May Mobility ha presentado la quinta generación de su sistema de conducción autónoma. La novedad no es un vehículo nuevo, sino una arquitectura de software que mezcla aprendizaje profundo, un modelo predictivo del mundo y un motor de razonamiento diseñado para decidir en carretera sin depender solo de escenas memorizadas.
El anuncio llega en un momento importante para la compañía de Ann Arbor. May Mobility ya opera servicios de vehículos autónomos en Estados Unidos y Japón, ha anunciado acuerdos con Uber, Lyft, Toyota, NTT y Grab, y quiere demostrar que su enfoque puede escalar sin la estructura de costes de los grandes programas de robotaxi.
Un modelo que simula futuros cada 200 milisegundos
Según la nota publicada por May Mobility en PR Newswire, la quinta generación de su sistema combina aprendizaje profundo con el motor de razonamiento que la empresa lleva años desarrollando. La tesis es conocida dentro del sector, pero difícil de convertir en producto: un vehículo autónomo no puede limitarse a reconocer patrones vistos durante el entrenamiento; tiene que entender lo suficiente de la escena como para manejar casos raros.
May Mobility describe su nuevo modelo del mundo como una capa capaz de anticipar cómo pueden comportarse peatones, ciclistas, coches y otros usuarios de la vía. La compañía afirma que el sistema ejecuta cientos de simulaciones de tipo “qué pasaría si” cada 200 milisegundos, con horizontes de predicción de hasta 10 segundos. A partir de esos futuros probables, el planificador compara varias estrategias de conducción y descarta las que no encajan con sus parámetros de seguridad.
Ese enfoque contrasta con los dos extremos habituales del debate. Por un lado están las arquitecturas modulares clásicas, con percepción, predicción y planificación separadas en bloques más o menos rígidos. Por otro, los modelos de extremo a extremo, que intentan aprender la política de conducción directamente a partir de datos. May Mobility intenta ocupar una posición intermedia: aprovechar modelos aprendidos, pero conservar una capa de razonamiento trazable que pueda justificar por qué una acción ha ganado frente a otras alternativas.
Menos hardware como argumento de negocio
La compañía también vende este rediseño como una vía para reducir coste. May Mobility sostiene que los sistemas basados en memorizar grandes cantidades de casuística pueden exigir datasets enormes, modelos pesados y hardware caro. Su alternativa es usar modelos más pequeños apoyados en razonamiento local y en una representación explícita de la escena.
No es un detalle menor. En robotaxis, la tecnología solo cuenta una parte de la historia: el coste por vehículo, la facilidad de integración, el mantenimiento, la operación remota y la capacidad para abrir nuevas ciudades pesan tanto como una demo espectacular. May Mobility insiste en que su pila es agnóstica a sensores y plataformas. En su web tecnológica, la empresa describe MPDM como un sistema que procesa información en tiempo real y evalúa miles de escenarios posibles para elegir una maniobra segura.
La compañía dice haber superado las 525.000 carreras comerciales y los 1,1 millones de millas autónomas en operación comercial, con despliegues sin conductor de seguridad en tres estados de Estados Unidos. Son cifras relevantes, aunque todavía quedan lejos del volumen operativo de Waymo. La lectura correcta es que May Mobility no está compitiendo hoy por tamaño de flota, sino por demostrar que un enfoque más contenido puede abrir servicios en más mercados y con menos inversión por ciudad.
El vínculo con Uber y Arlington
El primer campo de prueba comercial de esta quinta generación será el ride-hail. May Mobility afirma que ya ha empezado a desplegar la actualización en su flota actual y que los servicios de transporte bajo demanda estarán entre los primeros en recibirla. Uno de los puntos clave es Arlington, Texas, donde la compañía prepara su integración con Uber.
El acuerdo entre Uber y May Mobility se anunció en mayo de 2025. Según la ciudad de Arlington, la primera fase contempla vehículos Toyota Sienna híbridos adaptados con la tecnología Autono-MaaS de May Mobility, inicialmente con operadores de seguridad a bordo y con transición posterior hacia operación sin conductor. Arlington no es un mercado nuevo para la empresa: May Mobility opera allí desde 2021 con el servicio RAPID, un programa de transporte autónomo bajo demanda en colaboración con la ciudad, Via y la Universidad de Texas en Arlington.
Ese contexto importa porque el anuncio de software no se queda en laboratorio. La nueva arquitectura se presenta como una pieza para sostener despliegues comerciales, no como un paper ni como un prototipo aislado. Aun así, el salto de una flota acotada a un servicio de robotaxi masivo sigue siendo difícil. Las ciudades cambian, las regulaciones cambian y la operación diaria expone casos que no aparecen en un vídeo de producto.
Lectura cauta
May Mobility acierta al centrar el debate en generalización y coste. El sector de vehículos autónomos ha aprendido que recorrer millones de kilómetros no resuelve automáticamente todos los casos límite, y que el hardware caro puede hacer inviable un servicio fuera de unas pocas ciudades premium. Un modelo que razona sobre futuros posibles, si funciona como promete, puede ayudar a cerrar esa brecha.
Lo que falta por ver es la escala real. Las cifras publicadas muestran experiencia operativa, no dominio masivo del mercado. El despliegue en Uber, especialmente en Arlington, será una prueba más clara que cualquier descripción técnica: suavidad de marcha, disponibilidad, coste de operación, transición a conducción sin operador y respuesta ante tráfico complejo. Ahí se sabrá si esta quinta generación es solo una arquitectura mejor explicada o una base práctica para robotaxis más baratos de desplegar.