Te explico cómo razona un coche cuando conduce solo
Un peatón que se acerca a las líneas de tránsito, una bicicleta que cambia repentinamente de dirección, un automóvil que se inserta en el último momento. Para una persona al volante son situaciones cotidianas, que debe afrontar con frecuencia en pocos instantes. Para un sistema de asistencia al conductor, en cambio, representan una serie de problemas que deben resolverse mediante cámaras, sensores, cálculos e inteligencia artificial. Pero, ¿cómo logra un automóvil interpretar lo que sucede a su alrededor y decidir qué maniobra realizar?
Para entenderlo, entrevisté a Dong Li, CTO de QCraft, una empresa china especializada en el desarrollo de sistemas avanzados de asistencia al conductor para automóviles de serie. En el centro de nuestra conversación está QPilot PRO, una tecnología diseñada para asistir al conductor tanto en la ciudad como en la autopista, incluso cuando el tráfico presenta situaciones complejas.
Li me contó cómo funciona el sistema, qué estrategias utiliza para prever los movimientos de los otros usuarios de la carretera y qué sucede cuando se encuentra con un escenario que no puede interpretar con suficiente seguridad.
Cámaras, sensores e inteligencia artificial: cómo decide el coche
QPilot PRO forma parte de la familia de sistemas de conducción asistida de QCraft, que también incluye las versiones AIR y MAX. Está diseñado para ayudar al coche a desplazarse en la ciudad y en la autopista gracias a la función Navigation on Autopilot (NOA). Su capacidad de cálculo varía entre 100 y 200 TOPS, una unidad que indica cuántas operaciones matemáticas puede realizar cada segundo.
QPilot PRO forma parte de la familia de sistemas de conducción asistida de QCraft
Foto de: QCraft
El sistema utiliza 11 cámaras, complementadas por un sensor LiDAR, que reconstruye el entorno circundante en tres dimensiones. Las cámaras identifican coches, peatones, semáforos y carriles, mientras que el LiDAR ayuda a determinar la posición y forma de los obstáculos. Al combinar estos datos, la inteligencia artificial intenta comprender por dónde puede pasar el coche y cómo se mueven los demás usuarios de la carretera.
El siguiente paso es decidir cómo reaccionar. “Nuestra principal innovación consiste en integrar los requisitos de seguridad en todo el proceso, desde el aprendizaje del modelo hasta la selección de la trayectoria”, me explicó Dong Li, CTO de QCraft, durante la entrevista. El sistema combina la interpretación del camino y la predicción de eventos con reglas de seguridad definidas por los seres humanos, para hacer que las decisiones sean más controlables.
Para aprender a gestionar situaciones diferentes, QCraft también utiliza modelos del mundo que simulan el funcionamiento del mundo físico, y el aprendizaje por refuerzo, una técnica que ayuda a la inteligencia artificial a mejorar sus decisiones a través del aprendizaje.
QCraft: así interpreta la inteligencia artificial el camino
Foto de: QCraft
De esta manera se intenta reconocer un obstáculo y prever qué podría suceder. Como me explicó Li, si una pelota rueda por la carretera, el sistema debería considerar que un niño podría correr a recuperarla y reducir la velocidad con antelación. De igual forma, si hay agua cerca de los peatones, puede disminuir la velocidad para evitar salpicarlos. Esta es la diferencia entre ver lo que ocurre e interpretar el contexto para anticipar posibles consecuencias.
¿Qué sucede cuando el coche se encuentra en dificultades?
Por supuesto, ningún sistema puede ser entrenado de antemano para todas las situaciones que pueden ocurrir en la circulación real. Por este motivo, QCraft utiliza simulaciones a gran escala y modelos del mundo físico para crear un entorno virtual en el que reproducir escenarios raros, condiciones meteorológicas difíciles y situaciones peligrosas que sería complicado recrear repetidamente en la carretera.
Dong Li, CTO de QCraft
Foto de: Motor1 Italia visual (asistido por IA)
A estos tests se suman los datos recopilados durante el uso diario. Según las cifras proporcionadas por Li, en 2026 las soluciones QPilot superaron el millón de instalaciones en vehículos de serie. A finales de julio, los conductores habían recorrido en total más de 4,5 mil millones de kilómetros utilizando los sistemas de asistencia de la empresa. QCraft también indica que la tasa de activaciones involuntarias del frenado automático de emergencia es inferior a una cada 500.000 kilómetros. Se trata de un dato proporcionado por la empresa, que debe interpretarse junto con las condiciones de medición y los criterios utilizados: por sí solo, de hecho, no permite determinar hasta qué punto un sistema es seguro en comparación con la conducción humana en cada situación.
¿Qué ocurre, entonces, cuando el automóvil se encuentra con una circunstancia que no puede interpretar con suficiente fiabilidad?
Según Li, el sistema evalúa la información disponible, las condiciones de la carretera y la fiabilidad de los sensores. Si la situación presenta demasiadas incertidumbres, puede adoptar un comportamiento más cauteloso, por ejemplo reduciendo la velocidad, aumentando la distancia con respecto al vehículo que lo precede o evitando un cambio de carril prematuro. Si las condiciones superan sus capacidades operativas, debe avisar al conductor para que retome el control.
Es un punto fundamental, ya que QPilot PRO pertenece a la categoría de sistemas de asistencia al conductor de Nivel 2. Por lo tanto, el conductor debe seguir vigilando la carretera y el funcionamiento del sistema, manteniendo la posibilidad de intervenir en cualquier momento. El automóvil puede gestionar algunas operaciones de conducción, pero la responsabilidad del control sigue siendo humana.
Para reducir los riesgos asociados a la distracción o a una confianza excesiva en la tecnología, QCraft colabora con los fabricantes en los sistemas de monitoreo del conductor. Si, durante la asistencia activa, el sistema detecta que la persona se levanta del asiento o permanece sin cinturón durante más de cinco segundos, puede solicitar un control manual y aumentar el umbral de par necesario para intervenir en el volante, disminuyendo así el riesgo de que un contacto involuntario provoque una reacción.
También se controla la postura: si el conductor se recuesta hasta adoptar una posición horizontal, el sistema sigue solicitando que vuelva a adoptar una postura correcta. En caso de cansancio prolongado o distracción detectada, puede pedir que se reanude la conducción y, si no recibe respuesta, frenar hasta detenerse de forma segura dentro del carril, según las estrategias establecidas por el sistema.
No obstante, siguen existiendo dificultades. La lluvia muy intensa, el deslumbramiento, los obstáculos que ocultan a otros usuarios de la carretera y las situaciones excepcionales siguen poniendo a prueba incluso a las tecnologías más avanzadas. Para hacerles frente, QCraft entrena a sus modelos con imágenes simuladas de cámaras deslumbradas o parcialmente oscurecidas, así como con escenarios en los que algunos sensores no funcionan correctamente.
En los sistemas que no dependen de mapas de alta definición, también se introducen información cartográfica errónea durante el entrenamiento, con el fin de reducir la dependencia de datos que podrían no corresponder a la realidad. La empresa también utiliza modelos redundantes para disminuir las consecuencias de un posible fallo en algún componente.
Luego está el tema de las actualizaciones. Los datos recopilados por los vehículos pueden ayudar a identificar nuevos problemas y mejorar las versiones posteriores, pero eso no significa que los automóviles aprendan directamente mientras circulan, modificando de forma autónoma sus estrategias de conducción. Antes de ser distribuidas, las actualizaciones deben superar verificaciones a través de simulaciones, reproducción de escenarios, pruebas de regresión y pruebas en carretera. La validación final se realiza junto con el fabricante del vehículo.
También la llegada a Europa requiere un trabajo específico. Las rotondas, las prioridades, los pasos peatonales, la señalización y los hábitos de los conductores varían de un mercado a otro. QCraft ya ha realizado pruebas urbanas y en autopistas en diversas localidades de Alemania y Francia, pero Li destaca que no existe una cantidad de kilómetros válida para cada país: el entrenamiento y la verificación dependen de las diferencias entre las condiciones locales y aquellas ya conocidas por el sistema.
QCraft: la llegada a Europa exige un trabajo especial
Foto de: QCraft
El objetivo de la empresa es hacer que estas tecnologías estén disponibles también en vehículos de gama más económica. QCraft afirma haber implementado ya sistemas de navegación asistida urbana en plataformas de 128 TOPS y sostiene que, según sus propias evaluaciones, QPilot PRO abarca el 99 % de los escenarios del desplazamiento diario. El sistema también admite más de 300 escenarios de estacionamiento, incluidos espacios muy reducidos y la estacionamiento en varios niveles de un garaje.
Estos son resultados y objetivos que demuestran cuán está evolucionando la conducción asistida, pero no eliminan el problema central: la carretera es un entorno impredecible y la capacidad de afrontar un caso común no garantiza saber manejar uno excepcional. Es precisamente aquí donde se mide la madurez de estas tecnologías: no solo en la capacidad de tomar decisiones cuando todo funciona como estaba previsto, sino también en reconocer cuándo las informaciones no son suficientes y cuándo es necesario volver a dejar espacio a la intervención humana.
Lea también