Decart Oasis 3: API de simulación IA para vehículos autónomos

Decart lanza Oasis 3: world model que genera horas de simulación fotorrealista para testing de vehículos autónomos

Decart acaba de anunciar Oasis 3, un world model en tiempo real capaz de generar entornos de conducción fotorrealistas durante horas, ahora disponible mediante API para desarrolladores que construyen sistemas de vehículos autónomos. La herramienta permite simular escenarios de tráfico complejos sin los costos y riesgos asociados a pruebas físicas masivas.

Para founders del sector mobility tech o startups que desarrollan stacks de percepción para AVs, esto representa un cambio significativo: acceder a simulación de alta fidelidad sin necesidad de infraestructura propia ni flotas de prueba.

¿Qué es un world model y por qué importa para vehículos autónomos?

Un world model es un sistema de IA que aprende una representación del entorno físico y puede predecir o generar cómo evolucionará una escena bajo diferentes acciones. En el contexto de vehículos autónomos, estos modelos permiten crear simulaciones donde se prueban millones de escenarios —incluyendo casos raros y peligrosos— sin exponer vehículos reales o personas a riesgos.

👥 ¿Quieres ir más allá de la noticia?

En nuestra comunidad discutimos las tendencias, compartimos oportunidades y nos ayudamos entre emprendedores. Sin humo, solo acción.

👥 Unirme a la comunidad

Según investigación del ecosistema, el Waymo World Model ya utiliza este enfoque para generar simulaciones multisensoriales que integran datos de cámaras y lidar, con capacidad de editar vídeo real y convertirlo en escenarios de prueba modificables. La ventaja clave: ejecutar miles de iteraciones de un mismo escenario con variaciones controladas de velocidad, densidad de tráfico, clima y eventos imprevistos.

Oasis 3 se posiciona en esta misma categoría, pero con un enfoque en accesibilidad vía API para desarrolladores independientes y startups que no cuentan con la infraestructura de simulación propietaria que tienen grandes players como Waymo o NVIDIA.

Capacidades técnicas y limitaciones del enfoque generativo

Los world models para automoción requieren capacidades específicas que van más allá de la generación de vídeo convencional:

Simulación multisensorial: no solo visión, sino también representación de datos lidar, radar y condiciones de oclusión
Control granular de variables: poder ajustar densidad de tráfico, comportamiento de peatones, condiciones climáticas y eventos de borde
Fidelidad física: los objetos deben comportarse según leyes físicas reales para que el entrenamiento sea transferible al mundo real
Escalabilidad temporal: generar horas de simulación continua sin degradación de calidad

Sin embargo, el enfoque generativo tiene limitaciones inherentes que todo founder debe considerar. El gap de simulación a realidad sigue siendo un desafío: un entorno generado, por más fotorrealista que sea, puede no capturar todos los bordes de la realidad física. Sensores no visuales como radar en condiciones de lluvia intensa o suciedad son particularmente difíciles de modelar con precisión.

Además, el comportamiento de agentes —peatones, ciclistas, otros conductores— tiene un grado de imprevisibilidad que los modelos actuales aún no capturan completamente. Esto explica por qué la industria combina simulación generativa con pruebas reales extensivas antes de cualquier despliegue comercial.

Comparativa con el ecosistema de simulación AV en 2026

El mercado de simulación para vehículos autónomos en 2026 converge hacia tres capas diferenciadas:

NVIDIA mantiene su posición como infraestructura dominante con soluciones para robotaxis y coches autónomos de nivel SAE 4, combinando compute, simulación y despliegue en una plataforma integrada. Su enfoque es enterprise, con licencias y infraestructura propietaria.

Waymo desarrolló su World Model interno para reforzar pruebas antes del despliegue de su servicio de transporte autónomo a demanda, pero no lo comercializa como producto independiente.

Decart Oasis 3 se diferencia por ofrecer acceso vía API pública para desarrolladores, lo que democratiza el acceso a simulación de alta fidelidad para startups y equipos de investigación que no pueden invertir en infraestructura propia.

Esta diferenciación es clave: mientras NVIDIA y Waymo operan modelos verticales integrados, Decart apuesta por un modelo horizontal tipo SaaS que permite a terceros construir sobre su plataforma.

¿Qué significa esto para tu startup?

Si estás construyendo en el espacio de movilidad autónoma, percepción vehicular o testing de sistemas ADAS, Oasis 3 representa una oportunidad para acelerar tu ciclo de desarrollo sin CAPEX inicial en infraestructura de simulación.

Para founders de LATAM y España, esto es particularmente relevante: el acceso a herramientas de simulación de nivel enterprise era previamente limitado a empresas con financiamiento significativo o partnerships con OEMs. Una API accesible permite validar algoritmos de percepción, planificación y control con escenarios diversos antes de buscar partners industriales o levantar rondas Serie A.

El contexto regulatorio también favorece este enfoque. En España, la ANFAC señaló en noviembre de 2025 que las marcas avanzan en automatización pero esperan un marco regulatorio más claro. Mientras tanto, la simulación permite desarrollar y validar tecnología sin depender de permisos de prueba en vía pública, que varían significativamente entre países.

3 acciones concretas para founders

Evalúa tu stack de testing actual: Si estás dependiendo exclusivamente de pruebas físicas o simuladores básicos, integra una API de world model como Oasis 3 para generar escenarios de borde que serían costosos o peligrosos de recrear físicamente.
Prioriza casos de uso específicos: No intentes simular todo. Identifica los 5-10 escenarios críticos para tu caso de uso (intersecciones sin señalización, condiciones de baja visibilidad, interacción con peatones) y usa la simulación para iterar rápidamente en esos casos específicos.
Combina simulación con validación real: Usa la simulación para el 80-90% de tu testing iterativo, pero reserva un 10-20% para pruebas físicas controladas. La validación regulatoria y la confianza del mercado aún requieren evidencia del mundo real, especialmente para homologación en mercados como España o México.

El mercado de simulación AV en números

El sector de vehículos autónomos continúa en expansión, con robotaxis operando en ciudades seleccionadas y niveles SAE 4 siendo la frontera comercial actual. La simulación se ha vuelto crítica porque:

Los casos raros (edge cases) representan la mayor parte de los desafíos de seguridad, pero son difíciles de encontrar en pruebas físicas
El costo de una flota de prueba física supera ampliamente el costo de simulación computacional
La iteración en simulación es órdenes de magnitud más rápida que coordinar pruebas de campo

Empresas como Waymo afirman públicamente operar servicios de transporte autónomo a demanda, y su ecosistema de simulación es parte fundamental de su capacidad de despliegue seguro. Para startups que aspiran a competir o ser adquiridas por estos players, demostrar capacidad de testing riguroso vía simulación es un diferenciador en due diligence.

Conclusión

Decart Oasis 3 representa un paso hacia la democratización de herramientas de simulación de alta fidelidad para el desarrollo de vehículos autónomos. Para founders hispanohablantes, esto abre oportunidades para validar tecnología con recursos limitados y acelerar el camino hacia product-market fit o partnerships estratégicos.

Sin embargo, la simulación generativa no reemplaza la validación real —es un acelerador, no un atajo. Los founders más exitosos combinarán simulación intensiva con pruebas físicas selectivas, manteniendo siempre el rigor necesario para ganar confianza de inversores, partners y reguladores.

El mercado de movilidad autónoma en 2026 sigue siendo de alto riesgo y alta recompensa. Herramientas como Oasis 3 reducen el riesgo técnico, pero el riesgo de mercado y regulatorio persiste. La clave está en usar estas herramientas para iterar rápido, validar hipótesis y demostrar tracción antes de escalar operaciones.