Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Conducir despacio no convierte la tarea en simple. En una pista real delimitada por conos, con curvas y una zona final de aparcamiento marcada en azul, varios modelos de inteligencia artificial recibieron el control de un Toyota Corolla de 2022 y casi todos tropezaron en lo más básico.
Solo uno terminó el recorrido.
GPT-6 Astra fue el único modelo capaz de completar el circuito, y lo hizo en su segundo intento con un tiempo de 5 minutos y 22 segundos. En la primera pasada se quedó en el 49 %, un dato que retrata mejor que cualquier eslogan lo mucho que cambia una maniobra cuando la máquina tiene que corregirse sobre asfalto real.
El coche obedecía a la IA, pero una persona vigilaba cada metro
El vehículo llevaba un dispositivo comma four conectado al bus CAN, además de un ordenador que recibía imágenes de cámaras y datos de telemetría mientras la inteligencia artificial enviaba órdenes de dirección y velocidad. Dentro del coche viajaba una persona con el pie preparado sobre el freno para intervenir si el Corolla se salía de los límites o se acercaba demasiado a un obstáculo.
Aquí no había margen para grandes alegrías mecánicas, porque las pruebas se movieron entre 0,5 y 3,5 metros por segundo, equivalentes a entre 1,8 y 12,6 km/h. Incluso a ese ritmo, varios sistemas no lograron superar la primera curva.
La pista descubrió errores que en pantalla pasan desapercibidos
Algunos modelos interpretaron mal cuál era el lado interior del trazado. Otros calcularon de forma incorrecta el tamaño real del coche a partir de lo que veían las cámaras, una confusión pequeña en apariencia y muy seria cuando el margen lo marcan unos conos.
Claude Fable 5.1 avanzó aproximadamente hasta la mitad del recorrido en su tercer intento, mientras otros aspirantes ni siquiera salieron con claridad del primer giro. La escena recuerda que una IA puede parecer convincente al describir una maniobra y fallar en cuanto debe convertir esa descripción en movimiento.
Además, algunos sistemas ni siquiera aceptaron conducir cuando detectaron que controlaban un vehículo físico.
Los investigadores resolvieron ese bloqueo con un rodeo verbal y presentaron el entorno como zona de pruebas de DrivingBench. Ese detalle encaja con otros ensayos recientes sobre métricas de evaluación, donde la diferencia entre acertar de verdad y adaptarse al examen cambia por completo la lectura del resultado.
GPT-6 Astra tardaba segundos en mirar y minutos en decidir
GPT-6 Astra observaba el entorno cada cinco o seis segundos y ejecutaba unas seis órdenes por minuto. Dicho de otro modo, el coche avanzaba en pequeñas tandas de percepción y respuesta, más cerca de una secuencia de correcciones espaciadas que de la continuidad con la que conduce una persona.
Ese ritmo bastó para cerrar el circuito en el segundo intento, pero también ayuda a entender por qué una curva mal leída o una distancia mal calculada podían arruinar toda la prueba. En conducción, incluso a baja velocidad, unos pocos segundos de demora cambian mucho más de lo que parece desde fuera.
DrivingBench no enfrentó a los modelos con tráfico abierto ni con velocidades urbanas normales, sino con un recorrido acotado y un vigilante humano listo para frenar. Y aun así, entre conos de colores, un aparcamiento final y hasta tres intentos por sistema, solo uno consiguió terminar sin perderse en la geometría más elemental del coche y la pista.