Qwen-Drive 1.0 revoluciona la seguridad automotriz, pero genera confusión en los usuarios

Qwen-Drive 1.0 mejora la navegación reduciendo el desvío de 24% a 12% en simulaciones. Sin embargo, las explicaciones sobre decisiones de manejo a veces no coinciden.

Qwen-Drive 1.0 revoluciona la seguridad automotriz, pero genera confusión en los usuarios
NeboAI Te resumo la noticia con datos, cifras y contexto
EN 30 SEGUNDOS

EN 1 ORACIÓN

SENTIMIENTO
Neutro

𒀭
NeboAI está trabajando, aguarda un instante...
Preparando análisis detallado
Resumen rápido completado
Extrayendo datos, cifras y citas...
Identificando protagonistas y contexto
ANÁLISIS DETALLADO
COMPARTIR

NeboAI produce ediciones automáticas de textos periodísticos en forma de resúmenes y análisis. Sus resultados experimentales están basados en inteligencia artificial. Por tratarse de una edición de IA, los textos eventualmente pueden contener errores, omisiones, establecer relaciones equivocadas entre datos y otras inexactitudes imprevistas. Recomendamos chequear la edición.

El modelo Qwen-Drive 1.0 ha demostrado una disminución en la tasa de desvío del vehículo, pasando del 24% al 12% en simulaciones. Esta inteligencia artificial integra tres funciones clave: percepción espacial, resolución de preguntas sobre tráfico y planificación de rutas, lo que la convierte en una herramienta versátil para la conducción autónoma. Sin embargo, los investigadores han señalado que las explicaciones proporcionadas por el modelo no siempre concuerdan con las decisiones de conducción que toma.

Desarrollado por la división de investigación de Alibaba, este modelo se basa en Qwen3.5-4B y añade dos módulos adicionales. Uno de estos módulos genera un mapa desde una vista aérea, identificando objetos en el espacio tridimensional y trazando la disposición de las carreteras. Este proceso permite medir la cantidad de información espacial que el modelo extrae de las imágenes.

El segundo módulo, denominado Planning Expert, se encarga de planificar los movimientos futuros del vehículo, utilizando datos internos del modelo. A pesar de las mejoras, el rendimiento espacial todavía es limitado si se entrena solo el componente adicional, lo que resalta la necesidad de un enfoque más integral para evitar la pérdida de conocimiento general en situaciones de tráfico inesperadas.

¿Quieres leer la nota completa? Accede al artículo original con todos los detalles.
Leer Artículo Original
TL;DR

Este artículo es un resumen original con fines informativos. Créditos de imagen y cobertura completa en la fuente original. · Ver Política de contenidos

Redacción
Redacción Equipo EsportsAMA

El equipo de redacción de EsportsAMA está formado por apasionados del gaming competitivo y los esports. Cubrimos a diario las principales noticias del sector, desde fichajes y torneos hasta novedades de tus juegos favoritos, con foco en la escena española y latinoamericana.

Presiona Enter para buscar o ESC para cerrar