{"id":184945,"date":"2026-03-11T16:22:35","date_gmt":"2026-03-11T15:22:35","guid":{"rendered":"https:\/\/liora.io\/es\/generalized-surrogate-safety-measure-riesgo-colisional"},"modified":"2026-03-11T16:22:35","modified_gmt":"2026-03-11T15:22:35","slug":"generalized-surrogate-safety-measure-riesgo-colisional","status":"publish","type":"post","link":"https:\/\/liora.io\/es\/generalized-surrogate-safety-measure-riesgo-colisional","title":{"rendered":"Generalized Surrogate Safety Measure altera la evaluaci\u00f3n del riesgo colisional"},"content":{"rendered":"

Investigadores han desarrollado un nuevo modelo de inteligencia artificial capaz de predecir colisiones de veh\u00edculos 2,6 segundos antes de que ocurran, logrando un 90% de precisi\u00f3n en las pruebas. El sistema, denominado Generalized Surrogate Safety Measure (GSSM), analiza datos de conducci\u00f3n en entornos reales para identificar riesgos de colisi\u00f3n y podr\u00eda revolucionar los sistemas de seguridad tanto en veh\u00edculos aut\u00f3nomos como conducidos por humanos, seg\u00fan hallazgos publicados hoy en Nature Machine Intelligence.\n<\/strong><\/p>\n

La tecnolog\u00eda innovadora utiliza un label-free learning approach<\/b> que elimina uno de los mayores desaf\u00edos en la industria automotriz: la necesidad de que personas revisen y anoten manualmente millones de horas de video de conducci\u00f3n para identificar situaciones peligrosas. Este m\u00e9todo escalable permite que el sistema aprenda de forma continua a partir de grandes vol\u00famenes de datos de conducci\u00f3n en entornos reales sin intervenci\u00f3n humana, seg\u00fan el estudio de investigadores de la Universidad de Tecnolog\u00eda de Delft.<\/p>

El sistema se valid\u00f3 frente a 2.591 eventos reales de colisi\u00f3n y casi accidentes<\/b>, lo que demostr\u00f3 su capacidad para identificar riesgos en diversos escenarios, incluidas colisiones por alcance, situaciones de incorporaci\u00f3n y maniobras de giro. La versi\u00f3n de referencia, que analiza solo movimientos instant\u00e1neos del veh\u00edculo, alcanz\u00f3 un \u00e1rea bajo la curva precisi\u00f3n-exhaustividad de 0,9<\/b>, lo que indica una precisi\u00f3n excepcional para distinguir riesgos reales de falsas alarmas, informaron los investigadores en Nature Machine Intelligence.<\/p>\n\n

Innovaci\u00f3n t\u00e9cnica<\/h2>
\"Vista<\/figure>\n\n

A diferencia de los sistemas de seguridad actuales que reaccionan solo cuando la colisi\u00f3n resulta ya inminente, GSSM<\/b> identifica patrones que predicen el peligro mucho antes de que se desarrollen situaciones cr\u00edticas. El modelo super\u00f3 de forma sistem\u00e1tica a los sistemas base existentes en todos los escenarios probados, y el rendimiento mejor\u00f3 a\u00fan m\u00e1s cuando los investigadores incorporaron datos contextuales adicionales sobre patrones de interacci\u00f3n entre veh\u00edculos, seg\u00fan el estudio.<\/p>

El entrenamiento del sistema requiri\u00f3 la supercomputadora DelftBlue<\/b>, pero el modelo final se ejecuta de manera eficiente en computadoras est\u00e1ndar de los veh\u00edculos, lo que hace viable el despliegue en tiempo real tanto para veh\u00edculos aut\u00f3nomos como para sistemas avanzados de asistencia al conductor.<\/p>\n\n

Limitaciones y desarrollo futuro<\/h2>\n\n

Las pruebas actuales abarcaron principalmente clima despejado o nublado con carreteras secas. El desempe\u00f1o en condiciones meteorol\u00f3gicas severas como nieve, hielo o niebla espesa no ha sido validado, reconocieron los investigadores. El sistema tambi\u00e9n depende de datos de sensores de alta calidad y puede tener dificultades cuando otros veh\u00edculos salen del campo de visi\u00f3n.<\/p>

A pesar de estas limitaciones, la tecnolog\u00eda representa un cambio fundamental desde sistemas de seguridad reactivos hacia proactivos. El enfoque de entrenamiento label-free resuelve un importante cuello de botella en la industria, al permitir que los fabricantes aprovechen los datos de flota para una mejora continua sin costosos procesos de revisi\u00f3n manual.<\/p>

El marco podr\u00eda establecer criterios de referencia de seguridad estandarizados para que los reguladores eval\u00faen diferentes tecnolog\u00edas aut\u00f3nomas y de asistencia al conductor, lo que potencialmente acelerar\u00eda el despliegue de veh\u00edculos m\u00e1s seguros al mismo tiempo que genera confianza p\u00fablica en los sistemas automatizados, concluyeron los investigadores.<\/p>\n

\n

\n Sources\n <\/h3>\n
    \n
  • doi.org<\/li>
  • arxiv.org<\/li>\n <\/ul>\n<\/div>","protected":false},"excerpt":{"rendered":"

    Investigadores han desarrollado un nuevo modelo de inteligencia artificial que puede predecir colisiones de veh\u00edculos 2,6 segundos antes de que ocurran, logrando un 90 % de precisi\u00f3n en pruebas. El sistema, llamado Generalized Surrogate Safety Measure (GSSM), analiza datos de conducci\u00f3n del mundo real para identificar riesgos de colisi\u00f3n y podr\u00eda revolucionar los sistemas de seguridad tanto en veh\u00edculos aut\u00f3nomos como en veh\u00edculos conducidos por personas, seg\u00fan resultados publicados hoy en Nature Machine Intelligence.<\/p>\n","protected":false},"author":87,"featured_media":184935,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"editor_notices":[],"footnotes":""},"categories":[2428],"class_list":["post-184945","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-noticias"],"acf":[],"_links":{"self":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184945","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/users\/87"}],"replies":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/comments?post=184945"}],"version-history":[{"count":0,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/posts\/184945\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media\/184935"}],"wp:attachment":[{"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/media?parent=184945"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/liora.io\/es\/wp-json\/wp\/v2\/categories?post=184945"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}