Conducir ha demostrado ser una tarea especialmente complicada para las máquinas, dado el conjunto infinito de nuevos escenarios que pueden surgir durante un trayecto.
Por ejemplo, la IA puede ser un factor clave para superar los obstáculos tecnológicos de la autonomía de los vehículos mediante la generación de conjuntos de datos sintéticos.
La colaboración dentro de la industria de los vehículos autónomos es clave para aprovechar el potencial de la GenAI, al tiempo que se abordan los riesgos asociados.
Aunque para los seres humanos pueda parecer una tarea sencilla, conducir ha demostrado ser una de las tareas más difíciles que jamás han tenido que realizar las máquinas, ya que existe un conjunto infinito de nuevos escenarios que pueden surgir durante el trayecto.
Ya hoy en día podemos ver vehículos autónomos circulando por las calles de lugares como San Francisco o Wuhan. Waymo, filial de Google, ya ofrece más de 200 000 viajes pagados en robotaxi cada semana en sus operaciones en Los Ángeles, San Francisco y Phoenix. Se espera que 2025 también sea un año importante para los camiones autónomos, ya que varias empresas planean iniciar operaciones comerciales en Estados Unidos.
A pesar de estos primeros éxitos, persisten diversos desafíos para la autonomía de los vehículos, desde la complejidad normativa hasta la aceptación por parte de los consumidores. Los obstáculos tecnológicos también siguen siendo fundamentales, y la inteligencia artificial (IA), incluidas sus capacidades más recientes de IA generativa (GenAI), se está consolidando como un factor clave para superar algunos de estos desafíos.
El papel de la GenAI en el proceso de conducción
Entonces, ¿cómo piensan los vehículos? ¿Y qué papel desempeña la GenAI en el proceso de conducción? Los tres puntos siguientes ayudan a aclarar estas cuestiones.
1. La IA está reconfigurando el cerebro del vehículo con modelos de IA de extremo a extremo
Los sistemas basados en reglas han sido la base de la toma de decisiones en los vehículos automatizados. Sin embargo, aunque ofrecen previsibilidad y transparencia, no logran gestionar la complejidad de la conducción en el mundo real.
La IA está ayudando a superar estas deficiencias, primero mediante la introducción de la IA en componentes individuales y ahora con el desarrollo de modelos de IA de extremo a extremo (E2E). Estos modelos de IA E2E combinan la percepción, la predicción y la planificación en una única red neuronal, lo que permite a los vehículos aprender y actuar con una velocidad y adaptabilidad sin precedentes.
Sin embargo, los modelos de IA E2E presentan desafíos, siendo la interpretabilidad el más acuciante debido a la naturaleza tradicional de caja negra de estos modelos. Si bien la naturaleza de caja negra genera preocupaciones en materia de seguridad, los avances recientes parecen ofrecer soluciones más interpretables y verificables.
Raquel Urtasun, fundadora y CEO de la empresa de tecnología de conducción autónoma Waabi, afirma: «Actualmente se está produciendo un enorme salto en la IA, que está dando lugar a sistemas de IA de extremo a extremo más inteligentes, capaces de aprender con mucha más eficiencia, son interpretables y pueden generalizarse a todos los escenarios posibles en la carretera.
«Estos avances dan lugar a vehículos autónomos con capacidades sobrehumanas que mejorarán la seguridad vial y transformarán el transporte tal como lo conocemos».
2. Datos sintéticos: la IA ayuda a entrenar el cerebro del vehículo
El desarrollo de sistemas de IA para vehículos autónomos requiere grandes cantidades de datos, especialmente para contemplar casos límite, como escenarios viales complejos y emergencias inesperadas. Como recopilar datos del mundo real para todos los escenarios concebibles es, lamentablemente, imposible, es aquí donde los datos sintéticos resultan invaluables.
Las plataformas de simulación impulsadas por IA pueden generar conjuntos de datos sintéticos, que ofrecen escenarios de entrenamiento escalables, diversos y específicos. Estos datos permiten a los desarrolladores simular millones de millas de conducción y abarcar tanto los escenarios habituales como los poco frecuentes. Por ejemplo, empresas como Waymo, Waabi y la insurtech Simulytic utilizan datos sintéticos para entrenar modelos de IA en casos límite críticos, como situaciones multimodales complejas o alteraciones de los sensores en condiciones meteorológicas extremas.
Andrea Kollmorgen, CEO de Simulytic, una empresa filial de Siemens, explica las implicaciones más amplias: «Además de entrenar los modelos, la simulación nos permite crear perfiles de riesgo exhaustivos para los vehículos autónomos, lo que permite a las aseguradoras desarrollar estrategias justas y eficaces».
Si bien los datos sintéticos facilitan el entrenamiento al abarcar escenarios diversos, los datos del mundo real siguen siendo esenciales. Las validaciones finales en carretera son cruciales para garantizar el rendimiento y la seguridad.
3. La IA facilita la colaboración entre personas y máquinas en la autonomía de los vehículos
Los vehículos totalmente autónomos son el objetivo, pero la conducción asistida y automatizada dominará la próxima década, lo que exige una colaboración eficaz entre personas y máquinas. Los sistemas de monitorización del conductor (DMS) y las interfaces persona-máquina (HMI) desempeñan un papel clave para garantizar una interacción fluida. La IA mejora ambas tecnologías.
Los DMS analizan los movimientos oculares y las expresiones faciales para detectar la fatiga, el estrés y los niveles de atención, y la GenAI puede mejorar la precisión de estas evaluaciones. En cuanto a las HMI, abarcan la forma en que el conductor interactúa con el vehículo, y la GenAI puede mejorar dichas interacciones, al permitir a los conductores gestionar funciones mediante comandos en lenguaje natural, lo que reduce las distracciones.
«La «ABC» de la conducción autónoma —IA, macrodatos y potencia de cálculo— impulsa los sistemas DMS y HMI, lo que permite una conducción más intuitiva, colaborativa y segura. Especialmente en situaciones como la gestión de crisis, los sistemas mejorados con IA pueden desempeñar un papel fundamental al ofrecer intervenciones inmediatas y específicas según el contexto», señala Erhan Köseoğlu, director ejecutivo de Crecimiento y Movilidad Inteligente en Ford Otosan.
Otras implicaciones de la IA en la autonomía de los vehículos
La IA no solo da forma al comportamiento de los vehículos, sino que también revoluciona los procesos de desarrollo de los sistemas autónomos. Genera fragmentos de código, automatiza las pruebas, detecta errores y sugiere soluciones optimizadas, lo que mejora la calidad del software, reduce los costes y acelera los ciclos de desarrollo. Estos avances son cruciales en un ámbito con potencial para hacer que las carreteras sean más seguras.
No obstante, a medida que el desarrollo impulsado por la IA se escala, también introduce nuevos riesgos, como vulnerabilidades en materia de ciberseguridad, preocupaciones sobre la fiabilidad de los sistemas y desafíos de cumplimiento normativo. Garantizar la transparencia de los modelos impulsados por IA y alinearlos con las normas de seguridad en evolución será fundamental.
La transformación de la ingeniería de software por parte de la GenAI también subraya la necesidad de una fuerza laboral preparada para la IA. Una fuerza laboral capaz, entre otras cosas, de enseñar a los modelos a tomar decisiones seguras y éticas.
Alwin Bakkenes, Volvo Car, director global de Ingeniería de Software, comenta: «Gracias a las aplicaciones avanzadas de IA, creemos que podemos dar pasos significativos para reducir las colisiones y acercarnos cada vez más a nuestra ambición de cero colisiones.
«El éxito en este ámbito dependerá no solo de la tecnología, sino también de las personas que la diseñan, implementan y gestionan. Debemos invertir en el desarrollo del talento a todos los niveles, desde los diseñadores de UI/UX hasta los científicos investigadores de IA, para asegurarnos de estar a la vanguardia de esta transformación».
El papel fundamental de la IA en los sistemas de conducción autónoma
El camino hacia la autonomía de los vehículos sigue siendo complejo. La IA es fundamental para abordar la complejidad de los sistemas autónomos, pero también plantea nuevos desafíos, como la limitada explicabilidad, los posibles sesgos y la aleatoriedad en la toma de decisiones.
¿Cómo promueve el Foro Económico Mundial sistemas de movilidad sostenibles e inclusivos?
La Plataforma para Dar Forma al Futuro de la Movilidad del Foro Económico Mundial trabaja en cuatro sectores: aeroespacial y drones; automoción y nueva movilidad; viajes y turismo aéreos; y cadena de suministro y transporte. Su objetivo es garantizar que el futuro de la movilidad sea seguro, limpio e inclusivo.
A través de la Coalición Cielos Limpios para el Mañana, más de 100 empresas trabajan juntas para impulsar la aviación mundial con un 10 % de combustible de aviación sostenible para 2030.
En colaboración con UNICEF, el Foro elaboró una carta con las principales empresas navieras, aerolíneas y de logística para apoyar a COVAX en la entrega de más de 1000 millones de vacunas contra la COVID-19 a comunidades vulnerables de todo el mundo.
El Proyecto Cero Emisiones en el Transporte de Mercancías por Carretera y la Coalición P4G-Getting to Zero han dado lugar a resultados que demuestran la justificación, los costes y las oportunidades para acelerar la transición hacia el transporte de mercancías con cero emisiones.
La iniciativa Medicine from the Sky utiliza drones para entregar vacunas y medicamentos a zonas remotas de la India, y ha completado más de 300 pruebas exitosas.
La iniciativa Target True Zero del Foro trabaja para acelerar el despliegue y la ampliación de la aviación con cero emisiones, aprovechando las tecnologías de vuelo eléctricas e de hidrógeno.
En colaboración con la Ciudad de Los Ángeles, la Administración Federal de Aviación y la NASA, el Foro desarrolló los Principios del Cielo Urbano para ayudar a adoptar la movilidad aérea urbana en ciudades de todo el mundo.
El Foro lideró el desarrollo de la Calificación de Sostenibilidad Espacial para incentivar y promover un enfoque más seguro y sostenible en la gestión de misiones espaciales y la mitigación de residuos en órbita.
La Iniciativa de Coches Circulares orienta la agenda política sobre la circularidad del sector automovilístico, tras el respaldo de la Comisión Europea y el Consejo de Transición hacia Vehículos con Cero Emisiones de países, y ahora está invitada a apoyar la hoja de ruta política de China.
La red Moving India trabaja con responsables políticos para impulsar las políticas de fabricación de vehículos eléctricos, fomentar la adopción de vehículos de transporte de mercancías por carretera con cero emisiones y financiar la transición.
La iniciativa Urban Mobility Scorecards —dirigida por la Coalición Global para la Nueva Movilidad del Foro— reúne a operadores de movilidad y ciudades para evaluar la transición hacia sistemas de movilidad urbana sostenibles.
Contacte con nosotros para obtener más información sobre cómo participar.
La colaboración dentro del sector es esencial para aprovechar el potencial de la GenAI al tiempo que se abordan los riesgos asociados. Shinpei Kato, CEO de TIER IV y presidente de la Fundación Autoware, destaca: «La colaboración es clave para desbloquear sistemas autónomos seguros y escalables, y el software de código abierto puede acelerar el despliegue de la autonomía de los vehículos».
Por último, los sectores automovilístico y tecnológico deben implicar a otras partes interesadas para garantizar la integración segura y exitosa de los avances de la GenAI en la autonomía de los vehículos. Esto implica fomentar el diálogo con los reguladores y los responsables políticos para mejorar su comprensión de las capacidades y limitaciones pertinentes.
El Foro Económico Mundial también contribuye al objetivo de una transformación segura y fiable del vehículo definido por software y de la autonomía de los vehículos con su iniciativa DRIVE-A: Autonomía de Vehículos.
