GPT-6, Claude, Grok y un Toyota Corolla real: 8 de 11 intentos acabaron en colisión antes de superar la primera curva | El Análisis

Ocho de once intentos terminaron en colisión antes de superar la primera curva. Ese es el resultado de DrivingBench, el experimento diseñado por los investigadores Aditya Ramabadran, Simon Mahns y Tobias Gessler para medir si los principales agentes de propósito general están listos para tareas del mundo físico. El campo de pruebas era un Toyota Corolla equipado con hardware de visión Comma/OpenPilot. El recorrido: un aparcamiento con conos delimitando una ruta corta de punto a punto. Ningún humano resultó herido.

El resultado no es solo que los agentes fallaran. Es que la mayoría ni llegó a enfrentarse al problema real.

La arquitectura del experimento es deliberadamente minimalista. Los investigadores instalaron hardware de visión de Comma/OpenPilot en el Corolla y conectaron los agentes de IA a ese flujo visual. Las instrucciones se enviaban por hotspot inalámbrico a centros de datos remotos; las respuestas llegaban como comandos al vehículo. La latencia inherente al proceso obligaba a paradas frecuentes.

Se ejecutaron 11 intentos con 4 agentes distintos. El recorrido incluía una curva inicial seguida de un tramo con conos delimitando el carril. Los 8 intentos fallidos terminaron en colisión dentro del primer 11% del recorrido, en esa primera curva.