Wayve demuestra: la AI integrada está redefiniendo el desarrollo de los coches autónomos
El CEO de Wayve, Alex Kendall, presentó un nuevo enfoque para los coches autónomos: en lugar de una programación rígida, usan AI integrada que aprende en carret
La IA integrada y el aprendizaje en carreteras reales es lo que está transformando el desarrollo de vehículos autónomos hoy en día, según el CEO de Wayve, Alex Kendall, en una entrevista con Tom Mackenzie de Bloomberg.
Cómo funciona el enfoque de IA para vehículos autónomos
El camino tradicional para desarrollar automóviles autónomos es escribir código manualmente. Cada regla para cada situación: qué hacer en un semáforo rojo, cómo rodear un coche aparcado, cómo estacionar en un espacio estrecho. Los ingenieros describen reglas para escenarios anticipados y luego prueban el vehículo en esos mismos escenarios. Estrecho y prolongado.
Wayve eligió un camino completamente diferente. En lugar de programación hard-coded, equiparon sus vehículos con IA integrada que observa carreteras reales como lo hace un conductor, aprende de situaciones del mundo real y mejora continuamente. Las cámaras, lidar y radar recopilan datos de vídeo, las redes neuronales los procesan en tiempo real y toman decisiones sobre giros, aceleración y frenado.
La clave de este enfoque es no confinar el vehículo a un entorno controlado para el entrenamiento, sino desplegarlo en calles reales con personas reales. Suena peligroso, pero Wayve afirma que el vehículo aprende millones de veces más rápido de esta manera que en simulaciones ideales. Cada viaje es una lección.
Cada encuentro con un nuevo escenario mejora el modelo.
Por qué esto acelera el escalado de robotaxis
El principal problema del enfoque tradicional es la adaptación a nuevas ciudades. Cada ciudad es única: carreteras diferentes, señales, clima, comportamiento de los conductores. Con desarrollo manual, las empresas gastan años adaptando un vehículo para Londres, luego más años para San Francisco. Con el enfoque de IA, el vehículo se adapta a sí mismo. Despliégalo en Londres durante un mes—aprenderá todas las particularidades de las carreteras de Londres, el comportamiento de los peatones, el clima. Luego San Francisco—y el ciclo se repite, pero mucho más rápido, porque el conocimiento de cómo aprender ya está integrado en el modelo. Esto le da a Wayve una enorme ventaja:
- La IA integrada aprende de cada viaje—no hay necesidad de enormes conjuntos de datos anotados manualmente
- Las actualizaciones se envían por aire a todos los vehículos simultáneamente
- El escalado no requiere reprogramación para cada ciudad
- El robotaxi se vuelve económicamente viable antes
Wayve ya ha desplegado taxis autónomos en Londres y se está expandiendo a nuevos mercados. Competidores como Tesla y Cruise utilizan enfoques de IA similares, pero Wayve está claramente apostando más por esto, abandonando simulaciones y grandes conjuntos de datos etiquetados manualmente.
Lo que esto significa
Si la IA integrada funciona a escala, entonces los vehículos autónomos hacen la transición de experimento científico a industria. Esto significa que los robotaxis estarán disponibles en más ciudades antes de lo que predijeron los analistas. Los costos caerán porque las empresas no necesitarán gastar millones en adaptarse a cada región.