HERMES++: Un modelo de mundo de conducción unificado para comprensión y generación 3D | Integración de percepción espacial y predicción de futuro en vehículos autónomos | Arquitectura de IA para modelar el entorno físico en tiempo real para robótica

Abstract

PROBLEMA: Los sistemas actuales de conducción autónoma a menudo separan la percepción del mundo de la capacidad de predecir o generar escenarios futuros, lo que limita su razonamiento espacial profundo. SOLUCIÓN: Presentan HERMES++, un modelo de mundo unificado que integra la comprensión de escenas 3D con la capacidad de generación de secuencias temporales para vehículos autónomos. METODOLOGÍA: Utiliza una arquitectura basada en transformadores latentes que proyecta datos de sensores en un espacio de mundo 3D consistente, entrenado con grandes volúmenes de datos de conducción real y sintética. RESULTADOS: Logra un rendimiento superior en tareas de detección de objetos 3D y una fidelidad excepcional en la generación de vídeos de predicción de futuro (future frame prediction). RELEVANCIA: Este enfoque es un paso clave hacia IAs con "sentido común espacial" y modelos predictivos capaces de simular realidades físicas complejas.