada lance de impedimento "apertado" nos últimos cinco anos foi um cara ou coroa disfarçado de ciência.

Foi nesse momento que decidi que precisávamos escrever a análise técnica completa. Não para reclamar do VAR, mas para mostrar como seria um sistema de medição de verdade.

Por Que Você Não Pode Simplesmente Usar uma "IA Melhor" nas Mesmas Câmeras?

Essa é a pergunta que mais recebo, geralmente de investidores e às vezes de outras empresas de IA. "Vocês não podem simplesmente treinar um modelo melhor com o feed da transmissão?"

Não. E o motivo revela um problema mais profundo em como a indústria de tecnologia esportiva funciona hoje.

O mercado está inundado com o que eu chamo de soluções wrapper — empresas que pegam um feed de transmissão padrão, passam por um modelo de detecção de objetos pronto, como YOLO ou Mask R-CNN, e geram caixas delimitadoras ou estimativas de pose. Isso é bom para recursos de engajamento de torcedores, compilações de melhores momentos, análises básicas. Elas são fundamentalmente inadequadas para arbitragem.

Um wrapper herda as limitações de sua entrada. Se sua entrada é um feed de transmissão de 50fps com desfoque de movimento, artefatos de rolling shutter e distorção de lente, nenhuma rede neural — não importa quantos parâmetros tenha — pode recuperar informação temporal que nunca foi capturada. Você não pode alucinar física. Os dados simplesmente não existem.

Essa é a distinção que sempre tento fazer quando as pessoas perguntam o que "Deep AI" significa para nós. Não significa uma rede neural mais profunda. Significa ir mais fundo na pilha — controlando a camada de sensores, o pipeline de aquisição de dados, a infraestrutura de sincronização de tempo. Nós não processamos vídeo. Nós projetamos as condições sob as quais os dados são capturados para que as entradas realmente sejam capazes de sustentar a precisão de que precisamos.

Você não pode consertar um problema de medição com um algoritmo melhor. Você o conserta com um instrumento melhor.

Como Seria um Sistema de Verdade?

Então minha equipe e eu projetamos um. Não um ajuste no VAR. Uma substituição de toda a arquitetura de medição.

O insight central é enganosamente simples: desacoplar a medição do tempo da medição do espaço. Deixe a bola te dizer quando o chute aconteceu. Deixe as câmeras te dizerem onde os jogadores estavam. E use matemática para fundir esses dois fluxos em uma reconstrução única e precisa da realidade.

A Bola Sabe Quando Foi Chutada

Propomos incorporar uma Unidade de Medição Inercial (IMU) de 500Hz — um acelerômetro e giroscópio amostrando 500 vezes por segundo — no centro da bola de jogo. Quando uma chuteira atinge a bola, o acelerômetro registra um pico massivo de força-G com uma forma de onda característica: tempo de subida acentuado abaixo de 2 milissegundos, decaimento rápido conforme a bola deixa o pé. Isso é distinto de um quique (magnitude menor, contato mais longo) ou de uma cabeçada (curva mais suave devido à complacência do crânio).

Ao analisar a assinatura espectral do impacto, o sistema identifica o início exato da deformação da bola — o instante físico do "primeiro contato" como as regras do jogo o definem. A precisão do timestamp: ±1 milissegundo. Compare isso com os ±10 milissegundos da seleção manual de quadros.

Uma coisa sobre a qual discutimos internamente por semanas: o sensor precisa suportar ±200g de aceleração. Um chute profissional gera forças que saturariam instantaneamente um acelerômetro de nível de consumidor a ±16g, cortando os dados e destruindo a forma de onda. O sensor também precisa ficar exatamente no centro de massa da bola, suspenso em filamentos tensionados dentro da câmara, para que a bola voe reto. Qualquer desvio e você construiu um dado viciado. As restrições de engenharia são severas, mas são solucionáveis — a própria tecnologia de bola conectada da FIFA na Copa do Mundo de 2022 provou que o conceito é viável.

As Câmeras Veem Onde Todos Estão

Para a camada espacial, substituímos as câmeras de transmissão por 12 a 16 câmeras de visão computacional calibradas e de posição fixa, operando a 200 quadros por segundo com obturadores globais.

O aumento da taxa de quadros importa enormemente. A 200fps, o intervalo entre quadros cai de 20 milissegundos para 5 milissegundos. O "ponto cego" — a distância máxima que um jogador pode se mover entre quadros — encolhe de 28 centímetros para 7 centímetros. Mas o ganho maior é o desfoque de movimento. A 200fps, a velocidade do obturador precisa ser de 1/1000 de segundo ou mais rápida. O borrão cai de 10–20 centímetros para menos de 1 centímetro. Os jogadores se tornam objetos nítidos e mensuráveis, em vez de nuvens de probabilidade.

Os obturadores globais também importam. As câmeras de transmissão usam rolling shutters, que leem a imagem linha por linha. Uma perna em movimento rápido fica geometricamente distorcida — alongada ou comprimida, dependendo de sua direção em relação à leitura. Os sensores de obturador global expõem todos os pixels simultaneamente. A geometria é preservada exatamente como existia no momento da exposição.

E como essas são câmeras fixas e calibradas com campos de visão sobrepostos, podemos triangular a posição 3D de cada jogador usando geometria estéreo de múltiplas vistas. Quando um membro fica oculto em um ângulo de câmera — bloqueado por um zagueiro em uma área lotada —, ele quase certamente está visível em outro ângulo. Nosso sistema usa um mecanismo de votação: pontos-chave visíveis de câmeras desobstruídas contribuem para a reconstrução, vistas obstruídas são descartadas. Se uma articulação está parcialmente oculta em todas as vistas, restrições biomecânicas (uma canela se conecta a um joelho que se conecta a um quadril) permitem inferência com um intervalo de confiança calculado.

Como Você Funde Dois Sensores Diferentes em Uma Única Verdade?

É aqui que a verdadeira engenharia vive, e, honestamente, onde acho que está a contribuição mais profunda da Veriprajna.

Você tem dados de rastreamento esquelético a 200Hz e dados de impacto da bola a 500Hz. O chute acontece, digamos, no timestamp 1234 milissegundos. Os quadros de câmera mais próximos estão em 1230ms e 1235ms. Você precisa saber onde estava a ponta do pé do batedor exatamente em 1234ms. Você não pode simplesmente escolher o quadro mais próximo — isso é um erro de 1 milissegundo, que a 14 m/s ainda são 1,4 centímetros. Para um sistema que alega precisão sub-centimétrica, isso é inaceitável.

Então nós interpolamos. Mas não com uma linha reta — o movimento humano é curvilíneo. Uma perna em disparada acelera e desacelera ao longo da passada. Usamos interpolação por spline cúbica, que constrói uma curva suave através dos pontos de dados conhecidos, preservando a continuidade em velocidade e aceleração. O resultado é um "quadro virtual" gerado matematicamente — a posição reconstruída do esqueleto de cada jogador no milissegundo exato do contato.

Antes da interpolação, passamos os dados brutos de rastreamento por um Filtro de Kalman Unscented. Este é um framework matemático que mantém um modelo de estado para cada articulação do corpo de cada jogador — posição, velocidade, aceleração — e reconcilia continuamente o que a física prevê com o que as câmeras observam. Se a detecção da rede neural oscila alguns centímetros de quadro para quadro (o que sempre acontece), o filtro suaviza isso confiando na física. Se o jogador faz um corte repentino, o filtro aumenta a confiança na medição óptica. O resultado é uma trajetória limpa e biomecanicamente consistente.

A escolha arquitetônica crítica: acoplamento rígido versus acoplamento solto. Em um sistema fracamente acoplado, o sistema de visão e o IMU calculam as posições de forma independente, e então você faz a média delas. Simples, mas frágil — se as câmeras perdem um jogador atrás de uma parede de zagueiros por 50 milissegundos, a média se torna sem sentido. Em nossa arquitetura fortemente acoplada, os resíduos brutos de ambos os fluxos de sensores alimentam um único otimizador de grafo de fatores que resolve para o estado mais provável que satisfaz todas as restrições simultaneamente. Mesmo durante oclusão parcial, o momento cinemático estabelecido pelo filtro de Kalman leva a estimativa adiante com alta confiança até que o travamento visual seja readquirido.

Nós não medimos pixels. Nós reconstruímos a física do momento e lemos a resposta a partir do modelo.

Para o framework matemático completo — as equações de estado do filtro de Kalman, a estimativa de orientação por quatérnions, as transformações de homografia — publiquei a análise técnica completa aqui.

O Que Acontece com o Orçamento de Erro?

Deixe-me colocar os dois sistemas lado a lado, porque o contraste é gritante.

VAR atual a 50Hz com seleção manual de quadros: erro temporal de ±10ms, incerteza espacial de ±14cm só da seleção de quadros, ±10cm do desfoque de movimento. Zona total de incerteza: aproximadamente 30 a 40 centímetros.

Nossa arquitetura — óptica a 200Hz, inercial a 500Hz, fusão fortemente acoplada: o IMU fixa o chute em ±1ms. A interpolação por spline cúbica ao longo de um intervalo de câmera de 5ms introduz um erro sub-milimétrico para o movimento biológico suave. A principal fonte de erro remanescente é a precisão de posicionamento dos pontos-chave da rede neural — cerca de ±2 a 3 centímetros. Zona total de incerteza: aproximadamente 2 a 3 centímetros.

Essa é uma melhoria de uma ordem de grandeza. Decisões que antes eram "difíceis demais para decidir" — onde a margem caía dentro do ponto cego do sistema — se tornam matematicamente distintas.

"Mas Isso Seria Incrivelmente Caro"

Custaria dinheiro de verdade, sim. Dezesseis câmeras de alta velocidade, clusters de computação de borda com GPUs A100 ou H100 duplas na sala de servidores do estádio, um backbone de fibra óptica PTP para sincronização de tempo sub-microssegundo, bolas de jogo com IMU incorporado. Isso não é um produto SaaS na nuvem que você implanta com uma chave de API.

Mas deixe-me reformular a questão do custo. A Premier League gera mais de £3 bilhões anualmente em receita de transmissão. Um único lance de impedimento errado pode decidir uma disputa de título, desencadear um rebaixamento que vale centenas de milhões em receita perdida, e corroer a confiança de uma audiência global. A infraestrutura que estou descrevendo custaria uma fração do que um único grande clube gasta em transferências em uma janela.

A verdadeira resistência não é o custo. É a inércia institucional. Os órgãos que governam o futebol compraram o VAR como um produto acabado. Admitir que ele precisa de uma reengenharia fundamental — não apenas operadores melhores ou linhas de tolerância mais grossas — significa admitir que a promessa original foi supervendida. Ninguém quer ter essa conversa.

As pessoas também me perguntam: o que acontece se o sensor da bola falhar no meio da partida? O sistema degrada graciosamente para o modo apenas óptico. A 200fps, a margem de erro aumenta para cerca de 7 centímetros — ainda dramaticamente melhor que o ponto cego atual de 28 centímetros. A partida continua sem interrupção.

E quanto ao toque "mascado" — um drible em que o pé mantém contato contínuo com a bola? O IMU detecta vibração contínua em vez de um pico acentuado, e o sistema muda a lógica para rastrear o momento da liberação, quando a vibração cessa. Pensamos bem nesses casos extremos porque são os que realmente quebrariam um sistema em produção.

Isto Não É Realmente Sobre Impedimento

Depois que você constrói uma arquitetura de fusão de sensores com esse nível de fidelidade, o impedimento é só a primeira aplicação. Os mesmos dados esqueléticos 3D e o rastreamento de bola de alta frequência permitem a detecção automatizada de mão na bola — modelando a "silhueta natural" como uma fronteira volumétrica no espaço 3D e detectando movimentos de braço em direção à trajetória da bola que excedem o que a rotação do tronco implica. As mesmas derivadas de velocidade de Kalman que rastreiam a posição do jogador podem calcular a força-G exata de cada passo e evento de desaceleração, sinalizando as cargas cumulativas no joelho que precedem lesões no LCA antes que aconteçam.

O estádio se torna um laboratório de física digitalizado. E o esporte se torna, pela primeira vez, genuinamente mensurável.

O Vale da Estranheza da Tecnologia de Arbitragem

Existe um conceito da robótica chamado vale da estranheza — o ponto em que algo é quase humano o suficiente para ser convincente, mas está fora o suficiente para ser profundamente perturbador. O VAR vive no vale da estranheza da tecnologia de medição. É preciso o suficiente para nos fazer acreditar que está capturando a verdade, mas impreciso o suficiente para errar rotineiramente. Essa lacuna — entre a aparência de certeza e a realidade da incerteza — é o que deixa os torcedores loucos.

As pessoas que dizem "o VAR estraga o jogo" não estão sendo emocionais. Elas estão reagindo a um fenômeno real: um sistema que apresenta suposições como fatos. As linhas com precisão de pixel, os quadros congelados, os gráficos clínicos — todos projetam uma autoridade que a física subjacente não consegue sustentar.

A solução não é retroceder. Ninguém quer voltar aos dias em que um relance de fração de segundo de um bandeirinha decidia uma semifinal de Copa do Mundo. A solução é ir mais fundo. Parar de medir pixels e começar a medir física. Construir instrumentos à altura das alegações que estamos fazendo.

O futebol não precisa de menos tecnologia. Precisa de tecnologia que respeite a física do esporte que está tentando governar.

Não precisamos de linhas de tolerância mais grossas ou protocolos mais tolerantes. Precisamos de um sistema que realmente capture o que aconteceu — com sensores rápidos o suficiente, precisos o suficiente e fundidos de forma suficientemente rígida para reconstruir a verdade de um momento que dura 8 milissegundos e decide tudo.

É isso que estamos construindo. Não porque achamos que a tecnologia deveria substituir o julgamento humano no futebol. Mas porque, quando a tecnologia de fato intervém, ela deveria pelo menos estar certa.