RICHARDSON, TX — A ambiciosa tentativa da Amazon de dominar o mercado de logística em baixa altitude sofreu mais um revés significativo depois que um dos seus drones de próxima geração MK30 caiu sobre um complexo de apartamentos no Norte do Texas. Em 6 de fevereiro de 2026, investigadores federais e engenheiros da empresa estão analisando os destroços do incidente, que marca a segunda falha de alto perfil para o programa Prime Air no estado em um intervalo de três meses.

Moradores da cidade-satélite de Richardson, na região de Dallas-Fort Worth, ficaram alarmados no início desta semana quando o hexacóptero, projetado para entregas autônomas de alta precisão, saiu da rota. A moradora Cessy Johnson registrou a descida em vídeo, filmando enquanto a aeronave se movia de forma errática em direção à lateral de um prédio residencial.

“As hélices ainda estavam girando, e dava para sentir cheiro de queimado,” Johnson disse a veículos de notícia locais, observando que começou a gravar simplesmente porque nunca tinha visto um drone de entrega em ação antes. “E você vê algumas faíscas em um dos meus vídeos.”

Embora o Corpo de Bombeiros de Richardson tenha chegado ao local pouco depois do impacto, não foi registrado incêndio, e o prédio sofreu apenas danos estruturais menores. No entanto, para um setor que busca confiança pública e aprovação regulatória para operações além da linha de visão (BVLOS), a imagem de um drone de 50 libras atingindo uma habitação multifamiliar é prejudicial.

{{AD}}

Falhas tecnológicas e a lacuna do "sense-and-avoid"

O MK30 foi apresentado pela Amazon como um salto revolucionário em relação ao seu antecessor, o MK27-2. Ele tem um perfil acústico mais silencioso e um conjunto "sense-and-avoid" mais sofisticado, projetado para detectar e contornar fios, chaminés e até animais de estimação domésticos.

Apesar dessas melhorias, o acidente em Richardson segue um padrão de colisões com objetos estacionários. Em novembro de 2025, um MK30 cortou um cabo de internet em Waco, Texas, durante sua subida. Poucas semanas antes, dois drones foram destruídos no Arizona após colidirem com o lança de um guindaste de construção. Esses incidentes recorrentes sugerem uma possível vulnerabilidade sistêmica no stack de percepção do drone, a fusão de software e hardware que permite à aeronave "ver" seu ambiente.

{{REC}}

Resposta oficial e responsabilização

A Amazon agiu rapidamente para conter as consequências, oferecendo-se para reparar o prédio e emitindo um pedido formal de desculpas. Em uma declaração fornecida à FLYING Magazine e a outros periódicos aeroespaciais, um porta-voz da Amazon abordou o ocorrido em Richardson:

“Pedimos desculpas por qualquer inconveniente e estamos investigando ativamente a causa deste incidente.”

A Federal Aviation Administration (FAA) foi notificada e deve incorporar essa última queda em sua investigação em andamento sobre os protocolos de segurança do Prime Air. Embora o National Transportation Safety Board (NTSB) ainda não tenha aberto uma investigação formal sobre o choque em Richardson, continua monitorando os eventos de "não-ação" que estão começando a se agrupar em torno da implantação do MK30.

Registro de incidentes da Amazon Prime Air 2025-2026

A tabela a seguir acompanha os incidentes significativos mais recentes envolvendo a frota MK30 da Amazon, enquanto a empresa avança rumo à meta de 500 milhões de entregas anuais até 2030:

{{AD}}

O caminho à frente para o Prime Air

Apesar da turbulência, a Amazon não está imobilizando a frota. A empresa recebeu recentemente aprovação da Civil Aviation Authority (CAA) para iniciar voos de teste em Darlington, Reino Unido, e continua a adicionar locais de entrega em Michigan e Missouri. Analistas sugerem que a Amazon está disposta a absorver o custo desses "momentos de aprendizado" em um ambiente de testes fechado, mas à medida que esses incidentes saem de faixas privadas e vão para quintais residenciais, a tolerância a erro por parte de reguladores e do público diminui rapidamente.

O desafio central continua sendo o problema do "fio fino" e dos "cenários com fundo complexo". Enquanto o MK30 consegue evitar com sucesso uma van estacionada ou uma árvore grande, detectar um cabo de utilidade não refletivo ou o canto exato de um prédio de tijolos em condições de luz variáveis continua sendo um obstáculo formidável para os modelos atuais de aprendizado de máquina.