Cuando echamos un vistazo a los vehículos disponibles en los distintos catálogos ya no nos sorprendemos al leer entre sus características sistemas como “frenado automático de emergencia”, “control adaptativo de la velocidad” o incluso “cambio automático de carril”. Estas tecnologías, impensables hace apenas unas décadas, son una buena muestra de la innovación que impulsa la industria del automóvil. De este modo, aumentan tanto la seguridad como el disfrute del desplazamiento en un vehículo personal, liberando cada vez más al conductor de las acciones inherentes a la conducción y, por extensión, de los posibles errores asociados que se pueden cometer.
Por ello, la tendencia actual es crear vehículos que sean cada vez más inteligentes y autónomos, que reduzcan el número y la severidad de los accidentes de tráfico que cada año acaban con la vida de miles de personas en todo el mundo. Pero no se trata de un camino sencillo. El desarrollo de la conducción autónoma se enfrenta a enormes retos que ha de sortear, tanto ingenieriles como legales, antes de poder pisar y conquistar las carreteras. Por ello, un número creciente de proyectos tratan de encontrar las teclas que den forma a la movilidad del futuro. Muchos de ellos en nuestro país.
POR DENTRO. La inteligencia artificial conduce hacia la nueva movilidad
Han pasado casi 140 años desde que el 29 de enero de 1886, Carl Benz patentara su “vehículo motorizado con motor de gasolina”, un invento que supuso un cambio de paradigma en el desplazamiento de las personas. Los automóviles transformaron el entorno urbano y acercaron las ciudades, ensanchando las fronteras de la vida de las personas. Además, las vaciaron de los animales de tiro, mejorando sus niveles de salubridad. Como indican las crónicas de la época, a finales del siglo XIX las grandes ciudades se encontraban en mitad de una gran crisis sanitaria producida por el bestiario. En Londres, por poner un ejemplo, los 50.000 animales de tiro producían alrededor medio millón de kilos de estiércol a diario que había que retirar de las calles. Por ello, muchas familias decidieron elevar sus viviendas para evitar que el estiércol llegara a las puertas. En Nueva York, las primeras reuniones acerca de planificación urbana se centraron hallar soluciones a estos excrementos, y en Memphis, los brotes de cólera y fiebre tifoidea eran cada vez más comunes. Por ello, la llegada del automóvil, cuyos únicos excrementos son compuestos volátiles, supuso una revolución[1].
Desde su adopción a principios del siglo XX, la industria del automóvil ha seguido innovando para ofrecer una experiencia cada vez más atractiva y segura para el conductor. En la actualidad, en los automóviles se pueden encontrar interiores aislados y cómodos, con accesorios como climatizadores y sistemas de entretenimiento a bordo que poco tienen que ver con aquello que ideó Benz. Los cinturones de seguridad, los airbags múltiples, y las carrocerías diseñadas para absorber los impactos han permitido que aumente la seguridad. A estos sistemas se han sumado ayudas a la conducción en las que el usuario cada vez tiene que realizar menos acciones.
Esa búsqueda de comodidad y seguridad se está trasladando al desarrollo de vehículos autónomos, capaces de transformar nuevamente la movilidad. Con la intención de que las personas puedan disfrutar del trayecto sin necesidad de conducir, la industria se enfrenta al reto de crear automóviles que sean capaces de operar de manera totalmente independiente, abriendo la puerta a una nueva era del transporte.
Los vehículos se pueden clasificar según su automatización en 6 niveles. El primero, L0, engloba a todos los vehículos completamente manuales, mientras que L5 incluiría a aquellos que son capaces de desenvolverse en cualquier carretera y situación sin que ningún humano tenga que intervenir. Este tipo de vehículo es al que aspira la industria automovilística, uno que no tiene ni volante ni pedales y donde el humano únicamente indica su destino y llega de forma eficiente sin tener que realizar ninguna acción, sólo disfrutando del viaje. Ahora bien, esta tecnología presenta desafíos tanto tecnológicos como logísticos incluyendo, entre otros, la presencia del resto de vehículos, peatones y situaciones en las carreteras que dependen de una respuesta rápida.
Para poder llevar a cabo estas acciones, los vehículos autónomos cuentan con piezas de tecnología que superan con creces las capacidades humanas. En los humanos son los sentidos (mayoritariamente la visión y el oído) los que hacen el trabajo de recoger la información de lo que ocurre en la carretera y trasmitirla al cerebro. Allí, es procesada por las redes neuronales y se emite una respuesta que modifica la circulación, bien sea un frenazo por un semáforo en rojo o un cambio rápido de carril para evitar un accidente o un desperfecto en la vía. La respuesta dependerá de muchos factores, como la experiencia del conductor, su estado anímico, el cansancio o las posibles distracciones. Sin embargo, en un vehículo autónomo, tanto la toma de datos, como su procesamiento son radicalmente distintas.
Para detectar obstáculos o eventos que ocurren durante la circulación, los vehículos autónomos utilizan sistemas que superan con creces las capacidades humanas. Por lo general, los vehículos emplean cámaras, radares, LiDAR o cualquier combinación de ellos para poder obtener la información de sus alrededores. Cada una de estas tecnologías tiene sus ventajas y sus desventajas, por lo que su combinación sirve, por lo general, como mecanismo redundante para esclarecer una situación que puede darse durante la conducción.
En los vehículos L0 estos sistemas no existen, ya que su funcionamiento depende completamente de los humanos y, por lo general, los L1 y la mayoría de los L2 no dependen en su totalidad de estos sistemas, sino que el conductor sigue realizando la mayoría del trabajo. Pero echando una mirada al futuro[2], con los vehículos L3 en adelante, estos dispositivos y las aplicaciones asociadas a ellos cada vez estarán más presentes en nuestro parque de conducción[3]. El Gráfico 1 permite formarse una idea precisa de los mecanismos de funcionamiento de todo este complejo ecosistema.
Las cámaras captan la luz del sol (o de cualquier otra fuente) que rebota en la superficie de un objeto y entra en el detector. En la mayoría de las cámaras, esta luz se encuentra en el espectro de luz visible, que es la misma que captan nuestros ojos. De este modo, al igual que un humano, los dispositivos artificiales pueden ver obstáculos situados en los bordes de la carretera o, empleando varias cámaras en distintas localizaciones, triangular la posición en tres dimensiones, tanto de objetos estáticos como de los que se acerquen al vehículo en posibles trayectorias de colisión. Las cámaras de los vehículos autónomos son similares a las que tenemos a nuestra disposición en cualquier teléfono actual, aunque suelen estar especializadas en mantener un delicado equilibrio entre resolución, consumo y robustez, ya que se enfrentarán a climas duros, vibraciones y posibles golpes de insectos y pequeñas piedras durante la conducción.
Una de las mayores ventajas de la tecnología de visión artificial que utilizan los vehículos autónomos es que estos no están sujetos a las vicisitudes de la biología, y a lo que la evolución ha ido seleccionando por ser más ventajoso en la naturaleza. Cualquier máquina puede ser diseñada y construida a medida para cumplir una misión de la forma más eficiente posible. Es por ello por lo que, aplicando el ingenio, la industria automotriz ha adaptado tecnologías que anteriormente tenían otros usos a los vehículos autónomos. Añadiendo otro tipo de sensores, capaces de ver la luz que a los humanos nos resulta invisible, los vehículos pueden contar con un “ojo mejorado” con unas habilidades que superan con mucho a cualquier órgano de visión biológico.
Un claro ejemplo son las cámaras de infrarrojos, que detectan la radiación que escapa de cualquier objeto por tener una cierta temperatura. A medida que ésta sube, se incrementa el intercambio de calor con el medio, y eso se traduce en un gradiente de color que suele mostrarse desde el negro (frío) hasta el blanco (caliente). De este modo, el vehículo puede “ver” en completa oscuridad en la noche, o tras una densa cortina de humo, ya que cada objeto, dependiendo de si se encuentra expuesto al sol o cubierto de nieve, tiene una temperatura determinada. Esta tecnología es especialmente útil para detectar humanos, que tienen una temperatura de alrededor de 35ºC en su piel expuesta, o los tubos de escape de los vehículos de su alrededor, que se calientan con la salida de gases del motor[4].
Tanto las cámaras normales como las infrarrojas son sistemas pasivos y, por tanto, como comentábamos, detectan la luz o radiación que emiten o reflejan los objetos. Por ello, las primeras dependen de que haya luz para poder funcionar, y las segundas, de que haya diferencias de temperatura en su entorno. Si no se cumplen estas condiciones, las cámaras quedan ciegas. Por ello, los vehículos autónomos emplean otros sistemas que mueven la fuente de luz al propio vehículo. Un sistema que demuestra cómo el ingenio humano puede encontrar soluciones a cualquier obstáculo al que se enfrente.
Para comprender cómo funcionan estos sistemas vamos a realizar un pequeño ejercicio de imaginación. Situémonos en un valle formado por dos cadenas montañosas. Una de las paredes es prácticamente vertical, y la otra ofrece una pendiente y un camino asequible. No sabemos cómo hemos llegado allí, pero, por supuesto, queremos saber dónde estamos. Por ello, nos atamos los zapatos y comenzamos a subir la pendiente asequible para tratar de llegar a la cima y otear en el horizonte algún rastro de civilización. Comenzamos a subir, y a subir, y a subir. Y, cuando hacemos una parada de descanso, nos gustaría saber cuánto nos hemos separado de la pared. No disponemos de ningún dispositivo más que un cronómetro, y una calculadora de bolsillo, por lo que, para averiguarlo tendremos que valernos de la creatividad.
Si nos giramos y miramos la pared distante de la montaña, podemos estimar la distancia a la que se encuentra emitiendo un grito. El sonido se trasmite por el aire a aproximadamente a 343 metros por segundo, o dicho de otro modo, cada segundo recorre 343 metros. Por tanto, analizando el eco, o dicho de otro modo, cuánto tiempo tarda en llegar el sonido en rebotar en la pared y llegar de nuevo a nuestros oídos, podemos hacernos una idea de la distancia a la que se encuentra la pared. Si pasan dos segundos, la pared se encontrará exactamente a 343 metros (ya que tardará un segundo en llegar a la pared y otro en volver). Si tarda más, o menos, podemos hacer una sencilla regla de tres para conocer la distancia aproximada.
Esto es, de forma muy simplificada, cómo funciona un sónar activo, un mecanismo que ha sido muy utilizado por barcos y submarinos para detectar los bancos de peces o evitar encallar en el fondo marino. Sin embargo, este método no está exento de controversia. Los fuertes sonidos han sido responsables de asustar y desorientar a muchos cetáceos, llegando incluso a provocar su muerte por empujarlos a las profundidades en su huida. Por ello, aunque se trata de un sistema muy arraigado, se están explorando otras opciones.
En tierra firme el sónar de larga distancia tampoco es viable ya que también podrían alterar la fauna y el bienestar de las personas. Aunque sí que se utiliza, en algunos casos, para los sistemas de aparcamiento autónomo. Pero para largas distancias, la industria automovilística se ha centrado en desarrollar un sistema similar que, en vez de emitir sonido, emite distintas longitudes de onda de luz. Estos sistemas de detección se denominan «activos» y engloban el radar, si usa microondas, o el LiDAR[5], si utiliza el espectro infrarrojo. En ambos casos, los sensores miden el tiempo que tardan los fotones en llegar a todos los puntos del entorno y cuánto tiempo tarda cada uno de ellos en volver, creando así un mapa en 3D de los alrededores del vehículo. Ambos sistemas también son capaces de calcular la dirección y la trayectoria de los objetos móviles del entorno realizando estas mediciones varias veces por segundo y aplicando cálculos vectoriales.
La diferencia entre el radar y el LiDAR radica sobre todo en su resolución y en la distancia de detección. El LiDAR puede detectar objetos a corta distancia con una precisión de centímetros, incluso milímetros en ciertos casos, mientras que el radar, debido a su mayor longitud de onda, puede detectar objetos más lejanos, pero de forma mucho menos precisa. El radar puede detectar que se acerca un objeto voluminoso, pero no distingue entre un coche, un camión o una motocicleta, mientras que el LiDAR sí que podrá distinguirlos con precisión. Además, también es especialmente útil en anticiparse a obstáculos inmóviles e irregularidades de la carrera a corta distancia. Por último, el LiDAR no está encorsetado en una única frecuencia del espectro, sino que puede usar varios rangos, combinando así la resolución con la distancia de detección. Por ello, hasta ahora, se ha consolidado como el sistema más atractivo para que los vehículos autónomos sientan su entorno.
Una última ventaja de estos sistemas tiene que ver con la protección de datos de las personas de nuestro alrededor. Las cámaras están constantemente tomando imágenes de los edificios y las personas. Esto podría evitar la conducción autónoma en lugares sensibles, o vulnerar leyes de protección de datos especialmente en la Unión Europea. En cambio, radares y LiDAR crean matrices de puntos en 3D que no pueden ser reconstruidos en una imagen precisa. Por ello, en este tipo de sistemas de detección es imposible distinguir el detalle de las facciones características de una persona, respetando así su privacidad.
Los sensores de los que hemos hablado hasta ahora únicamente detectan información del entorno y lo traducen al sistema binario. Unos y ceros. Para que dichos datos sean de utilidad, los ordenadores de abordo deben analizarlos y transformarlos en cifras medibles con las que elaborar una respuesta. Para ello, los vehículos contienen, repartidos por toda la carrocería, las denominadas unidades de control electrónica o ECU. Por lo general, se encuentran cerca de los sensores o de los mecanismos que controlan. Allí, procesan la información y la envían directamente a los sistemas de respuesta o a otra ECU que esté especializada en el control de la respuesta.
La funcionalidad de las ECU y, por ende, de los sensores y sistemas de respuesta depende, a su vez, del software que tengan instalado. Estos softwares han ido aumentando tanto en complejidad como sofisticación para adelantarse a todos los posibles escenarios que se pueden dar durante la conducción. Antes de poner un vehículo en circulación, se prueban durante miles de kilómetros tanto en espacios cerrados, como en tráfico abierto bajo la atenta mirada del personal que realiza la prueba. Cuanto mayor grado de autonomía tiene el vehículo, más duras y severas serán las pruebas para garantizar que no ponga en peligro al resto de usuarios de las carreteras.
Pero además de la capacidad de computación de cada vehículo, la casi omnipresente conexión a internet ofrece una mayor capacidad para disfrutar de un viaje seguro y eficiente. Al conectarse a la nube, un vehículo autónomo puede obtener información de las carreteras al instante. Así es capaz de establecer las rutas más rápidas entre dos puntos teniendo en cuenta la situación global. El conductor autómata puede acceder a una ingente cantidad de información, además de actualizaciones para sus ECU sin tener que almacenarla en sus limitados sistemas ni acudir a un taller especializado.
Aunque la conexión a internet es una carretera de doble sentido. Además de recibir información, un vehículo autónomo también puede enviar datos de geolocalización, así como de alarma en caso de accidente, lo que permite a las autoridades acudir con la mayor celeridad. Estas conexiones tienen sus riesgos, ya que pueden existir vulnerabilidades con las que ciertos hackers sean capaces de activar o desactivar tanto sensores como sistemas de respuesta, dando lugar a una situación de peligro para los ocupantes del vehículo o el resto de los usuarios de la carretera.
Teniendo todo esto en cuenta, la mayoría de vehículos del parque automovilístico son de la clase L0, L1 o L2. Dichos vehículos ofrecen sistemas de protección para los conductores, como el frenado de emergencia, la posibilidad de mantener una velocidad de crucero, o de mantenerse a cierta distancia de un vehículo y cambiar de carril si fuera necesario. Pero existen ciertos lugares donde los sistemas de conducción más avanzados están tomando las calles.
Como se verá con más detalle en el siguiente apartado, tanto en Estados Unidos como en China, hay compañías de taxis completamente autónomos. Los más conocidos son los de la compañía Waymo, que operan desde hace años en California (Los Ángeles y San Francisco), Arizona (Phoenix) y Texas (Austin) un vehículo I-Pace de Jaguar. También en Estados Unidos, en Las Vegas, la compañía Motional, que tiene una flota de medio millar de Hyundai Ioniq 5 han superado los dos millones de kilómetros sin ningún accidente en el que el vehículo tuviese la culpa. En estas ciudades, el servicio de taxi autónomo comenzó llevando un conductor supervisor, ya que las leyes recogían que los vehículos debían llevar en todo momento a una persona al volante. Pero tras los cambios de leyes pertinentes, ahora no están supervisados, y transportan pasajeros por toda la ciudad.
Debido a estas leyes más permisivas, cada vez más empresas, como Tesla, van uniéndose al negocio de los taxis autónomos en el país americano. El gigante automovilístico comenzó su andadura el 22 de junio de 2025 con 10 taxis, aunque con un éxito limitado, puesto que se han visto envueltos en varios accidentes que se encuentran bajo investigación por la Administración Nacional de Seguridad del Tráfico en las Carreteras[6]. Esta declaración de intenciones es un claro pulso a China, donde las empresas Baidu, AutoX o WeRide tienen flotas de taxis autónomos en ciudades como Wuhan, Shanghái Beijing o Guangzhou[7]. Además, Xin Jinping ha mostrado un claro interés en seguir expandiendo la flota de vehículos autónomos a coches, camiones y autobuses en sus ciudades más importantes.
Por otro lado, algunas ciudades han apostado por la creación de zonas especializadas en testar estos vehículos. Es el caso de Ottawa, en Canadá, donde han creado L5[8], una zona industrial en la que las compañías de vehículos autónomos pueden probar sus sistemas en situaciones de conducción lo más cercanas a la realidad. Estas pruebas son cruciales para pulir los softwares que controlan los vehículos y disminuir la cantidad de accidentes, una cifra baja de por sí.
Según informaba la empresa Waymo, en los 35 millones de kilómetros que sus vehículos han realizado en los últimos 5 años, los vehículos se han visto envueltos en 192 colisiones[9]. 18 de estas colisiones se saldaron con algún herido, aunque los informes no mencionan la responsabilidad. Estas cifras son mejores que las de sus contrapartes de carne y hueso, que en la misma distancia recorrida sufrieron más de de mil colisiones, de las cuales alrededor de 60 produjeron heridos. Con las siguientes mejoras en la tecnología se espera que los vehículos autónomos sean todavía más seguros[10].
En Europa, las regulaciones también están favoreciendo la integración de los vehículos autónomos en el parque automovilístico, sobre todo centrados en la movilidad en las ciudades. Los pioneros son los de países como Noruega o Finlandia, donde estos vehículos, llamados e-Jest y e-ATAK ya forman parte habitual de sus carreteras. Aunque no son los únicos, existen varios proyectos de autobuses autónomos que se han desarrollado en varios países de la Unión y entre ellos, también a la vanguardia, se encuentran proyectos desarrollados en España.
En definitiva, a lo largo de los últimos años, los vehículos autónomos han irrumpido en el parque automovilístico, listos para transformar tanto la movilidad como el transporte público a nivel global. Esta integración en nuestras carreteras ha sido posible por naciones tanto de América como de Asia y Europa, que han apostado tanto por la innovación como por modelos de negocio que únicamente formaban parte de historias de ciencia ficción. En la actualidad, la carrera tecnológica es producto de grandes inversiones, avances en distintos campos científicos y, una arriesgada, pero sólida apuesta legislativa cuyo resultado es que las calles cada vez presencien a más vehículos sin conductores.
De momento, para asegurar que la tecnología sigue avanzando en la dirección correcta, los vehículos (con las mentes ingenieriles detrás) continúan recopilando y analizando datos reales de viajes e incidentes. De este modo, cada vez consolidan mejor los softwares que mueven y dirigen vehículos e industrias en la dirección correcta. Además, legisladores y organismos oficiales también redoblan los esfuerzos para que los marcos normativos se ajusten a esta nueva realidad, donde los conductores tienen menos protagonismo y, por tanto, responsabilidad en caso de accidente.
Pero todo avance requiere prudencia. A adopción de estas tecnologías no es una carrera de sprint, si no que se trata de una transformación que, a largo plazo y con un compromiso por parte de centros e instituciones, moldeará una nueva era de la movilidad.
EN ACCIÓN. Nuevos modelos de negocio dentro y fuera del coche
Si bien a finales de la pasada década se vaticinaba una imparable proliferación de vehículos autónomos durante los siguientes años, como sucede muchas veces en el sector tecnológico, el sentir general hoy es que numerosos desafíos y complejidades técnicas, regulatorias y económicas van a ralentizar su implementación. El mercado está demostrando que existe demanda y la carrera tecnológica, en cualquier caso, ya no se va a detener, especialmente en el ámbito del software y la visión artificial. De modo que, a medida que el nuevo ciclo de inteligencia artificial (IA) despliegue todas sus capacidades, la reacción de la industria podría cambiar. Pero los expertos coinciden ahora mismo en que los sistemas L2 y L2+ dominarán hasta 2035 debido a su rentabilidad y a su adecuación a la normativa, mientras que la adopción del L3 seguirá siendo limitada, y la implementación del L4 apenas representará alrededor del 4% de los nuevos vehículos personales dentro de 10 años[11].
Los robotaxis ya han demostrado su viabilidad tecnológica y, como se ha dicho en el apartado anterior, se están implementando a gran escala en ciudades de Estados Unidos y China. En el Gráfico 3 se pueden observar las previsiones de crecimiento por regiones. Ambos países suman más de 30 urbes con pruebas, más que el resto del mundo unido. Se espera que el gigante asiático adopte los vehículos L2+ y L3/L4 con mayor rapidez, debido a la fuerte demanda de los consumidores, a la mayor agilidad regulatoria y al desarrollo del ecosistema innovador. El gobierno chino considera la conducción autónoma una prioridad estratégica y a finales de 2024 el 15% de los vehículos nuevos incorporaban las formas más avanzadas de ADAS (Advanced Driver Assistance Systems). La operación comercial de vehículos autónomos se regula a nivel nacional, pero su implementación se realiza a nivel municipal. Apollo Go de Baidu ofrece un servicio de pago totalmente autónomo en Wuhan y, junto a empresas como Pony.ai y WeRide, opera con algunas restricciones en zonas acotadas de ciudades como Pekín, Cantón, Shenzhen y Chongqing.
Por su parte, a mediados de 2025, más de 1.500 robotaxis operaban comercialmente en cinco ciudades estadounidenses y la previsión era que esa cifra aumentara hasta los 35.000 en 2030[12]. De cumplirse esas expectativas, generarían 7.000 millones de dólares en ingresos anuales y captarían aproximadamente el 8% del mercado estadounidense de viajes compartidos, frente a menos del 1% actual.
El resto de países no están parados y el mapa de actores recopilado en el Gráfico 2 pone de manifiesto la dimensión del ecosistema. En 2035, podría haber una gran cantidad de robotaxis en entre 40 y 80 ciudades de todo el mundo. La expansión internacional incluye Emiratos Árabes Unidos, Japón y hasta Mongolia, pero el reto sigue siendo pasar del ensayo altamente controlado y supervisado al lanzamiento comercial. Emiratos Árabes Unidos se ha fijado el objetivo de tener 4.000 robotaxis en Dubái en 2030, Alemania dispone de un marco para la implementación de vehículos autónomos y la Ley de Vehículos Automatizados[13] de Reino Unido posibilitará su despliegue comercial a partir de 2026. En este último país, se liberará así el potencial de una industria con un valor estimado de hasta 42.000 millones de libras y una capacidad para crear 38.000 empleos cualificados adicionales hasta 2035[14]. La ley británica exigirá que los vehículos autónomos alcancen un nivel de seguridad al menos tan alto como el de los conductores humanos cuidadosos y competentes, además de superar rigurosos controles de seguridad antes de ser autorizados a circular por las carreteras.
El impulso proviene no sólo de los gobiernos, sino fundamentalmente de las propias compañías emergentes que están apareciendo en el sector. Más allá de la decisión de General Motors de retirar la financiación de su filial de taxis autónomos Cruise a finales de 2025[15], se espera un gran interés de las empresas chinas de robotaxi por expandirse fuera de su país de origen. Con Baidu realizando pruebas en Hong Kong y el lanzamiento de WeRide a través de Uber en Abu Dabi, se ha dado el pistoletazo de salida a la carrera por dominar los servicios de transporte autónomo a nivel mundial[16].
Son llamativas las cautelas europeas ante este nuevo mercado, teniendo en cuenta que el primer vehículo vendido al público con autonomía L3 en todo el mundo se presentó en Alemania en 2022. Esto fue posible gracias a la adopción por parte del país de la UNECE R157, una normativa que ya se aplica en más de 50 países, que permitía inicialmente la activación de pilotos artificiales para atascos hasta 60 km/h y lo ha ampliado hasta 130 km/h. En marzo de 2025, entró en vigor en Suiza una legislación que permitirá la conducción autónoma en autopistas, así como los robotaxis sin conductor en determinadas condiciones.
Hoy en día, en la UE, sigue siendo necesario, no obstante, armonizar las pruebas y las políticas de vehículos autónomos para que no se detengan en las fronteras de los países. De hecho, la actual disparidad de normativas y los diferentes niveles de progreso plantean desafíos que exigen una armonización a nivel de toda la UE[17]. Los 29 países signatarios de una Carta de Intención en el Día Digital 2017 acordaron poner en marcha corredores transfronterizos 5G[18]. La ambición de la Comisión Europea es basarse en ellos para desplegar los proyectos de conducción automatizada. Se han realizado pruebas 5G en más de 1.000 km de autopistas, incluidos cuatro corredores transfronterizos: Metz-Merzig-Luxemburgo, Múnich-Bolonia a través del Paso del Brennero, y Porto-Vigo y Évora-Mérida, ambos entre España y Portugal. Las normas unificadas de la UE, como las establecidas en el Reglamento General de Seguridad[19] de 2019 y las especificaciones ADS[20] de 2022, sientan las bases para la armonización. Sin embargo, hay que seguir avanzando. A diferencia del enfoque fragmentado a nivel estatal de Estados Unidos o de los mandatos jerárquicos de China, Europa podría convertir su capacidad alineamiento y cooperación en una ventaja competitiva.
El pronóstico de Goldman Sachs Research indica una tasa de crecimiento anual compuesta del sector de alrededor del 90% entre 2025 y 2030. Delaney estima que los márgenes brutos para un operador de vehículos autónomos podrían alcanzar el 40-50% en los próximos tres a cinco años, lo que elevaría las ganancias brutas en EEUU a aproximadamente 3.500 millones de dólares en 2030. No obstante, escalar flotas implica superar tantos obstáculos que la euforia ha dado paso a una visión más realista y moderada. Hace falta una amplia infraestructura física, con depósitos, centros de mantenimiento y conectividad de alta velocidad. De modo que el número de ciudades adecuadas para el despliegue masivo sigue siendo limitado en la actualidad. Además, desarrollar el software de los robotaxis requiere de miles de millones de dólares de inversión I+D, en contraste con los gastos asociados a la tecnología ADAS/AD (conducción autónoma), por la que se decantan muchos grandes fabricantes (OEM) hoy, que son claramente más asumibles.
En la Feria de Electrónica de Consumo (CES) de 2025 en Las Vegas, la CEO de Waymo, Tekedra N. Mawakana, protagonizó una de las sesiones estelares y Volvo hizo gala de pirotecnia tecnológica para promocionar su camión autónomo, que utiliza el sistema de conducción de Aurora Innovation. Pero la percepción general fue que, en lugar de repetirse las proclamas ambiciosas de otros tiempos, tanto las empresas tecnológicas como los fabricantes de automóviles tradicionales están dando prioridad a las soluciones prácticas y listas para el mercado[21]. Casi todos los encuestados por McKinsey (96%) consideran que las alianzas estratégicas entre las startups y las empresas de viajes compartidos, los gigantes del sector TIC, los grandes fabricantes y los principales usuarios, como los transportistas, serán cruciales para el desarrollo de vehículos autónomos. La mayoría opina también que el mercado norteamericano será el más fragmentado, solo el 15% espera que esté dominado por uno o dos actores, en contraste con el 38% que creen que eso es precisamente lo que va a suceder en el caso europeo[22]. Por todo ello, es poco probable que los fabricantes de automóviles, en general, participen en un desarrollo integral del nuevo sector, ya que esto agotaría los recursos que necesitan con urgencia para la transición a sistemas de propulsión eléctricos[23].
En contrapartida, a medida que aumente la escala del sector, los costes podrían disminuir por la propia evolución de la tecnología, en ámbitos clave como el de las cámaras. Se estima que la producción de cada uno de los vehículos que actualmente prestan el servicio de Waymo asciende a 150.000 dólares[24]. La próxima generación de hardware ofrecerá un mayor rendimiento a un coste significativamente menor. Tesla, Wayve y otras empresas están adoptando el enfoque de desarrollar directamente sus sistemas con hardware más asequible, utilizando únicamente cámaras e imitando a los humanos. Gracias a ello, la conducción por kilómetro se está abaratando, y podrían bajar de aproximadamente 22 céntimos de euro en 2025 a nueve en 2040. Los costes del seguro también podrían disminuir de 31 a 14 céntimos por kilómetro durante el mismo período. Las empresas de vehículos autónomos necesitarán, por último, cada vez menos operadores remotos, que actúan como red de seguridad y proporcionan asistencia virtual: cada uno podría gestionar 35 vehículos en 2040, frente a los 10 de 2030 y los apenas tres actuales.
En el caso de los camiones autónomos, la evolución será similar. El coste por kilómetro podría bajar de 3,8 a 1,18 euros en 2030, mientras que el coste de los camiones conducidos por humanos aumentará de 1,63 a 1,75 euros por kilómetro, impulsado por la subida salarial de los conductores. La UE parece, de hecho, más centrada en la integración de lanzaderas robóticas (roboshuttles), autobuses y camiones autónomos con los sistemas de transporte público que en el lanzamiento de los vehículos autónomos comerciales o particulares, aunque las fronteras internacionales entre los Estados miembro planteen todavía desafíos para las aplicaciones de larga distancia.
El transporte de mercancías se presenta como el ámbito más prometedor para la automatización. Las ventas de camiones autónomos podrían representar hasta el 30% de las ventas totales de camiones nuevos en EEUU en 2035. Este país está mejor posicionado para liderar su adopción, especialmente en las rutas de larga y media distancia, debido a sus ventajas en coste total de propiedad (TCO) y a la apremiante necesidad de abordar la escasez de conductores. Actualmente, solo se están implementando unos pocos camiones autónomos en la Cuenca Pérmica y el estado de Texas, en EEUU, pero su número podría alcanzar los 25.000 vehículos en 2030, cifra que aún representaría, en cualquier caso, menos del 1% de la flota total de camiones comerciales existente. El volumen de negocio por el transporte autónomo de carga sería en ese caso de unos 18.000 millones de dólares, sobre un mercado total del sector de mercancías por carretera de unos 660.000 millones[25].
A nivel mundial, se prevé llegar al medio millón adicional de conductores autónomos de camiones L4, mientras que los conductores restantes asumirán funciones de supervisión o continuarán trabajando en las regiones menos desarrolladas. Europa también podría obtener fuertes beneficios vía TCO para larga y media distancia, pero necesita un enfoque paneuropeo para escalar rápidamente las operaciones y alcanzar ese 26% en las ventas de camiones nuevos en 2035 que prevén los expertos. La apuesta en el continente apunta a rutas fijas L4 de alta calidad para el transporte autónomo de corta distancia (300-700 km). La sueca Einride está planificando implantarlas en Reino Unido, Noruega y Suecia, para lo cual exige a las empresas que establezcan instalaciones auxiliares a lo largo del camino.
China podría seguir un ritmo de adopción de camiones autónomos todavía más lento, porque su TCO es inferior, salvo que su Gobierno decida intervenir de forma más clara. Cuenta con empresas como Inceptio y DeepWay que superan ya las 1.000 unidades vendidas. La primera ha establecido alianzas a largo plazo con más de 13 entidades y había alcanzado los 100 millones de kilómetros en mayo de 2025. No obstante, lo ha conseguido después de dar un giro estratégico a sus operaciones, que han pasado de dos conductores L4 a un solo conductor (L2+/L3) y han ampliado sus rutas a 800-1.000 km. El resultado ha sido una reducción de los costes laborales de los conductores de hasta un 40%, y un aumento de sus ingresos de aproximadamente el 8%.
El desarrollo de las lanzaderas robóticas y los autobuses autónomos, que también ofrecía perspectivas muy alentadoras, se ha acabado atascando. Las primeras asomaron en su momento como la solución ideal para el transporte de última milla y más de 25 empresas llegaron a disputarse la primacía en el sector. Sin embargo, la financiación insuficiente está impidiendo a muchas compañías avanzar más allá de las pruebas a pequeña escala, y ha puesto de manifiesto una inesperada falta de interés público, esencial para establecer un modelo de negocio viable en este sector. Entre las empresas que siguen apostando por esta tecnología destacan WeRide en Singapur, QCraft en 10 ciudades de China continental, Pix Moving en 16 ciudades de todo el mundo y Hyundai en Corea del Sur y Reino Unido. En mayo de 2024, el Grupo Renault presentó su estrategia de vehículos autónomos[26] y lanzó, por primera vez en Europa, junto con WeRide, un experimento en carretera con dos minibuses autónomos durante el torneo de tenis de Roland-Garros. Recorrieron 1.000 kilómetros y transportaron a casi 700 personas. Ya se están llevando a cabo nuevos experimentos en toda Europa, como en Zúrich (Suiza), Valence (Francia) y Barcelona.
Como hemos comentado ya en el primer capítulo, a favor de la expansión de los vehículos autónomos juegan los buenos datos en cuanto a siniestralidad, que se cobra 1,2 millones de vidas en las carreteras. Las redes sociales muestran accidentes con robotaxis extravagantes, como el que afectó a una orquesta de trompetas en el estacionamiento de Waymo en agosto de 2024. Pero el Departamento de Vehículos a Motor (DMV) de California mantiene registros de todas las colisiones con vehículos autónomos y la realidad es que, entre enero de 2019 y julio de 2024, se presentaron 600 informes y sólo en 29 ocasiones se pudo atribuir la culpa a un conductor artificial. En el 95% de los casos[27], la responsabilidad fue humana, un porcentaje ampliamente aceptado para los accidentes de tráfico causados personas, mientras que el 5% restante se atribuye a otras causas, como fallos mecánicos, animales salvajes que saltan a la carretera y accidentes imprevistos. Además, en muchas de las 571 colisiones provocadas por las personas, el vehículo autónomo ni siquiera conducía.
Los robotaxis en California recorrieron 5,3 millones de kilómetros sin conductor de seguridad en 2023 y sólo se les puede atribuir responsabilidad en una colisión cada 482.000 kilómetros, frente a los 322.000 kilómetros de los conductores estadounidenses de todo el país, cifra que aumenta a una vez cada 161.000 kilómetros en San Francisco. Un estudio realizado por Swiss Re sobre más de 40 millones de kilómetros de conducción autónoma de vehículos Waymo ha revelado que estos fueron objeto de aproximadamente un 90% menos reclamaciones de seguros en comparación con los vehículos conducidos por personas, incluso los más avanzados[28]. Se estima que cuando la tasa de penetración de mercado de los vehículos sea del 10%, estos pueden reducir los riesgos de accidentes y lesiones de vehículos en un 50%; cuando la tasa de penetración se mejora al 50%, los riesgos se pueden reducir en un 90%[29].
Los conjuntos de datos obtenidos por sensores también son útiles para determinar la responsabilidad[30]. Bosch, Continental AG, Denso Corporation, Veoneer, Valeo, Hella, Aptiv, Panasonic, ZF Friedrichshafen AG, Hitachi, Velodyne, Shenzhen Anzhijie Technology, Ibeo Automotive Systems, Ouster, Quanergy Systems, LeddarTech, Luminar, Hesai Tech o Leishen[31], son algunos de los líderes tecnológicos en el ámbito de los sensores para vehículos autónomos y la lista no deja de crecer. Como se ha dicho en el primer apartado del capítulo, el LiDAR, que utiliza luz para medir distancias entre objetos, se ha considerado durante mucho tiempo la más precisa de las tecnologías de detección, ya que proporciona mapas tridimensionales de alta resolución en prácticamente cualquier condición climática[32]. Su balance en frenadas de emergencia, detección de peatones y prevención de colisiones es insuperable. Sin embargo, tiene un precio de tres a cinco veces superior al del radar, que se está posicionando cada vez más como alternativa.
El cambio reciente tiene que ver con los problemas de resolución del radar. Ahora, está prácticamente a la par gracias a la mayor apertura del radar más reciente, que también cuenta con ecolocalización y aplica el principio de medición del tiempo de vuelo, como hace el LiDAR. Con esto, crea imágenes de nube de puntos del entorno del vehículo. Para habilitar las nuevas funciones, los sistemas de radar pasaron a utilizar conjuntos de antenas de entrada y salida múltiple (MIMO) que permiten el mapeo de alta resolución.
Sin embargo, más allá de los riesgos físicos hay otro tipo de amenazas en el ámbito cibernético que pueden condicionar también la expansión de los vehículos autónomos. Si son atacados por hackers podrían alterarse los comportamientos normales de conducción y causar problemas de seguridad[33]. Se espera que los ataques potenciales más graves sean aquellos que inciden sobre los sistemas globales de navegación por satélite de los vehículos y los que buscan confundir los sistemas operativos de los vehículos con información falsa, para dirigirlos a destinos incorrectos o por rutas de conducción inestables. En menor medida, se teme la posible fuga de datos. Al registrar todo lo que sucede dentro y alrededor de ellos, para proporcionar servicios personales de movilidad compartida, los vehículos autónomos tienen incidencia en el ámbito de la privacidad. Registran y evalúan datos de los usuarios, incluida la frecuencia de uso del servicio, el tiempo medio de viaje o los lugares visitados frecuentemente, y les identifican a través de números de teléfono móvil, reconocimiento facial y huellas dactilares.
Los avances tecnológicos que van a ir aterrizando en el mercado los próximos años marchan también a favor de la conducción autónoma. En el caso del nuevo ciclo de IA generativa (GenAI), los modelos de extremo a extremo (E2E) están reemplazando a los sistemas tradicionales basados en reglas que gestionan con dificultades la complejidad de la conducción en el mundo real. Al crear datos sintéticos, la GenAI ayuda significativamente al entrenamiento de sistemas autónomos, dado que la recopilación de datos en el mundo real es costosa e incompleta. Asimismo, la IA está fortaleciendo la colaboración hombre-máquina mediante sistemas de monitorización del conductor (SDM) e interfaces (HMI) mejorados dentro del vehículo, que permiten comandos de voz más intuitivos y controles adaptativos.
Desarrollar los algoritmos de IA adecuados exige, no obstante, miles de millones de euros de inversión en I+D, y deben planificarse y adaptarse al entorno de conducción único de cada ciudad. A ello se suma, en el caso europeo, que los sistemas de IA implementados en vehículos autónomos, o en conexión con ellos, se clasifican como sistemas de IA de alto riesgo conforme a la Ley de IA de la UE si afectan a la conducción y la seguridad de los pasajeros. Está exigencia se aplicará, en todo caso, a través del Reglamento Marco de Homologación de Tipo (TAFR)[34] y el Reglamento General de Seguridad (GSR)[35], ambas normas forman parte de la legislación sectorial, que queda modificada para ello en virtud de la Ley de IA[36].
En EEUU, no existen estándares ni directrices nacionales, lo que permite a los Estados determinar los suyos propios. Las leyes de responsabilidad del producto intervienen hoy cuando ocurren accidentes y su interpretación depende de múltiples factores, especialmente si el vehículo se operaba adecuadamente para su nivel de automatización. China ha emitido el Proyecto de Propuesta de Enmiendas a la Ley de Seguridad Vial que regula los requisitos de prueba y aprobación, así como la asignación de responsabilidad cuando ocurren accidentes o infracciones[37].
Las tecnologías actuales de conducción autónoma, especialmente las relacionadas con la percepción y la predicción, se han beneficiado enormemente de los avances en visión artificial[38]. Sin embargo, persisten dificultades en muchas dimensiones, como la gestión de entornos complejos y rápidamente dinámicos, la explicación de las decisiones y el seguimiento de instrucciones humanas. A menudo, los ojos artificiales no logran comprender el contexto y eso limita el avance hacia una conducción autónoma más avanzada. La aparición de los LLM (modelos de lenguaje extenso) y los VLM (modelos de visión-lenguaje) ofrecen posibles soluciones. Por ejemplo, los modelos de visión a gran escala actuales suelen contener miles de millones de parámetros, lo que hace que tanto el ajuste fino como la inferencia consuman muchos recursos y no sean compatibles con los requisitos de tiempo real. La tecnología de ajuste fino con eficiencia de parámetros (PEFT) podría reducir el número de parámetros entrenables.
En cuanto a la gestión de las decisiones del vehículo autónomo, la fórmula óptima será híbrida: el vehículo debe adoptar las medidas críticas en tiempo real, mientras que el análisis de datos y las actualizaciones de modelos deben permanecer en la nube. Hay que resolver todavía cuestiones como la arquitectura del software y los requisitos de hardware para la aplicación de grandes VLM, considerando que es imposible determinar la causa específica de un accidente de tráfico a partir de una sola imagen. Además, el fenómeno de la alucinación de los modelos de lenguaje extenso autorregresivos plantea serios desafíos para las aplicaciones prácticas[39] y alimenta el debate ético sobre la atribución de la responsabilidad en caso de accidente.
El grado de sofisticación en el uso de la IA tendrá incidencia en el impacto de los vehículos autónomos en el medio ambiente. Se prevé que una conducción ecológica reduzca el consumo de energía hasta en un 20%. Las mejoras en la prevención de colisiones, debido a las mayores prestaciones en materia de seguridad, pueden aligerar el peso y el tamaño de los vehículos autónomos, lo que podría disminuir el consumo de combustible entre un 5 y un 23%[40]. El dimensionamiento correcto del vehículo, es decir, su adaptación a determinadas necesidades y usos, podría añadir también otro 21-45% de ahorro. Aunque suene paradójico, la conducción autónoma podría incrementar el flujo de vehículos en aproximadamente un 15%, pero reducir al mismo tiempo la congestión del tráfico en un 30%[41], con la consiguiente bajada del consumo de combustible en hasta un 4%. Hay quienes creen, sin embargo, que esto se convertirá un acicate para incrementar el número de kilómetros recorridos por vehículo, lo que nos devolvería al punto inicial. Por último, los modelos de estacionamiento inteligente también contribuirán a ahorrar combustible al minimizar los tiempos de búsqueda de espacios libres.
A raíz de la entrada en vigor de la Ley de Vehículos Automatizados de Reino Unido, prevista para la primavera de 2026, se han analizado los aspectos colaterales a la expansión de una tecnología que obliga a replantear muchos de nuestros actuales paradigmas. Por ejemplo, la eliminación de la necesidad de conductores humanos[42] y de los correspondientes empleos podría reducir significativamente los costes laborales[43]. Asimismo, los vehículos autónomos podrían operar 24/7, y eso transforma todo el panorama logístico y podría propiciar, entre otras cosas, un incremento de la demanda de comercio electrónico[44].
En clave social, los vehículos autónomos ofrecen un potencial de mejora sustancial para las personas desatendidas por el sistema de transporte público actual o que sufren barreras de movilidad. En el Reino Unido, el 25% de la población presenta dificultades de movilidad, son personas que tienen miedo de usar el metro y no viajan en coche para no conducir solos, por lo que están prácticamente condenados a quedarse en casa. Muchas ciudades, incluso las de más de 20 millones de habitantes, no pueden permitirse sistemas ferroviarios en toda la malla urbana y dependen de pequeños autobuses de servicio público. En Alemania, se estima que se necesitarán 80.000 conductores de autobús en 2030. Se podría reemplazar la antigua tecnología de sistemas ferroviarios (metro, tranvía, tren ligero, etc) por servicios 24/7 con un coste base de apenas la mitad del que tienen los sistemas de transporte público actuales[45].
La movilidad compartida permite a los consumidores acceder a diversos modos de transporte según sus necesidades[46]. A medida que el coste de oportunidad disminuya, la población podrá optar por vivir más lejos de los centros urbanos, lo que podría aumentar el valor de las propiedades periféricas e impulsar a la expansión urbana. Empresas e individuos tendrán más facilidades interactuar entre ubicaciones y beneficiarse de la concentración espacial de las economías de aglomeración[47]. Todo ello obligará a pensar en cambios en la planificación urbana y en la infraestructura actuales, en particular en la digital que es la que debe habilitar carriles designados, sistemas de tráfico inteligentes y estructuras de carga.
En un futuro, durante la conducción autónoma, se espera que los pasajeros puedan realizar una amplia variedad de actividades que ahora no son posibles dentro del vehículo, como ver películas, beber, usar ordenadores portátiles y comprar. Las empresas relevantes del sector TIC, la industria del entretenimiento, el retail o los medios de pago online están analizando ya a fondo las oportunidades que abre esta nueva plataforma que mantiene durante largos periodos de tiempo cautivos a sus potenciales usuarios. En paralelo, el diseño del espacio interior de los vehículos está en proceso de revisión a fondo: nuevas posibilidades inmersivas para la realidad virtual y aumentada integradas en ventanas y salpicadero confluyen en la mesa de operaciones con mobiliario hasta ahora impensable, como mesas de trabajo, nuevos sistemas de acceso y la desaparición de componentes que pueden ir perdiendo sentido, desde los pedales hasta el espejo retrovisor.
La penetración de las empresas tecnológicas en el mercado de la movilidad compartida[48], con soluciones de detección, inteligencia artificial, comunicación, navegación y datos geoespaciales de alta definición, además de sistemas de software, chips y unidades de procesamiento gráfico (GPU) para vehículos, así como aplicaciones de entretenimiento, supone todo un desafío para la industria auxiliar del automóvil. La Comisión Europea promueve una alianza para que los fabricantes compartan tecnologías que fomenten el desarrollo de vehículos autónomos, en paralelo a su apoyo a los eléctricos[49], y pretende fortalecer las cadenas de suministro, especialmente en el ámbito de las baterías para vehículos eléctricos[50]. Quiere evitar depender de los proveedores existentes, especialmente tras la quiebra del principal desarrollador nacional de baterías, Northvolt.
EN ESPAÑA. Una industria en pruebas, pendiente de la regulación
La Estrategia de Seguridad Vial 2030 define manifiesta la intención de que España se convierta en laboratorio de pruebas del vehículo autónomo, “y se logre un avance significativo en la regulación y las condiciones de base necesarias, tanto en los vehículos como en las vías para poder implantar progresivamente una conducción automatizada segura”, según se recoge en el proyecto de Real Decreto para vehículos totalmente automatizados cuya aprobación se encuentra en curso. El Gobierno prevé la creación de una oficina o ventanilla única para la gestión de las solicitudes de pruebas, así como de un sistema de certificación de vehículos autónomos, basado en la acreditación del cumplimiento de los preceptos del Reglamento General de Circulación.
En junio de 2025 se dio a conocer el Programa Marco de Evaluación de la Seguridad y Tecnología de Vehículos Automatizados (Programa ES-AV)[51], que establece un código nacional para los ensayos y operaciones con vehículos automatizados, o conducidos de forma remota, desde prototipos a pre-homologación. El objetivo es avanzar en la definición de la política de circulación segura y de certificación, y el Centro Gestor del Programa ES-AV (CG-ESAV), perteneciente a la Subdirección General de Gestión de la Movilidad y Tecnología de la Dirección General de Tráfico, se ha configurado como el órgano encargado de gestionar las autorizaciones y admisiones.
Las propuestas pueden dirigirse a la Oficina para la Facilitación de Pruebas de Vehículos Automatizados en vías públicas (OFVA). Ya están disponibles los principales datos de las pruebas y operaciones que han recibido autorización: E-BUSKAR, por ejemplo, realizó pruebas con un autobús autónomo en Leganés entre enero y febrero de 2025 y recorrió 279,20 km; Renault probó dos vehículos tipo shuttle en Barcelona en marzo y acumuló 141,65 km; ALSA lleva a cabo pruebas en curso con un shuttle en el campus de Cantoblanco (UAM), con una duración prevista de dos años; y el CTAG inició pruebas en Sevilla en mayo, también con un shuttle, que siguen en marcha.
No obstante, los experimentos de conducción autónoma tienen años de recorrido en nuestro país. En 2022, el CTAG gallego había participado en pruebas en el marco del proyecto europeo 5G-MOBIX, centrado en la tecnología 5G para la Movilidad Conectada y Automatizada avanzada. Los experimentos tuvieron lugar en el corredor Tui-Valença, implicaron a un shuttle autónomo 100% eléctrico desarrollado por el centro español y abordaron la adaptación de velocidad (para evitar a un peatón, por ejemplo) y la conducción remota en una situación crítica.
A través de la primera convocatoria del Perte del Vehículo Eléctrico y Conectado (VEC), se han financiado tres proyectos[52] enfocados a la conducción autónoma y la movilidad conectada, liderados por Renault Group, Ficosa y otro por Avanza Zaragoza. El importe total es, no obstante, de apenas 14,5 millones de euros, con los que resulta complicado movilizar un cambio de modelo productivo. España cuenta con cinco corredores donde se pueden realizar tests de estas tecnologías. Entre las compañías que se posicionan como referentes en el desarrollo del vehículo autónomo en nuestro país destaca también Applus+ IDIADA en la provincia de Tarragona, especializada en la validación de tecnologías de comunicación y sistemas de control en el circuito ADAS/CAV, incluida la protección frente a ciberataques. La división de la alemana Bosch en nuestro país participa también de forma activa en proyectos centrados en sensores avanzados, radares, cámaras y IA, con la mirada puesta en alcanzar el Nivel 3 de autonomía. GMV e Indra están desarrollando tecnologías clave en el proyecto R3CAV, al igual que Abertis a través del proyecto Future World y la empresa guipuzcoana MASERMIC también participan en este sector.
Actualmente, la principal barrera para la circulación de vehículos autónomos en España es la falta de un marco normativo que permita la operación de los niveles 4 o superiores, a pesar de los avances tecnológicos, según ANFAC[53]. La adecuación de la normativa no corresponde únicamente a nuestro país, sino que debe abordarse a nivel europeo y con estrategias de integración tecnológica que reduzcan el impacto de las fronteras. La mayoría de la oferta comercial de vehículos ligeros, tanto de pasajeros como de mercancías, se concentra en un nivel de automatización 2. Está presente en el 81% de los modelos de turismos disponibles y en el 57% de los modelos de vehículos comerciales ligeros. Destaca la presencia del sistema de advertencia de colisión con peatones y ciclistas (97,9%), aunque no es obligatorio para vehículos ligeros, el sistema de emergencia de mantenimiento de carril (ELKS) (96,1%) y el asistente de velocidad inteligente (ISA) (94,6%). Para el transporte de mercancías, un 71% de los modelos de la oferta de vehículos industriales un nivel 2 de autonomía, mientras que en el caso de los autobuses, la mayoría de la oferta comercial se concentra todavía en un nivel de automatización 1.
[1] Martínez, M. (2022) El Estiércol de Caballo Que redefinió La Arquitectura – blog Ferrovial, Ferrovial. Disponible en:: https://blog.ferrovial.com/es/2022/10/estiercol-caballo-redefinio-arquitectura/#:~:text=Y%20lo%20mismo%20ocurr%C3%ADa%20en,caballos%20de%201300%20establos%20diferentes. (Consultado el 20/06/2025).
[2] Litman, T. (2025) Autonomous Vehicle Implementation Predictions, Victoria Transport Policy Institution. Disponible en: https://www.vtpi.org/avip.pdf (Consultado el 20/06/2025).
[3] Autonomous vehicles: Timeline and roadmap ahead (2025) World Economic Forum. Disponible en: https://www.weforum.org/publications/autonomous-vehicles-timeline-and-roadmap-ahead/ (Consultado el 20/06/2025).
[4] Rangwala, S. (2022) Thermal cameras gain acceptance for Adas and autonomous cars, Forbes. Disponible en: https://www.forbes.com/sites/sabbirrangwala/2022/10/28/thermal-cameras-gain-acceptance-for-adas-and-autonomous-cars/ (Consultado el 20/06/2025).
[5] Saveliev, V. (2025) ‘New tendencies in LIDAR technology for Autonomous Vehicles and other applications’, Autonomous Systems: Sensors, Processing, and Security for Ground, Air, Sea, and Space Vehicles and Infrastructure 2025, p. 2. doi:10.1117/12.3053382. (Consultado el 20/06/2025).
[6] Edwards, C. (2025) US safety regulators contact Tesla over erratic robotaxis, BBC News. Disponible en: https://www.bbc.com/news/articles/cg75zv4gny2o (Consultado el 25/06/2025).
[7] Rose, I. (2025) The slow but steady advance of driverless vehicles, BBC News. Disponible en: https://www.bbc.com/news/articles/cly41yx9w88o (Consultado el 20/06/2025).
[8] Symonds, D. (2019) Mayor launches Ottawa L5 autonomous vehicle test track, ADAS & Autonomous Vehicle International. Disponible en: https://www.autonomousvehicleinternational.com/news/testing/mayor-launches-ottawa-l5-autonomous-vehicle-test-track.html (Consultado el 20/06/2025).
[9] Martínez, P. (2024) Los taxis sin conductor Afrontan Su Extensión total por eeuu, y el ‘culpable’ es un español, elconfidencial.com. Disponible en: https://www.elconfidencial.com/motor/nueva-movilidad/2024-10-10/hyundai-ioniq-waymo-taxi-autonomo-robotaxi-jaguar-zeekr-jose-munoz_3979422/ (Consultado el 20/06/2025).
[10] Abdel-Aty, M., Ding, S. A matched case-control analysis of autonomous vs human-driven vehicle accidents. Nat Commun 15, 4931 (2024). DOI: 10.1038/s41467-024-48526-4
[11] “Autonomous Vehicles: Timeline and Roadmap Ahead”, World Economic Forum / Boston Consulting Group, 24 de abril de 2025
[12] “The Autonomous Vehicle Market Is Forecast to Grow and Boost Ridesharing Presence”, Goldman Sachs, 3 de julio de 2025
[13] www.legislation.gov.uk/ukpga/2024/10/contents/enacted
[14] “Self-driving vehicles set to be on roads by 2026 as Automated Vehicles Act becomes law”, Gobierno de Reino Unido, 20 de mayo de 2024
[15] news.gm.com/home.detail.html/Pages/news/us/en/2024/dec/1210-gm.html
[16] Graham Hope, “Autonomous Vehicles: The Outlook for 2025”, IoT World Today, 27 de diciembre de 2024
[17] “Mastering mobility: autonomous vehicles and EU-alignment”, EIT Urban Mobility, 6 de diciembre de 2024
[18] digital-strategy.ec.europa.eu/en/policies/cross-border-corridors
[19] eur-lex.europa.eu/eli/reg/2019/2144/oj
[20] eur-lex.europa.eu/eli/reg_impl/2022/1426/oj
[21] Jeremy Carlson, Brock Walquist, “A More Practical Future for Autonomous Vehicles”, S&P Global, 31 de enero de 2025
[22] Derek Chiao et al. “Autonomous vehicles moving forward: Perspectives from industry leaders”, McKinsey, 5 de enero de 2024
[23] “Autonomous driving”, Roland Berger, 30 de octubre de 2024
[24] Clément Chamboulive, “AI-powered autonomous driving: global expansion and regulatory support”, Robeco, 5 de marzo de 2025
[25] Goldman Sachs, 2025
[26] media.renaultgroup.com/autonomous-vehicles-for-public-transportation-the-growing-interest-of-local-authorities-and-mobility-operators-in-renault-groups-approach/
[27] James Jeffs, “Autonomous Vehicle Industries Now and in 10 Years”, IDTechEx, 20 de noviembre de 2024
[28] Di Lillo, L. et al., Do Autonomous Vehicles Outperform Latest-Generation Human-Driven Vehicles? A Comparison to Waymo’s Auto Liability Insurance Claims at 25.3M Miles, Swiss Re / Waymo, diciembre de 2024
[29] Lin Tu, Min Xu, An Analysis of the Use of Autonomous Vehicles in the Shared Mobility Market: Opportunities and Challenges, Sustainability, 8 de agosto de 2024, doi.org/10.3390/su16166795
[30] Amolika Sinha et al. Crash and disengagement data of autonomous vehicles on public roads in California, Sci Data., 23 de noviembre de 2021, 10.1038/s41597-021-01083-7
[31] www.linkedin.com/pulse/global-autonomous-vehicle-sensors-market-growth-future-outlook-nhdkf/
[32] Stefan Dobler, Victor Kondel, “LiDAR And Radar Battle For Autonomous Vehicle Turf”, Oliver Wyman, julio de 2023, consultado el 11/07/2023
[33] Han Wu et al. Adversarial Driving: Attacking End-to-End Autonomous Driving, 2023 IEEE Intelligent Vehicles Symposium (IV), 27 de julio de 2023, DOI: 10.1109/IV55152.2023.10186386
[34] eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:02018R0858-20230730
[35] eur-lex.europa.eu/legal-content/EN/TXT/PDF/?uri=CELEX:02019R2144-20220905
[36] Osman Gazi Güçlütürk, Bahadir Vural, “Driving Innovation: Navigating the EU AI Act’s Impact on Autonomous Vehicles”, Holistic AI, 20 de marzo de 2024
[37] www.china.org.cn/china/2021-04/04/content_77376009.htm
[38] Xingcheng Zhou et al. Vision Language Models in Autonomous Driving: A Survey and Outlook, IEEE, 16 de mayo de 2024, 10.1109/TIV.2024.3402136
[39] L. Huang et al., A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions, ACM Transactions on Information Systems, enero de 2024, doi.org/10.1145/3703155
[40] css.umich.edu/sites/default/files/2024-10/Autonomous%20Vehicles_CSS16-18.pdf
[41] Xujun Wang, An Analysis of the Future Trends and Challenges of Autonomous Driving Technology, Proceedings of the 2nd International Conference on Machine Learning and Automation, 8 de noviembre de 2024, doi.org/10.54254/2755-2721/104/20241087
[42] Alexandros Nikitas, Alexandra-Elena Vitel, Corneliu Cotet, Autonomous vehicles and employment: An urban futures revolution or catastrophe?, Cities, julio de 2021, doi.org/10.1016/j.cities.2021.103203
[43] Jeremy Webb, The future of transport: Literature review and overview, Economic Analysis and Policy, marzo de 2019, doi.org/10.1016/j.eap.2019.01.002
[44] Heleen Buldeo Rai, Sabrina Touami, Laetitia Dablanc, Autonomous e-commerce delivery in ordinary and exceptional circumstances. The French case, Research in Transportation Business & Management, diciembre de 2022, doi.org/10.1016/j.rtbm.2021.100774
[45] Anja Huber et al. “Autonomous vehicles: The future of European transport?”, McKinsey, 23 de junio de 2025
[46] Lin Tu, Min Xu, An Analysis of the Use of Autonomous Vehicles in the Shared Mobility Market: Opportunities and Challenges, Sustainability, 8 de agosto de 2024, doi.org/10.3390/su16166795
[47] Daniel J. Graham, Stephen Gibbons, Quantifying Wider Economic Impacts of agglomeration for transport appraisal: Existing evidence and future directions, Economics of Transportation, septiembre de 2019, doi.org/10.1016/j.ecotra.2019.100121
[48] León, L.F.A., Aoyama, Y. Industry emergence and market capture: The rise of autonomous vehicles. Technol. Forecast. Soc. Chang., julio de 2022, doi.org/10.1016/j.techfore.2022.121661
[49] Nick Flaherty, “EU alliance to push driverless vehicle technologies, large scale pilots”, eenewseurope.com, 3 de marzo de 2025
[50] Chris Rosamond, “Europe proposes big push on self-driving vehicles, and measures to boost EV demand”, autoexpress, 3 de marzo de 2025, consultado el 10/07/2025
[51] www.dgt.es/muevete-con-seguridad/vehiculos-seguros/conduccion-automatizada/marco-pruebas-vehiculos-automatizados/
[52] Diego Estebanez, “España acelera en la carrera por el coche autónomo a la espera de cambios en la normativa”, El Economista, 15 de agosto de 2025
[53] “Barómetro Vehículo Autónomo y Conectado 2024”, ANFAC, noviembre de 2024