.jpg)
la conducció autònoma representa un dels desafiaments més complexos en la cruïlla entre intel·ligència artificial i sistemes encastats. Els enfocaments tradicionals d'aprenentatge per reforç (RL) solen basar-se en recompenses dissenyades manualment o en senyals de col·lisió massa simples, cosa que dificulta capturar el context semàntic necessari per maniobrar amb seguretat en entorns reals. Recentment, els models de visió-llenguatge (VLM) han demostrat una capacitat prometedora per comprendre escenes, però la seva alta latència d'inferència i tendència a al·lucinar impedeixen el seu ús directe en el control en temps real d'un vehicle.
Davant d'aquesta limitació, sorgeix DriveVLM-RL, un marc inspirat en la neurociència que integra VLMs dins del RL mitjançant una arquitectura de dues rutes. Inspirat en el processament visual habitual i deliberatiu del cervell humà, el sistema descompon l'aprenentatge de recompenses semàntiques en una via estàtica —que avalua la seguretat espacial contínua mitjançant objectius de llenguatge contrastiu basats en CLIP— i una via dinàmica, que realitza raonament semàntic de risc atencional en múltiples fotogrames amb un detector lleuger i un VLM gran. Un mecanisme jeràrquic de síntesi de recompenses fusiona aquests senyals amb l'estat del vehicle, mentre que un pipeline d'entrenament asíncron separa la costosa inferència del VLM gran de la interacció amb l'entorn. El més rellevant és que tots els components VLM operen exclusivament durant l'entrenament offline i s'eliminen completament en el desplegament, eliminant qualsevol latència en temps de prova.
Els experiments al simulador CARLA mostren que DriveVLM-RL supera significativament les línies base en evitació de col·lisions i èxit de tasca, reduint la severitat de les col·lisions de 10.09 a 1.75 km/h respecte a la millor línia base basada en VLM. Aquest avenç obre la porta a una conducció autònoma més segura i contextualment intel·ligent. Però més enllà de la investigació, aquest tipus d'arquitectures té implicacions directes en el desenvolupament d'ia per a empreses que busquen integrar raonament semàntic en sistemes crítics de temps real.
A Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, entenem que combinar intel·ligència artificial amb enginyeria de programari robusta és clau per a productes viables. La nostra experiència abasta des de la creació d'aplicacions a mida i programari a mida fins al disseny d'arquitectures cloud escalables amb serveis cloud aws i azure. La sincronització asíncrona que empra DriveVLM-RL recorda els patrons de microserveis que apliquem en projectes d'automatització i en l'entrenament d'agents IA personalitzats per als nostres clients.
A més, la seguretat dels sistemes autònoms no només depèn de la seva precisió, sinó també de la seva resistència davant possibles atacs. Per això, complementem aquests desenvolupaments amb ciberseguretat especialitzada, garantint que cada capa del programari estigui protegida. En paral·lel, la monitorització i anàlisi de dades de simulacions com les de CARLA es beneficien directament de serveis intel·ligència de negoci i power bi, eines que fem servir per transformar mètriques de rendiment en decisions estratègiques.
DriveVLM-RL demostra que és possible portar models de llenguatge i visió al món real si es dissenya una arquitectura que separi el raonament pesat del control en temps real. Aquest principi és extrapolable a qualsevol sector on la intel·ligència artificial hagi d'operar amb restriccions de latència i seguretat: des de robots col·laboratius fins a sistemes d'assistència al conductor. A Q2BSTUDIO treballem cada dia perquè la innovació tecnològica no es quedi al laboratori, sinó que es converteixi en programari a mida que resolgui problemes concrets.
