Hyundai pone en marcha el volante de datos de Atria AI

Hyundai Motor Group anunció el 13 de septiembre de 2026 que su «volante de datos» para la conducción autónoma ya funciona a pleno rendimiento. El bucle toma datos de conducción de una flota dedicada y busca en ellos las situaciones que sus modelos manejan peor. Reentrena sobre esas situaciones y devuelve el resultado a coches que circulan por vías públicas.

El sistema que se entrena se llama Atria AI. Lo desarrolló internamente 42dot, la filial del grupo para la conducción autónoma. La palabra volante hace aquí un trabajo real. Cada vuelta del bucle debería abaratar la siguiente, porque son los propios coches los que van a buscar el próximo problema difícil.

Cómo gira el bucle en realidad

El anuncio de Hyundai describe un ciclo, no una cadena recta. Estas son las etapas que menciona.

Etapa	Qué ocurre
Recogida	Una flota dedicada reúne datos de conducción reales en varios mercados
Hard example mining	El sistema aísla las situaciones que el modelo resuelve mal
Entrenamiento continuo	Esos ejemplos vuelven al entrenamiento y los resultados siguen adelante
Validación virtual	Escenas reales se reconstruyen en 3D y se reproducen como pruebas
Despliegue	El modelo mejorado vuelve al coche y genera datos nuevos

Dos etapas piden palabras llanas. Hard example mining significa que la flota no intenta grabarlo todo. Busca los casos incómodos, los que el modelo falla, porque son las únicas imágenes que le enseñan algo nuevo.

La validación virtual es la otra. Hyundai dice que reconstruye escenas reales de carretera con 3D Gaussian Splatting, una técnica que rehace una escena a partir de fotografías como una nube de manchas suaves en vez de superficies sólidas. Una vez que la escena existe así, se puede reproducir tantas veces como se quiera y variarla, sin volver a sacar un coche a la calle.

El grupo añade que el desarrollo sigue un esquema follow-the-sun: equipos en Corea del Sur y Estados Unidos se pasan el trabajo entre husos horarios, para un ciclo de 24 horas. La estandarización de sensores se coordina con Motional, y el grupo cita NVIDIA DRIVE Hyperion 10 como plataforma. Un marco llamado Data Union pretende que Hyundai Motor, Kia, 42dot y Motional compartan datos en un mismo formato.

La flota es más pequeña de lo que parece

El número llamativo es lo pocos coches que alimentan todo esto. Hyundai habla de 40 vehículos dedicados a la recogida. El Kyunghyang Shinmun informa de un reparto de 20 para recogida y 20 para verificación, con unas 80 horas por vehículo a la semana, es decir, cerca de 1.600 horas en el conjunto.

Ese diario pone la cifra al lado de Tesla, que según él recoge unos 4,38 millones de horas de datos de conducción al día. La distancia no es corta, y la respuesta de Hyundai es una escala que todavía no aprovecha: unos 7 millones de vehículos vendidos al año en cerca de 190 países. La dirección espera superar los datos acumulados de sus rivales en los cinco años siguientes al arranque de la producción en serie.

Minwoo Park es presidente de la división Advanced Vehicle Platform del grupo y consejero delegado de 42dot. «Competitiveness is determined by how much data you secure, how quickly you learn and how effectively you can reflect those results», dijo. Seonggyun Jeong, que dirige el grupo Atria en 42dot, lo dijo de forma más directa: «High-quality data is where good autonomous driving AI ultimately starts».

Qué llega, y cuándo

Objetivo	Fecha
Piloto de nivel 4 en Gwangju, con el ministerio de transporte de Corea	Antes de acabar 2026
Producción de nivel 2+, basada en NVIDIA	Primera mitad de 2028
Producción de nivel 2++, basada en NVIDIA	Segunda mitad de 2028
Atria AI en producción	Segunda mitad de 2029

Las fuentes no coinciden en esa última fila. El propio anuncio de Hyundai describe el objetivo de Atria AI para 2029 como nivel 2++. El Kyunghyang Shinmun lo sitúa en nivel 3+. La diferencia importa, porque el nivel 3 es el punto en el que vigilar la carretera pasa a ser cosa del coche y no del conductor.

El grupo también impulsa un modelo Vision-Language-Action, que une lo que el coche ve con un razonamiento en lenguaje y luego con una acción de conducción. «VLA is core technology for Physical AI going beyond simply driving», dijo HeeSeok Lee, que dirige el grupo Trion en 42dot.

Qué significa esto para los desarrolladores

La idea reutilizable es el hard example mining, y no es exclusiva de los coches. La mayoría de los equipos con un modelo en producción siguen muestreando datos más o menos al azar. La tesis de Hyundai es que una flota pequeña gana a una grande si solo guarda los ejemplos en los que el modelo falla. Si su modelo ve tráfico real, la pregunta de esta semana es si puede detectar y guardar sus propios fallos de forma automática.

Tome el paso de reconstrucción 3D como la ingeniería interesante, no como el escaparate. Rehacer una escena real para poder reproducirla y variarla es la manera de convertir una prueba de carretera cara en muchas baratas. El mismo patrón sirve para cualquier sistema caro de probar en vivo, que son casi todos.

Lea el desacuerdo sobre los niveles de autonomía como un recordatorio sobre los anuncios. Dos relatos de la misma presentación discrepan sobre si en 2029 vigila la carretera el coche o el conductor. Cuando una hoja de ruta está tan lejos, el nivel es un objetivo más que un compromiso. La decisión de Nevada de autorizar miles de robotaxis de pago mostró lo rápido que puede moverse el suelo por debajo.

Por último, fíjese en quién no está en el bucle. Este es un volante cerrado: los coches de Hyundai, la filial de Hyundai, el formato de Hyundai. Data Union estandariza el intercambio dentro del grupo, no fuera. Si esperaba que los fabricantes convergieran en un formato abierto de datos de conducción, esto apunta en la dirección contraria.