Un modelo de IA coreano califica todas las rutas de conducción posibles por motivos de seguridad antes de conducir. CVPR lo llamó un momento destacado.
TL; DR
El modelo SafeDrive de la Universidad Nacional de Seúl califica múltiples rutas de conducción en cuanto a seguridad antes de elegir una. El primer documento coreano sobre conducción autónoma de extremo a extremo que logra un punto culminante CVPR.
La mayoría de los modelos de IA autónomos estudian cómo conducen los humanos e intentan copiarlos. Funcionan bien en circunstancias normales, pero les cuesta explicar por qué eligen un camino en lugar de otro, lo que se convierte en un problema cuando una decisión de una fracción de segundo sale mal. Un equipo de la Universidad Nacional de Seúl, dirigido por el profesor Joon Won Choi, ha desarrollado un modelo llamado SafeDrive que adopta un enfoque diferente: genera varias trayectorias posibles, puntúa la seguridad de cada una utilizando datos de sensores y elige el camino con la mejor puntuación. El coche muestra su trabajo.
La técnica, denominada razonamiento de seguridad detallado, fue seleccionada como artículo destacado en CVPR 2026, la conferencia líder en visión por computadora e inteligencia artificial. Una presentación de aproximadamente el 3% genera la diferencia. Esta es la primera vez que un artículo sobre conducción autónoma de extremo a extremo desarrollado en Corea recibe un destacado CVPR, una señal de que Corea del Sur está desarrollando una investigación competitiva en un campo dominado por laboratorios estadounidenses y chinos. Corea del Sur ha comprometido 880 mil millones de dólares durante una década para la inteligencia artificial, los chips y la robótica, y SafeDrive es uno de los primeros resultados de esa inversión para lograr un reconocimiento académico de alto nivel.
Safedrive no está disponible en el laboratorio. Está integrado en EAD, modelo de referencia respaldado por el Ministerio de Comercio, Industria y Energía de Corea. El equipo de Choi está trabajando con empresas nacionales de conducción autónoma para probarlo en vehículos reales, con planes de impulsar su comercialización utilizando datos de conducción patentados. Los robotaxis Austin de Tesla se estrellan cuatro veces más que los conductores humanos, lo que ilustra que los problemas de seguridad e interpretabilidad que aborda SafeDrive no son teóricos. Cuando un coche autónomo toma una mala decisión, los reguladores, las aseguradoras y los tribunales necesitan saber por qué. Un modelo que califica las alternativas y selecciona las más seguras crea un camino de decisión auditable que un sistema de caja negra no puede.
