Baidu presenta Apollo World, un modelo de mundo entrenado con 217 millones de millas de datos de conducción autónoma
Baidu ha lanzado Apollo World, un modelo de mundo de IA física capaz de simular tres años de pruebas de conducción autónoma del mundo real por día utilizando un conjunto masivo de datos de su flota Apollo Go.
El proveedor chino de IA de código abierto Baidu presentó su nuevo modelo de mundo, Apollo World, durante su evento AI Day Apollo. Diseñado específicamente para entrenar vehículos autónomos —incluida la propia flota de robotaxis Apollo Go de Baidu—, el modelo destaca cómo la IA generativa está yendo rápidamente más allá de las tareas basadas en pantallas hacia aplicaciones del mundo físico.
Según Baidu, Apollo World puede generar aproximadamente tres años de pruebas de conducción del mundo real en solo un día. La empresa entrenó el sistema con 217,48 millones de millas de datos operativos del mundo real recopilados directamente de su flota autónoma Apollo Go.
Simulación del mundo físico para flotas de conducción autónoma
Los modelos de mundo permiten a los sistemas de IA comprender, predecir y simular entornos físicos, trasladando la IA generativa desde dominios de software como la programación y la ciberseguridad hacia complejas operaciones del mundo real.
Lian Jye Su, analista de Omdia (una división de Informa TechTarget), señaló que la conducción autónoma representa una de las aplicaciones más prácticas para esta tecnología en la actualidad. "Es la aplicación más razonable de los modelos de mundo porque la industria automotriz es una de las más maduras", afirmó Su, destacando que los sectores de los videojuegos y el automotriz ofrecen sólidas oportunidades comerciales para el despliegue de modelos de mundo.
Baidu no es, ni mucho menos, la única en utilizar modelos de mundo para el transporte autónomo. El Waymo World Model de Google DeepMind —creado sobre su modelo base Genie 3— convierte registros de video sin procesar en simulaciones 3D interactivas. El desarrollador de camiones autónomos Waabi confía en su modelo de mundo propietario para entrenar su flota virtual antes de las pruebas en carretera. Mientras tanto, Nvidia ofrece Cosmos, un modelo de mundo de código abierto diseñado para ayudar a los desarrolladores a integrar la lógica física en flujos de trabajo de robótica y automatización.
Según Su, la inversión en la creación de entornos virtuales precisos rinde sus frutos en la seguridad y el rendimiento del mundo real. "En el momento en que lo logras... tienes datos fundamentales sólidos. Puedes generar duplicados muy precisos de una versión virtual del mundo físico, y eso generalmente contribuye en gran medida a una predicción y generación muy precisas", explicó Su.
Los altos costos de cómputo presentan desafíos continuos
A pesar del potencial de la IA física, los modelos de mundo enfrentan importantes cuellos de botella comerciales y operativos, principalmente los costos de cómputo.
El entrenamiento de modelos de mundo exige enormes recursos de cálculo, y su ejecución en tiempo real requiere potencia de cómputo continua. Actualmente, la mayoría de los modelos de mundo requieren una infraestructura dedicada equivalente a una GPU por usuario activo, lo que hace que la escala sea un esfuerzo costoso para los operadores empresariales.
Sin embargo, como demuestra el despliegue de Apollo World por parte de Baidu, los principales operadores tecnológicos consideran que los modelos de mundo de IA física son una base necesaria para lograr operaciones de conducción autónoma comerciales y confiables.
