Hyundai Motor Group pone el Data Flywheel en plena operación

Hyundai Motor Group dijo en un anuncio del 13 de septiembre de 2026 que ha puesto su Data Flywheel en plena operación, detallando una hoja de ruta de conducción autónoma de doble vía y lo que llamó la primera exhibición de su tecnología Level 2++ en el HMG Autonomous Driving Media Day, celebrado en la sede de 42dot en la provincia de Gyeonggi, Corea del Sur.

Durante el evento, el Grupo presentó su estrategia de desarrollo de conducción autónoma, hoja de ruta tecnológica, logros clave y planes de implementación. 42dot introdujo las tecnologías clave y el progreso del desarrollo de Atria AI, la inteligencia artificial de conducción autónoma propia del Grupo, y describió su iniciativa de desarrollo de la tecnología Vision-Language-Action (VLA). El Grupo también mostró imágenes de un SDV Testbed equipado con Atria AI que navegaba por tráfico urbano complejo sin intervención del conductor, operando con capacidad Level 2++.

“La competitividad se determina por la cantidad de datos que aseguras, la rapidez con la que aprendes y la eficacia con la que puedes reflejar esos resultados en productos y servicios reales”, dijo Minwoo Park, presidente y jefe de la División de Plataforma de Vehículos Avanzados (AVP) en Hyundai Motor Group y CEO de 42dot. Park afirmó que el Grupo desarrollará tecnología de conducción autónoma en la que los clientes puedan confiar, basada en un ciclo virtuoso de datos, IA y validación.

Estrategia de doble vía establece objetivos de producción para 2028 y 2029

La hoja de ruta se basa en la asociación estratégica ampliada con NVIDIA anunciada por Hyundai Motor Company y Kia Corporation el 16 de marzo de 2026. Ese acuerdo cubre el desarrollo de conducción autónoma desde el Nivel 2 hasta el Nivel 4 sobre una arquitectura integrada construida sobre la plataforma NVIDIA DRIVE Hyperion, una canalización de aprendizaje unificada que abarca la recopilación de datos del mundo real, el entrenamiento de modelos de IA y su despliegue en vehículos de producción, y discusiones adicionales sobre el avance de las capacidades de robotaxi de Nivel 4 a través de Motional, la empresa conjunta de vehículos autónomos del Grupo.

En la vía Uno, el Grupo integrará la plataforma de computación de IA vehicular de NVIDIA y el software de conducción autónoma en su arquitectura de vehículo definido por software (SDV). Los vehículos de producción equipados con capacidades de conducción autónoma Level 2+ basadas en soluciones de NVIDIA están previstos para la primera mitad de 2028, y los vehículos de producción Level 2++ para la segunda mitad de 2028. Los sistemas de sensores utilizados en Hyundai Motor, Kia, 42dot y Motional se estandarizarán progresivamente en torno a NVIDIA DRIVE Hyperion 10, un cambio que, según el Grupo, apoyará una recopilación y utilización de datos más coherentes para el entrenamiento y validación de IA.

La vía Dos se centra en Atria AI, un sistema propietario de conducción autónoma de extremo a extremo desarrollado conjuntamente por la División AVP y 42dot bajo un marco de desarrollo integrado. La producción de vehículos Level 2++ impulsados por Atria AI está prevista para la segunda mitad de 2029, con capacidades que avanzarán en fases basadas en datos de conducción del mundo real recopilados de vehículos de producción.

Cómo funciona el Data Flywheel

El Data Flywheel funciona como un ciclo en el que los datos recopilados de los vehículos se utilizan para entrenar y validar modelos de IA, y los modelos mejorados se despliegan nuevamente en los vehículos para generar nuevos datos. El Grupo afirma que Hyundai Motor y Kia venden más de 7 millones de vehículos al año en aproximadamente 190 países y regiones, y que actualmente operan alrededor de 40 vehículos dedicados a la recopilación de datos las 24 horas del día. Los conjuntos de datos recopilados incluyen escenarios de conducción rutinarios así como casos límite: zonas de construcción vial y variaciones de infraestructura, condiciones meteorológicas severas, cambios bruscos de carril y maniobras de emergencia, vehículos estacionados en calles laterales y carreteras estrechas, y dinámicas complejas de tráfico urbano.

Desde principios de 2026, el Grupo ha integrado nuevas tecnologías de aprendizaje en el sistema. Hard Example Mining identifica automáticamente situaciones de conducción desafiantes que los modelos de IA encuentran difíciles de reconocer o interpretar y prioriza esos escenarios para el entrenamiento. Una canalización de entrenamiento continuo incorpora los datos recién adquiridos de la conducción y validación en el mundo real al entrenamiento de modelos, con los hallazgos de la evaluación de los vehículos retroalimentados a la recopilación de datos y al desarrollo de modelos. La tecnología de Validación Virtual reconstruye los datos de conducción del mundo real en entornos tridimensionales, utilizando técnicas gráficas como 3D Gaussian Splatting para recrear escenarios que son difíciles o potencialmente inseguros de reproducir en pruebas reales.

Un modelo de desarrollo Follow-the-Sun conecta centros en Corea del Sur y Estados Unidos, permitiendo que los equipos utilicen las diferencias horarias para llevar a cabo la recopilación de datos, el análisis de incidencias y la mejora de modelos en ciclos continuos de 24 horas. El Grupo está integrando gradualmente su Special Event Recorder, que registra y almacena automáticamente eventos significativos durante la conducción autónoma, al Data Flywheel, principalmente para respaldar el entrenamiento de modelos y la mejora del rendimiento. También está estableciendo un marco de Data Union basado en arquitecturas de sensores y estructuras de datos estandarizadas, de modo que los datos generados en múltiples vehículos y organizaciones puedan acumularse bajo normas comunes, inicialmente en Hyundai Motor, Kia, 42dot y Motional.

Junghyun Kwon, vicepresidente ejecutivo y jefe del Centro de Desarrollo de Conducción Autónoma de Hyundai Motor Group y líder de la División de Conducción Autónoma de 42dot, dijo que la competitividad depende menos del volumen de datos que de la rapidez con que los datos se conectan al aprendizaje, la validación y la mejora del rendimiento. Seonggyun Jeong, líder del Grupo Atria de 42dot, afirmó que el Grupo mejora continuamente el rendimiento y la madurez de Atria AI mediante un ciclo de desarrollo integrado que abarca la recopilación de datos, el entrenamiento de modelos y la validación de vehículos en el mundo real.

Piloto de Nivel 4 en Gwangju

En asociación con el Ministerio de Territorio, Infraestructura y Transporte de Corea del Sur, el Grupo planea desplegar el SDV Pace Car equipado con Atria AI en la Ciudad Metropolitana Especial de Jeonnam-Gwangju antes de finales de 2026. El piloto operará vehículos autónomos en carreteras reales de Corea con dinámicas de tráfico complejas y variables impredecibles, condiciones que el Grupo describe como fundamentalmente diferentes de los circuitos de prueba controlados. Afirma que los escenarios de conducción y situaciones de contingencia capturados durante el despliegue se retroalimentarán al Data Flywheel, mejorando tanto la tecnología de asistencia al conductor de producción masiva Level 2+ como la validación de capacidades avanzadas de Nivel 4.

Imágenes de conducción en Seúl y desarrollo de VLA

El Grupo también publicó material de video del SDV Testbed equipado con Atria AI que navegaba por el tráfico real de Seúl sin intervención del conductor, presentado en tres categorías. Un video ejecutivo de acompañamiento muestra a Park y Jeong recorriendo el centro de Seúl a través de autopistas, vías principales, puentes y calles urbanas, discutiendo el proceso de desarrollo de Atria AI, sus capacidades técnicas actuales y los mecanismos de toma de decisiones durante el recorrido. Secuencias en una sola toma capturan el tráfico congestionado de la hora pico matutina en Gangnam, tráfico de alta densidad en Jamsil con interacciones frecuentes de vehículos grandes como autobuses, y conducción urbana bajo lluvia en Pangyo, cada una con una duración aproximada de dos a cuatro minutos sin ediciones, salvo ajustes de velocidad de reproducción.

Un tercer video presenta diez escenarios de casos límite, que incluyen evitar vehículos estacionados a lo largo de la calzada, responder a cortes bruscos de vehículos, navegar giros a la izquierda sin protección, detectar peatones en áreas congestionadas e identificar vehículos que se aproximan en calles estrechas de vecindario. Park afirmó que la velocidad de desarrollo y la seguridad no son valores en conflicto, y que el Grupo aplicará solo tecnología totalmente validada a sus vehículos.

Más allá de sus modelos de extremo a extremo existentes, 42dot está desarrollando modelos de Visión-Lenguaje-Acción que combinan el reconocimiento de información visual, el razonamiento basado en lenguaje y la generación de acciones en un único marco. 42dot describe VLA como una tecnología clave para aplicaciones de IA Física, incluidas la conducción autónoma y la robótica, y afirma que el razonamiento basado en lenguaje añadido permite una mejor toma de decisiones y explicabilidad en escenarios de conducción complejos. Espera que VLA mejore las respuestas a situaciones de conducción raras al basarse en el razonamiento basado en lenguaje y en conocimientos preentrenados a gran escala que son difíciles de aprender solo a partir de datos de conducción. 42dot también publicó material de desarrollo que muestra cómo el modelo VLA interpreta situaciones de conducción y genera su razonamiento en lenguaje natural durante la operación del vehículo.

“VLA es una tecnología clave para implementar IA Física, donde la IA va más allá de simplemente conducir para comprender situaciones, razonar sobre ellas y actuar,” dijo HeeSeok Lee, líder del Grupo Trion de 42dot.

La tecnología de conducción autónoma basada en VLA de 42dot se encuentra actualmente en la fase de validación del modelo mediante simulación, y el proceso completo de desarrollo, que incluye pruebas en vehículos reales, está previsto para finales de 2026 hasta principios de 2027.