Baidu, la empresa del Google de China, presenta Apollo World, una 'autoescuela' con IA para entrenar coches autónomos
Elígenos como tu fuente preferida en Google.
El modelo tiene el objetivo de reducir los costes de las pruebas y los riesgos de implementación en el mundo real.
Baidu ha presentado Apollo World, un modelo de mundo basado en inteligencia artificial diseñado para actuar como un entorno virtual dinámico en el que la propia IA enseña y valida las estrategias de conducción de los vehículos autónomos. Una especie de autoescuela donde los sistemas de conducción autónoma se pondrán a prueba.
La propuesta supone una evolución respecto a las simulaciones tradicionales, que dependían de guiones rígidos y comportamientos preprogramados. Con este desarrollo, la firma con sede en Pekín busca optimizar el aprendizaje de su plataforma de movilidad compartida y acelerar el despliegue de sus robotaxis en diversos mercados internacionales.
Una IA que simula la realidad cambiante del entorno
En la arquitectura de la inteligencia artificial orientada a la movilidad, un modelo de mundo no se limita a renderizar imágenes fotorrealistas de una calle o una autopista. Durante la jornada técnica del Baidu AI Day celebrada en Shenzhen, Wang Liang, arquitecto jefe del IDG de Baidu enfatizó que la prioridad de estos sistemas debe centrarse en reproducir fielmente las leyes físicas y la causalidad del comportamiento humano.
Para evaluar las capacidades de Apollo World, la compañía ha establecido un marco de análisis denominado "2+3". En esta estructura, la causalidad y la interactividad se definen como requisitos fundamentales sin los cuales un simulador no se puede considerar un modelo de mundo efectivo. A estos dos pilares se le suman tres métricas de capacidad: la precisión física de los entornos, la persistencia en el tiempo y el rendimiento de procesamiento en tiempo real.
En la práctica, cuando un vehículo autónomo toma una decisión dentro de Apollo World, como frenar bruscamente, realizar un cambio de carril o ceder el paso, los demás usuarios de la vía no siguen una trayectoria fija. Los vehículos, peatones y ciclistas virtuales son agentes de IA capaces de tomar decisiones independientes en tiempo real y reaccionar de forma coherente ante la maniobra del coche de pruebas.
Aprendizaje en bucle cerrado y simulación sensorial multimodal
Una de las características más avanzadas de Apollo World reside en su capacidad para generar datos de observación multimodales de forma simultánea. Mientras el vehículo interactúa dentro de la simulación, el sistema genera imágenes sintéticas de cámara y nubes de puntos de sensor LiDAR con una fidelidad equivalente a los sensores físicos.
Este flujo de datos alimenta el sistema de conducción del vehículo, que procesa la información, toma una decisión ejecutiva y envía la orden de control. A continuación, Apollo World actualiza el entorno del tráfico y genera la siguiente ráfaga de datos sensoriales. Este ciclo dinámico establece un bucle cerrado de percepción, toma de decisiones, acción y retroalimentación que replica las condiciones reales del tráfico.
Además, el software extrae situaciones críticas y escenarios de riesgo extremo procedentes de los millones de kilómetros recopilados en operaciones reales, transformándolos en pruebas virtuales repetibles. De este modo, los algoritmos pueden enfrentarse de manera sistemática a condiciones meteorológicas adversas o maniobras imprudentes de otros conductores sin poner en riesgo la integridad física de ningún vehículo o usuario.
Tres años de rodaje en un solo día
El impacto operativo de Apollo World destaca sobre todo en los volúmenes de entrenamiento que maneja el sistema. Según los datos facilitados por Baidu, el kilometraje de pruebas virtuales completado en una sola jornada equivale a unos tres años de conducción continua por parte de un vehículo de pruebas real con un conductor de seguridad a bordo.
Esta aceleración masiva del aprendizaje permite realizar trayectos virtuales completos antes de desembarcar en nuevas zonas. El vehículo puede simular desde la recepción de una reserva a través de la aplicación, el desplazamiento hasta el punto de recogida, el transporte del pasajero por calles desconocidas y el estacionamiento en el destino final. El objetivo radica en mitigar los costes logísticos y reducir los riesgos de despliegue antes de poner la rueda sobre el asfalto.
Apollo Go y los desafíos de la validación física
Este desarrollo informático se integra en el flujo de trabajo de Apollo Go, el servicio de robotaxis de Baidu. Hasta el segundo trimestre del año, la plataforma acumulaba más de 350 millones de kilómetros de conducción autónoma en 28 ciudades a nivel global, superando los 240 millones de kilómetros recorridos de forma desatendida. La presencia de la compañía se ha ido extendiendo con pruebas abiertas en mercados internacionales como Londres, en colaboración con plataformas de movilidad, y operaciones comerciales sin conductor en Dubái.
A pesar de los avances representados por Apollo World, la tecnología no elimina por completo la necesidad del ensayo en vía pública. Baidu ha señalado que las actualizaciones del sistema de conducción optimizadas en su "autoescuela virtual" continúan requiriendo una fase final de prueba y validación en carreteras reales para verificar la correlación exacta entre el modelo informático y el entorno físico. La simulación mediante IA representa, por tanto, una herramienta de filtrado y perfeccionamiento previo que redefine los estándares de desarrollo en la industria del coche autónomo.