Por Canuto  

Volkswagen prepara una plataforma compartida de inteligencia artificial para convertir datos de conducción en simulaciones, entrenamiento y pruebas de vehículos autónomos. La iniciativa, que reúne a Porsche, Cariad, Voxel51, Microsoft y Nvidia, apunta a reducir la dependencia de ensayos físicos y acelerar la validación de software.

***

  • Porsche encabezará la implementación inicial, con el apoyo de Cariad y de los socios tecnológicos de Volkswagen.
  • Voxel51 estima que el sistema podría reducir hasta 90% las pruebas físicas repetidas y acortar hasta 85% las pruebas de regresión de IA.
  • La plataforma organiza datos de conducción, reconstruye escenarios en entornos virtuales y contempla cerca de 80 controles de calidad.

 

 

Volkswagen desarrolla una plataforma compartida de inteligencia artificial para que los datos de conducción sirvan en la simulación, el entrenamiento de modelos y la validación de software para vehículos autónomos. La iniciativa combina tecnologías de Porsche, Voxel51, Microsoft y Nvidia, con Porsche al frente de la primera implementación y el respaldo de Cariad, la filial de software del grupo.

El proyecto busca conectar situaciones registradas en carretera con pruebas virtuales repetibles, de modo que los equipos puedan evaluar actualizaciones sin depender tanto de volver a conducir los mismos recorridos. Voxel51 estima que el enfoque podría reducir hasta 90% los ensayos físicos repetidos y acortar hasta 85% los ciclos de pruebas de regresión de inteligencia artificial, cifras que la empresa presenta como resultados potenciales de la colaboración.

Una cadena de datos para desarrollar vehículos autónomos

La arquitectura se apoya en lo que las compañías describen como un ciclo continuo de datos para vehículos autónomos: los registros de conducción aportan material para crear simulaciones, entrenar modelos y validar cambios de software. En lugar de tratar cada etapa como un proceso separado, el proyecto procura que la información recogida en la vía pueda volver al desarrollo en formatos útiles para los equipos de ingeniería.

Volkswagen indica que su flota conectada genera cada día un volumen de datos de conducción equivalente al de aproximadamente 11.000 conductores promedio. Esa comparación ayuda a dimensionar la cantidad de material disponible, aunque no significa que cada registro sea automáticamente apto para entrenar un sistema o reproducir con precisión una situación determinada.

En ese punto entra Voxel51, que aporta su plataforma de gestión de datos y la tecnología FiftyOne. El sistema organiza grabaciones, ayuda a identificar escenarios relevantes y prepara conjuntos de datos para el entrenamiento de inteligencia artificial, tareas que permiten a los equipos localizar con mayor facilidad los casos que necesitan analizar.

La disponibilidad de datos no basta por sí sola para mejorar un sistema autónomo: los ingenieros también necesitan encontrar situaciones concretas y verificar que los registros sean aprovechables. La plataforma busca hacer más manejable ese trabajo y conectar la selección de casos con las fases posteriores de entrenamiento y validación, sin que las empresas hayan detallado cómo se distribuirán todos los datos entre las marcas del grupo.

Socios tecnológicos y primeras funciones

La colaboración reparte distintas funciones entre sus participantes. Nvidia aporta tecnologías de simulación y generación de datos, entre ellas Omniverse NuRec y Cosmos, mientras que Microsoft forma parte de la colaboración tecnológica. La compañía publicó el 21 de octubre información sobre el trabajo conjunto con Nvidia, Porsche y Voxel51 para avanzar en el desarrollo de vehículos autónomos.

Porsche dirige la implementación inicial, y Cariad participa como apoyo desde el área de software de Volkswagen. La colaboración fue descrita en una publicación de Microsoft del 21 de octubre.

Una de las primeras aplicaciones consiste en reconstruir situaciones de conducción reales dentro de entornos virtuales. Una vez recreado un escenario, los ingenieros pueden probar actualizaciones de software frente a condiciones repetibles, en vez de depender exclusivamente de nuevos recorridos físicos para observar cómo se comporta el sistema.

La repetibilidad es central para este método: al volver a ejecutar una misma situación, los equipos pueden comparar el comportamiento de distintas versiones del software ante condiciones equivalentes. Esa posibilidad no elimina la necesidad de pruebas en carretera, pero abre una vía para concentrar parte de la evaluación en simulaciones que se pueden reutilizar durante el desarrollo.

Controles de calidad y límites de la simulación

Antes de aprobar un escenario reconstruido para pruebas o entrenamiento adicional, el sistema revisa la calidad de los datos registrados. Voxel51 señala que realiza alrededor de 80 comprobaciones, que incluyen la integridad de los sensores, la calibración y la sincronización, factores capaces de afectar la precisión de una simulación.

Esos controles importan porque un registro incompleto o desajustado puede representar de manera deficiente una situación real. La revisión busca que los ingenieros puedan examinar los escenarios reconstruidos antes de incorporarlos al trabajo posterior, en lugar de asumir que toda grabación obtenida por la flota conectada ofrece información lista para utilizar.

El proceso combina así dos tareas distintas: seleccionar episodios de conducción que resulten pertinentes y comprobar que sus datos tengan condiciones adecuadas para reconstruirlos. Según Voxel51, este tratamiento puede hacer más consistente la validación del software y reducir el tiempo y los costos asociados a ensayos repetidos en carretera, aunque la noticia no aporta mediciones de una implementación ya completada.

Por eso, las reducciones de 90% en pruebas físicas y de 85% en regresión de IA deben leerse como estimaciones atribuidas a Voxel51, no como resultados ya confirmados para toda la operación de Volkswagen. El efecto dependerá de la aplicación del sistema y de la posibilidad de utilizar los escenarios virtuales en las distintas fases de desarrollo.

Compartir escenarios entre marcas

Las compañías prevén que los escenarios de conducción validados puedan compartirse entre marcas y programas de vehículos del Grupo Volkswagen. En ese esquema, una situación registrada durante un proyecto podría aportar material a futuros trabajos de desarrollo, en vez de quedar limitada al programa que primero la recopiló.

La posibilidad de reutilizar escenarios puede dar más continuidad al proceso de validación: los equipos tendrían acceso a casos previamente revisados y podrían volver a utilizarlos al evaluar cambios de software. La noticia no especifica qué reglas regirán ese intercambio ni cómo se organizará el acceso entre las marcas, por lo que el alcance práctico de la colaboración aún depende de su implementación.

Brian Moore, CEO de Voxel51, afirmó que el rendimiento depende de aprovechar los datos a los que una empresa tiene acceso y de mantener el control del ciclo de desarrollo e iteración, aunque no construya cada capa de la tecnología. Su comentario resume la lógica comercial del proyecto: coordinar herramientas de varios proveedores sin renunciar a integrar los datos con los procesos propios de Volkswagen.

La plataforma plantea una forma de convertir los registros de conducción en un recurso común para simulación, entrenamiento y pruebas, con Porsche como punto de partida dentro del grupo. Su promesa inmediata es hacer más ágil la evaluación de software y reducir ensayos repetidos; el paso siguiente será comprobar hasta qué punto las estimaciones de ahorro y las opciones de compartir escenarios se materializan en el trabajo de las marcas.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados