Los vehículos recién introducidos vienen con diversas funciones adicionales, utilizando cada vez datos de diferentes sensores. Una función relacionada prominente es la conducción autónoma, que se realiza en cooperación con múltiples sensores. Estos sensores incluyen principalmente sensores de imagen, sensores de profundidad y tecnología de detección infrarroja para uso nocturno, y generan datos principalmente basados en métodos de procesamiento de imágenes. En este documento, proponemos un modelo que utiliza un diseño de transformador paralelo para reducir gradualmente el tamaño de los datos de entrada de una manera similar a una escalera, permitiendo el uso efectivo de dichos datos y un aprendizaje eficiente. En contraste con el DETR convencional, este modelo demuestra su capacidad para ser entrenado de manera efectiva con conjuntos de datos más pequeños y logra una rápida convergencia. En lo que respecta a la clasificación, reduce notablemente las demandas computacionales, disminuyendo aproximadamente 6.75 veces en comparación con ViT-Base, manteniendo al mismo tiempo un margen de precisión dentro del +/-3%. Además, incluso en casos donde las posiciones de los sensores pueden mostrar un ligero desalineamiento debido a variaciones en la entrada de datos para la detección de objetos, logra obtener resultados consistentes, sin verse afectado por las diferencias en el campo de visión considerado. El modelo propuesto se llama Stairwave y se caracteriza por una estructura paralela que mantiene una forma similar a una escalera.