Reduce velocidad al 80% del límite en zonas escolares...conducción autónoma en túneles sin cobertura GPS y zonas de confluencia
Aprende 'casos límite' de Gangnam como estacionamientos ilegales y paradas...expande recopilación de datos diurnos
Combina planificador de IA con planificador basado en reglas...amplia proporción de E2E antes de fin de año para expandir dominio de decisiones de IA
![Taxi autónomo de Kakao Mobility operando en una zona de protección de usuarios de tránsito cerca de la estación Maebong en el distrito de Gangnam, Seúl [Foto=reportera An Sin-hye]](https://image.ajunews.com/content/image/2026/10/17/20261017112217824159.jpg)
“Iniciando conducción autónoma.”
Una tarde de entre semana a las 22:00 horas, cerca de la estación Maebong en el distrito de Gangnam, Seúl. Al subir al taxi autónomo ‘Seúl Vehículo Autónomo’, el vehículo comenzó a moverse. Un gestor de conducción autónoma se encontraba en el asiento del conductor, pero no tocó el volante. El volante se movía por sí solo hacia los lados y el vehículo mantenía la distancia con el automóvil de adelante, reduciendo la velocidad según las señales de tránsito.
El taxi autónomo, fabricado sobre la base del Kia EV6, presentaba sensores y cámaras visibles en varios puntos de su carrocería para monitorear las carreteras circundantes, a diferencia de los vehículos convencionales. Se trata del ‘AV-Kit (Kit)’, una plataforma de sensores modular desarrollada por Kakao Mobility, que integra tres lídares, cinco radares y siete cámaras para reconocer vehículos, peatones y condiciones de la carretera circundante.
Desde el asiento trasero, era posible visualizar la carretera observada por el vehículo autónomo en la pantalla del ‘AVV (Autonomous Vehicle Visualizer)’. Los vehículos, peatones y la ruta a seguir se mostraban en tiempo real en gráficos tridimensionales.
Este día, la prueba de conducción del Seúl Vehículo Autónomo se prolongó durante aproximadamente 20-30 minutos en los alrededores de la estación Maebong. El recorrido incluyó giros a izquierda y derecha, zonas escolares, túneles y confluencias de tránsito: múltiples entornos que se encuentran en la conducción autónoma urbana.
Desde zonas escolares hasta túneles sin cobertura GPS
Durante el trayecto, se escuchó un anuncio: “Entrando a zona de protección escolar.” Simultáneamente, la pantalla AVV en el asiento trasero mostró que se había ingresado a una zona de protección de usuarios de tránsito.
Desde agosto, Kakao Mobility amplió el área de operación del Seúl Vehículo Autónomo a zonas de protección de usuarios vulnerables de tránsito, como zonas escolares. En estas áreas protegidas, el vehículo reduce la velocidad a un máximo del 80% del límite establecido y limita las aceleraciones bruscas. Por ejemplo, si el límite de velocidad de una zona escolar es de 30 km/h, el vehículo operaría a un máximo de 24 km/h.
Un portavoz de Kakao Mobility señaló: “Las zonas de protección de usuarios vulnerables imponen muchas restricciones, por lo que priorizamos la seguridad en su implementación.”
En la segunda mitad de la prueba, el vehículo ingresó al túnel Maebong. Los túneles son zonas de sombra donde es difícil recibir señales estables del Sistema de Posicionamiento Global (GPS), por lo que el papel de los sensores de percepción ambiental se vuelve crítico. Este tramo se considera particularmente valioso para verificar el desempeño de reconocimiento y conducción utilizando sensores en entornos con cobertura GPS limitada.
Al entrar al túnel, se produjo una situación en la que un vehículo en el carril contiguo se incorporaba al tránsito. El Seúl Vehículo Autónomo ajustó su velocidad y posición de acuerdo con los movimientos de los vehículos circundantes antes de ingresar al túnel. Aunque había considerable tránsito, el gestor de conducción autónoma no necesitó tomar el volante. Posteriormente, el vehículo continuó operando en modo autónomo dentro del túnel.
Gangnam complejo como 'campo de entrenamiento' de la IA de conducción
Al aproximarse a una parada de autobús cerca de la estación Maebong, un vehículo con las luces de emergencia encendidas estaba estacionado a un lado de la carretera. Era imposible saber si permanecería inmóvil o saldría de repente. Poco después, se observó otro vehículo que se había detenido brevemente en la carretera para recoger o dejar pasajeros. Los vehículos estacionados ilegalmente y los peatones que cruzan sin autorización son variables que los vehículos autónomos en Gangnam encuentran frecuentemente en las carreteras.
Esta es la razón por la cual Kakao Mobility acumula datos de conducción autónoma en Gangnam. El objetivo es experimentar y aprender la mayor cantidad posible de ‘casos límite’ —situaciones que ocurren con poca frecuencia o cuyo movimiento es difícil de predecir— en carreteras reales. Tanto el Gobierno de Seúl como los operadores de conducción autónoma, incluida Kakao Mobility, consideran que experimentar diversas situaciones durante un mes en Gangnam es más ventajoso para mejorar los modelos de conducción autónoma que conducir durante un año en zonas de menor dificultad.
Kakao Mobility ha operado un servicio de conducción autónoma nocturna en Gangnam desde marzo, recorriendo carreteras principales y secundarias. Desde junio, también está acumulando datos circulando por toda el área de Gangnam durante las horas diurnas, cuando hay mayor volumen de vehículos y peatones.
![Taxi autónomo de Kakao Mobility [Foto=reportera An Sin-hye]](https://image.ajunews.com/content/image/2026/10/17/20261017112421819108.jpg)
Expande E2E con datos de Gangnam...amplía el dominio de decisiones de la IA
Las diversas situaciones encontradas en la carretera, tanto de día como de noche, se utilizan posteriormente como datos de entrenamiento para la IA de conducción autónoma. Kakao Mobility ha establecido un flujo de datos que recopila información de conducción, la procesa mediante purificación, etiquetado automático y minería de datos, para luego reentrena el modelo. En este proceso, se seleccionan casos límite de alto valor de aprendizaje para que la IA los estudie nuevamente.
Actualmente, el Seúl Vehículo Autónomo utiliza un enfoque híbrido que combina un planificador de IA con un planificador basado en reglas. La IA, entrenada con datos recopilados en carreteras reales, juzga las situaciones de conducción, pero en áreas relacionadas con la seguridad también se aplican reglas predeterminadas. Esta es la etapa actual del diseño.
Kakao Mobility planea aumentar la proporción del modelo E2E (end-to-end) en el reconocimiento y áreas de decisión antes de fin de año. El sistema funcionaría de la siguiente manera: la IA percibe y evalúa la situación de conducción para establecer un plan de viaje, y posteriormente un ‘evaluador de seguridad’ basado en reglas valida esta decisión en la etapa final.
Un portavoz de Kakao Mobility afirmó: “Aunque actualmente el planificador de IA ya toma ciertas decisiones, aún no es responsable del proceso completo, que es la etapa actual.” Y añadió: “Nuestro plan es aumentar la proporción de E2E para expandir gradualmente el dominio de decisiones de la IA.”
Kakao Mobility también está preparándose para ofrecer servicios de conducción autónoma de nivel 4, que no requieren intervención del conductor. Actualmente, si un pasajero cambia el destino durante el viaje, se detiene la conducción autónoma y el gestor de conducción autónoma responde directamente. De cara al futuro de la conducción sin operador, Kakao Mobility está mejorando las tecnologías relacionadas para que el vehículo y los sistemas de control central puedan manejar funciones que actualmente realiza el operador, como cambios de destino, confirmación de entrada y salida de pasajeros, y respuesta a situaciones imprevistas.
* Este artículo ha sido traducido por IA.