💬 NLP

AITP: Traffic Accident Responsibility Allocation via Multimodal Large Language Models

Este artículo presenta AITP, un modelo de lenguaje grande multimodal que utiliza razonamiento en cadena y conocimiento legal recuperado para asignar responsabilidades en accidentes de tráfico, junto con DecaTARA, un nuevo conjunto de datos de referencia para esta tarea.

Autores originales: Zijin Zhou, Songan Zhang

Publicado 2026-04-24

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Zijin Zhou, Songan Zhang

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que el tráfico es como un inmenso y caótico juego de ajedrez donde las piezas (coches, peatones, bicicletas) se mueven a toda velocidad. A veces, las piezas chocan. Hasta ahora, cuando ocurría un accidente, teníamos que esperar a que un "árbitro humano" (un policía o un juez) revisara las cámaras, leyera las reglas y decidiera quién tenía la culpa. Esto es lento, cansado y a veces subjetivo.

Este paper presenta a AITP, que podríamos llamar "El Policía de Inteligencia Artificial". Es un nuevo cerebro digital diseñado para mirar las grabaciones de accidentes y decirnos, de forma rápida y justa, quién es el responsable.

Aquí te explico cómo funciona, usando analogías sencillas:

1. El Problema: Los "Ojos" pero sin "Cerebro"

Antes de AITP, existían otras inteligencias artificiales que podían ver un video y decir: "¡Oh, un coche chocó con un peatón!". Eran como cámaras de seguridad muy inteligentes que describían lo que veían.

El problema: Si les preguntabas "¿Quién tiene la culpa?", a menudo alucinaban o se equivocaban. Era como pedirle a un niño de 5 años que explique las reglas de un partido de fútbol profesional; veía la pelota, pero no entendía el reglamento.

2. La Solución: AITP y su "Libro de Reglas"

AITP no solo mira; piensa y consulta. Para hacerlo, usa dos trucos mágicos:

La Cadena de Pensamiento Multimodal (MCoT): El Detective Metódico
Imagina a un detective que no se lanza a acusar a nadie de inmediato. Primero, sigue una lista de verificación paso a paso:
1. ¿Hubo realmente un accidente? (Sí/No).
2. ¿Qué tipo de choque fue? (Coche contra peatón, etc.).
3. ¿En qué segundo exacto ocurrió? (Busca el frame exacto).
4. ¿Dónde estaban las personas? (Dibuja cajas alrededor de los implicados).
5. ¿Qué pasó antes y después? (La historia completa).
  Solo después de reunir todas estas pistas, llega a la conclusión final. Esto evita que la IA se precipite y cometa errores.
Generación Aumentada por Recuperación (RAG): El Abogado Consultor
AITP no inventa las reglas de tráfico. Tiene un "abogado" virtual a su lado. Cuando está a punto de decidir la culpa, consulta instantáneamente una base de datos con las leyes de tráfico reales (como el artículo 62 sobre peatones o el 47 sobre coches en pasos de peatones).
- Analogía: Es como si el juez tuviera el código penal abierto en la mesa mientras dicta sentencia, en lugar de intentar recordarlo todo de memoria.

3. El Campo de Entrenamiento: DecaTARA (El "Decatlón" de los Accidentes)

Para entrenar a este "Policía AI", los creadores no usaron solo un par de videos. Crearon DecaTARA, que es como un gimnasio gigante o un "Decatlón" (un evento con 10 pruebas) para la IA.

Contiene casi 68,000 videos de accidentes y situaciones normales.
La IA tuvo que practicar 10 tareas diferentes: desde detectar si hubo choque, hasta explicar por qué ocurrió y dar consejos para evitarlo en el futuro.
Lo más importante: les enseñaron a distinguir entre un accidente real y un "casi accidente" (cuando alguien frena a tiempo), para que no se confundan.

4. ¿Cómo aprendió? (El Entrenamiento Progresivo)

No le dijeron a la IA "aprende todo de golpe". Fue como enseñar a un niño a conducir:

Fase 1: Primero le enseñaron a conducir en un día tranquilo (reconocer coches, semáforos, peatones).
Fase 2: Luego le mostraron accidentes pequeños para que aprendiera a identificarlos.
Fase 3: Le enseñaron a explicar por qué ocurrieron esos accidentes.
Fase 4: Finalmente, le dieron las leyes de tráfico para que aprendiera a asignar la culpa basándose en la ley, no solo en la intuición.

5. Los Resultados: ¿Funciona?

¡Sí! Cuando pusieron a prueba a AITP contra otros modelos de inteligencia artificial (como los que usamos en nuestros teléfonos), AITP ganó por goleada.

Precisión: Fue mucho mejor detectando accidentes reales y asignando la culpa correcta.
Justicia: Al consultar las leyes reales, sus decisiones son más justas y explicables. Si dice "El peatón tiene la culpa", puede citar el artículo de la ley que lo respalda.

En resumen

AITP es como un policía digital superentrenado que tiene:

Ojos de halcón para ver cada detalle del video.
Un cerebro lógico que sigue pasos ordenados (no salta conclusiones).
Un libro de leyes siempre abierto a mano.

Su objetivo es hacer que la determinación de responsabilidades en accidentes de tráfico sea más rápida, justa y eficiente, liberando a los policías humanos de tareas repetitivas para que puedan enfocarse en lo más importante: mantener la seguridad en las calles.

Resumen Técnico: AITP y DecaTARA

1. El Problema

La asignación de responsabilidad en accidentes de tráfico (TARA, por sus siglas en inglés) es una tarea crítica que actualmente depende en gran medida de la evaluación manual, lo cual es lento y laborioso. Aunque existen avances en la Detección de Accidentes de Tráfico (TAD) y la Comprensión de Accidentes de Tráfico (TAU) mediante Modelos de Lenguaje Grandes Multimodales (MLLMs), estos enfoques se limitan principalmente a la descripción perceptual y narrativa de los eventos.

Los desafíos principales identificados son:

Falta de razonamiento causal profundo: Los modelos existentes no integran conocimientos legales ni realizan un razonamiento paso a paso para determinar culpabilidad.
Alucinaciones: La aplicación directa de MLLMs generales a TARA a menudo resulta en juicios de responsabilidad inestables o incorrectos debido a la falta de fundamentación en la ley y la estructura causal.
Ausencia de datos específicos: No existía un conjunto de datos a gran escala diseñado específicamente para la asignación de responsabilidad, ya que los datasets actuales se centran en la detección o descripción, sin etiquetado sistemático de la atribución de culpa.

2. Metodología

La propuesta se centra en dos pilares principales: un nuevo dataset y un nuevo modelo de IA.

A. DecaTARA (El Dataset)
Es el primer dataset multimodal a gran escala diseñado específicamente para TARA.

Escala: Contiene 67,941 videos de tráfico y 195,821 pares de preguntas-respuestas.
Estructura de 10 tareas: Unifica tareas interrelacionadas en tres subconjuntos:
1. Detección de Accidentes (TAD): Detección de ocurrencia, clasificación de tipo, localización temporal (frame exacto) y localización espacial (bounding boxes).
2. Comprensión de Accidentes (TAU): Descripción de hechos, análisis de causas y consejos de prevención.
3. Escenarios No Accidentales: Descripción y explicación de comportamientos vehiculares normales para evitar el sobreajuste y mejorar la generalización.
4. Evaluación de Responsabilidad (TARA): Asignación de culpabilidad (Responsabilidad principal, compartida o sin accidente) basada en regulaciones.
Anotación: Las etiquetas de responsabilidad siguen estándares oficiales de tráfico (ej. >70% de culpa = responsabilidad principal) y fueron validadas por especialistas en seguridad vial.

B. AITP (El Modelo)
AITP (Artificial Intelligence Traffic Police) es un MLLM diseñado para el razonamiento de responsabilidad, basado en la arquitectura Qwen3-VL. Utiliza una estrategia de entrenamiento progresivo de cuatro etapas y dos mecanismos clave de inferencia:

Entrenamiento Progresivo:
- Etapa 1: Alineación con el dominio del tráfico (escenarios normales).
- Etapa 2: Entrenamiento en detección de accidentes (TAD).
- Etapa 3: Entrenamiento en comprensión de accidentes (TAU).
- Etapa 4: Ajuste fino (LoRA) específico para la asignación de responsabilidad (TARA).
Mecanismos de Inferencia:
- Cadena de Pensamiento Multimodal (MCoT): El modelo no responde directamente. Realiza un diálogo interno paso a paso: detecta el accidente $\rightarrow$ identifica el tipo $\rightarrow$ localiza tiempo/espacio $\rightarrow$ describe hechos $\rightarrow$ infiere causas $\rightarrow$ asigna responsabilidad. Esto reduce las alucinaciones al forzar una verificación de evidencia visual antes de juzgar.
- Generación Aumentada por Recuperación (RAG): Durante la fase de asignación de responsabilidad, el modelo recupera artículos específicos de las regulaciones de tráfico de una base de datos externa. Esto asegura que la decisión final esté fundamentada legalmente y sea interpretable.

3. Contribuciones Clave

DecaTARA: La creación del primer dataset multi-tarea a gran escala para la asignación de responsabilidad en accidentes de tráfico, cubriendo desde la percepción básica hasta el razonamiento legal complejo.
AITP: Un modelo de lenguaje multimodal que integra MCoT y RAG para realizar un razonamiento causal y legal, superando las limitaciones de los modelos generales.
Nueva Métrica: Introducción de la precisión en la asignación de responsabilidad como una métrica cuantitativa fundamental para evaluar la capacidad de razonamiento de los modelos en este dominio.

4. Resultados Experimentales

Los experimentos compararon a AITP con modelos de estado del arte (SOTA) como Gemma-3n, Qwen3-VL, Kimi-VL e InternVL 3.5.

Rendimiento en TARA: AITP logró una precisión de 0.7218 en videos de accidentes, superando significativamente a los modelos generales (el siguiente mejor fue 0.3377).
Rendimiento en TAD y TAU: AITP también obtuvo el mejor rendimiento en detección de accidentes (precisión temporal y espacial) y comprensión (descripción de hechos y causas), demostrando una fuerte capacidad de razonamiento espaciotemporal.
Estudios de Ablación:
- El entrenamiento progresivo fue más efectivo que el entrenamiento conjunto de todas las tareas.
- La combinación de MCoT + RAG fue crucial: el MCoT mejoró la estabilidad del razonamiento y el RAG aumentó la precisión legal, reduciendo las alucinaciones.
Caso de Uso: En ejemplos cualitativos, mientras modelos como Qwen3-VL fallaban al detectar accidentes o asignar culpas incorrectamente, AITP identificaba correctamente el evento, citaba el artículo de ley relevante (ej. Artículo 62 sobre peatones) y asignaba la responsabilidad con precisión.

5. Significado e Impacto

Este trabajo establece un nuevo paradigma para el análisis de tráfico impulsado por el razonamiento.

Automatización Legal: Ofrece una solución viable para automatizar la determinación de responsabilidades en casos rutinarios, reduciendo la carga de trabajo de las autoridades y acelerando los procesos de seguros.
Fundamento Legal: Al integrar RAG, el sistema no solo "adivina" la culpa, sino que la justifica con base en la ley, lo cual es esencial para la adopción de IA en sistemas críticos y legales.
Avance en IA Multimodal: Demuestra que los MLLMs pueden ir más allá de la descripción visual para realizar tareas de razonamiento causal complejo y fundamentado en reglas externas cuando se les proporciona la arquitectura adecuada (MCoT) y los datos correctos (DecaTARA).

En conclusión, AITP y DecaTARA representan un avance significativo hacia sistemas de IA seguros, interpretables y alineados con la ley para la gestión de accidentes de tráfico.