La evolución de Zhuoyu: la empresa de conducción autónoma nacida de la visión de los drones de DJI

1. El cruce del gen del dron: un origen en la visión estéreo frontal

En 2016, en el corazón de DJI, comenzó un proyecto de investigación previa numerado BR1609 — prácticamente el noveno proyecto de investigación que DJI inició ese año. Casi nadie en ese momento habría adivinado que se convertiría en una de las empresas de conducción autónoma más singulares de China, cuya decisión más famosa fue borrar su propia base de código.

En 2016, el Phantom 4 de DJI acababa de asegurar el mercado de drones de consumo con visión por máquina líder, y la serie «Mavic» (御) estaba redefiniendo lo que podía ser un dron portátil. Shen Shaojie (沈劭劼) — entonces profesor asistente en HKUST e ingeniero de DJI en localización y planificación de drones — dirigió el equipo que primero puso cámaras estéreo en drones. Su equipo trasladó su investigación de HKUST, un sistema de navegación visual-inercial basado en el framework VINS, del laboratorio a los drones de producción.

El equipo notó algo importante: la visión por máquina usada para drones y la percepción del entorno requerida para conducir compartían la misma lógica subyacente. Las capacidades acumuladas de DJI en algoritmos de visión, fusión de sensores y navegación inercial podían trasladarse a los vehículos. En 2017, el pequeño equipo realizó sus primeras pruebas en carretera en un recinto cerrado en Shenzhen, con un sistema de percepción adaptado de la tecnología de drones. En 2018, el proyecto recibió uno de los primeros permisos de prueba de conducción autónoma de Shenzhen y pasó a validación en carretera abierta.

Desde ese momento, se fijó una identidad técnica que atravesaría toda la historia de la empresa: visión primero, construida alrededor de un sistema de visión estéreo inercial frontal — descendiente directo del trabajo VINS de la era de los drones.

2. La plataforma Chengxing: piloto urbano en hardware de bajo coste

En 2021, la división Automoción de DJI se estableció formalmente y apareció por primera vez en el Salón del Automóvil de Shanghái. La ruta técnica de Zhuoyu divergió claramente de la corriente dominante:

• Sin acumulación de cómputo: la industria asumía que la navegación urbana exigía 256+ TOPS. Zhuoyu se propuso ofrecer la misma capacidad en una plataforma de 32 TOPS o menos.
• Sin sensores caros: una configuración de visión de 7 cámaras (un par de cámaras estéreo inerciales frontales, una monocular trasera, cuatro ojo de pez periféricas) — sin mapas HD, sin dependencia del lidar.
• «Igualdad de conducción inteligente» como objetivo: llevar la asistencia avanzada a EVs de clase A0 que cuestan menos de 100 000 RMB.

En 2022, el Baojun KiWi EV, impulsado por una solución Zhuoyu, entró en producción en serie y se hizo conocido como «el experimento de conducción inteligente de 100 000 yuanes». La arquitectura — configuración mínima de sensores más optimización algorítmica extrema — fue bautizada como «Plataforma Chengxing» (成行平台). Su sistema de visión estéreo inercial autodesarrollado recupera información 3D por disparidad, detecta de forma robusta objetos inéditos de casos límite y eleva la precisión de percepción de obstáculos al rango de 0,05–0,1 metros. La industria tomó nota: un piloto urbano con ese presupuesto era inaudito.

3. La era de las reglas: una paradoja de ingeniería que se hacía más difícil, no más fácil

Como escuela de robótica tradicional, el equipo de Zhuoyu creyó durante mucho tiempo en los enfoques basados en reglas, con la suposición implícita de que «yo construí el modelo del mundo físico». En el desarrollo del piloto urbano, los ingenieros enumeraron escenarios de tráfico y escribieron miles de reglas para gestionar semáforos, giros sin protección, peatones y bicicletas eléctricas.

La realidad contraatacó con dureza. La complejidad del tráfico urbano chino supera con creces cualquier biblioteca de reglas — bicicletas eléctricas en sentido contrario, peatones cruzando a mitad de cuadra, «cremallera» interminable en intersecciones. Cada escenario de cola larga no enumerado exigía nuevas reglas, y cada nueva regla hacía surgir más problemas. El equipo describió la situación como una paradoja de ingeniería: «resuelves un problema y aparecen diez nuevos». El código de reglas crecía, y el sistema se volvía más torpe. En 2024, cuando la industria pivotó masivamente hacia el end-to-end, Zhuoyu quedó atrapado: modelo inmaduro, presión de entrega al cliente, producción backend volátil.

4. Iros a por todas: borrar la base de código y apostarlo todo al end-to-end

2024 se convirtió en el punto de inflexión.

Tras casi un año de preinvestigación end-to-end, el equipo tomó una decisión poco habitual en la industria — un momento de «cortarse el propio brazo». El 14 de octubre de 2024, borraron toda la base de código heredada y declararon: «A partir de ahora solo existe el end-to-end, sin reglas.»

La decisión eliminó ocho años de ingeniería basada en reglas. Por entonces, Zhuoyu acababa de separarse de DJI. Su primera ronda de financiación se había cerrado en 1500 millones RMB — pero solo había aterrizado un tercio. Miles de empleados, y el efectivo solo alcanzaba para unos pocos meses. El CEO Shen Shaojie describió la separación con una metáfora de The Three-Body Problem: la humanidad se convierte en humanidad espacial — no hay hogar al que volver, el enemigo es demasiado fuerte, y de cinco naves supervivientes, los recursos solo bastan para dos. «Hay que sacrificar tres.»

El giro no fue una apuesta a ciegas. Inspirado por lo que llamaba el enfoque «la inteligencia sobre la fuerza bruta» de Tesla (componentes modulares y explicables en lugar de una sola caja negra gigante), Zhuoyu eligió una ruta end-to-end explicable y diferenciada:

• Descomponer el modelo VLA (Vision-Language-Action) en módulos explicables y con roles definidos — fusión de percepción, comprensión de escena, planificación de decisión — manteniendo la ventaja data-driven del end-to-end mientras resolvía dos de los problemas más difíciles de la industria: el razonamiento causal y la generación de datos de baja frecuencia. Cada salida de módulo es trazable e interpretable; cuando algo falla, el equipo puede localizar qué módulo falló.
• Para los datos de baja frecuencia (tormentas, ventiscas, zonas de obras), se construyó una biblioteca de simulación con más de 200 escenarios de cola larga.

El ritmo de lanzamientos tras el giro fue rápido. En noviembre de 2024, el FAW Hongqi Tiangong 08 se convirtió en el primer vehículo de serie en estrenar el algoritmo end-to-end explicable de Zhuoyu (Chengxing «ClixPilot»), con configuración de 10 cámaras de alta capacidad sobre un Qualcomm SA8650P a 100 TOPS y navegación urbana sin mapa a escala nacional. En 2025, Zhuoyu desplegó con éxito la red end-to-end en el TDA4 de TI (32 TOPS) — ofreciendo el único NOA urbano de cómputo medio de su clase a vehículos de la clase de 100 000 yuanes de Wuling y Jetour vía OTA.

Hoy, Zhuoyu cubre 9 clientes de turismos, 15 programas de marca compartida, más de 50 modelos de producción, y reclama 34 socios con más de 130 programas de vehículos — desde EVs A0 de entrada hasta berlinas de lujo, pasando por combustión, híbrido y eléctrico puro.

Cierre

El arco de Zhuoyu es una historia de autodestrucción controlada. Un equipo de visión de drones heredó un talento profundo para exprimir capacidad de un hardware mínimo — visión estéreo en lugar de lidar, 32 TOPS en lugar de 256. Esa misma disciplina de «la inteligencia sobre la fuerza bruta» lo convirtió en uno de los primeros proveedores en entregar un piloto urbano end-to-end explicable en cómputo mainstream, y es lo que permite que una empresa que borró su propia base de código en octubre de 2024 esté hoy entre los proveedores líderes de asistencia a la conducción.

Imagen de portada: DJI Mavic 3 Pro vs DJI Phantom 4 Pro (vía Wikimedia Commons, CC BY 4.0) — las dos líneas de drones en el corazón del legado de visión de Zhuoyu.