El Portal de las Tecnologías para la Innovación

Categoría: Papers de Investigación Científica

HERD: Colaboración entre humanos y IA

– Participar y controlar enjambres de robots y drones Resumen Hoy en día, los robots y los drones tienen un conjunto de tareas cada vez más amplio. Sin embargo, estos robots tienen una capacidad limitada para cooperar entre sí y con los humanos. ¿Cómo podemos aprovechar los beneficios potenciales de tener varios robots trabajando en paralelo para reducir el tiempo de finalización? Si los robots reciben tareas colectivas como un enjambre, potencialmente pueden coordinar sus operaciones sobre la marcha y adaptarse en función de las condiciones locales para lograr un desempeño de tareas óptimo o casi óptimo. Junto con socios industriales, este proyecto tiene como objetivo abordar la colaboración entre múltiples robots y diseñar y evaluar soluciones tecnológicas que permitan a los usuarios utilizar y controlar sistemas autónomos de múltiples robots. Período del proyecto: 2021-2025Presupuesto: 17,08 millones de coronas danesas. Gerente de proyecto Más sobre el proyecto (en inglés) Los robots y drones asumen un conjunto cada vez más amplio de tareas, como el robot agrícola autónomo de AgroIntelli y los sistemas de respuesta a emergencias basados ​​en drones de Robotto. Sin embargo, actualmente estos robots tienen una capacidad limitada para cooperar entre sí y con los humanos. En el caso de AgroIntelli, por ejemplo, actualmente solo se puede desplegar un robot en un campo a la vez y no puede responder eficazmente a la presencia de un tractor conducido por un hombre o incluso de otro robot agrícola trabajando en el mismo campo. En el futuro, AgroIntelli quiere aprovechar los beneficios potenciales de tener varios robots trabajando en paralelo en el mismo campo para reducir el tiempo de finalización. Una forma sencilla de lograr esto es dividir el campo en varias áreas distintas correspondientes al número de robots disponibles y luego asignar a cada robot su propia área. Sin embargo, este enfoque es inflexible y requiere una planificación detallada a priori. Si, en cambio, a los robots se les asignara la tarea colectivamente como un enjambre, potencialmente podrían coordinar su operación sobre la marcha y adaptarse en función de las condiciones locales para lograr un desempeño óptimo o casi óptimo de la tarea. De manera similar, la arquitectura del sistema de Robotto requiere actualmente una unidad de control para gestionar cada dron desplegado. En escenarios de búsqueda de grandes áreas y operaciones con terreno complejo, la cobertura proporcionada por un solo dron es insuficiente. Varios drones pueden proporcionar datos en tiempo real sobre una superficie más grande y desde múltiples perspectivas, ayudando así a los equipos de respuesta a emergencias en sus operaciones en las que el tiempo es crítico. Sin embargo, en el sistema actual, los drones adicionales requieren cada uno de ellos un operador y una unidad de control dedicados. La coordinación entre operadores introduce una sobrecarga y puede convertirse en una lucha para mantener una comprensión compartida de la situación en rápida evolución. Por lo tanto, existe la necesidad de desarrollar algoritmos de control para la coordinación entre drones e interfaces que permitan una gestión de alto nivel del enjambre desde una única consola de control. La complejidad requiere interacciones avanzadas para mantener los datos procesables, simples y, al mismo tiempo, respaldar las demandas críticas de la operación. Este desafío es relevante para la búsqueda y rescate (SAR), así como para otras ofertas de servicios en la hoja de ruta, incluidas las misiones de extinción de incendios, inspecciones y primeros auxilios. Para nuestros dos socios industriales, AgroIntelli y Robotto, y para empresas similares que están impulsando la tecnología robótica hacia aplicaciones en el mundo real, existe una clara necesidad insatisfecha de enfoques que permitan a los operadores humanos involucrarse y controlar de manera efectiva sistemas compuestos por múltiples robots autónomos. Esto plantea un conjunto completamente nuevo de desafíos en comparación con el paradigma actual donde existe un mapeo uno a uno entre el operador y el robot. El operador debe poder interactuar con el sistema a nivel de enjambre como una entidad única para establecer prioridades y limitaciones de la misión y, al mismo tiempo, poder intervenir y tomar el control de un solo robot o un subconjunto de robots. Un socorrista puede, por ejemplo, querer tomar el control de un dron para seguir a un civil o un grupo de personal cerca de un área de búsqueda, mientras que un agricultor puede querer reasignar uno o más de sus robots agrícolas a otro campo. HERD desarrollará una comprensión de los desafíos en la colaboración de múltiples robots y diseñará y evaluará soluciones tecnológicas que permitan a los usuarios finales interactuar y controlar sistemas autónomos de múltiples robots. El proyecto se basará en casos de uso en agricultura y búsqueda y rescate respaldados por el conocimiento del dominio y el hardware robótico de los socios industriales. A través de los problemas y objetivos de investigación que se describen a continuación, buscamos permitir la próxima generación de colaboración entre humanos y enjambres. Planificación de misiones previas a la operación y sobre la marcha para enjambres de robots: un aumento en la cantidad de robots bajo el control del usuario tiene el potencial de llevar a una finalización de tareas más rápida y/o una mayor calidad. Sin embargo, el aumento en el número de unidades aumenta significativamente la complejidad de la comunicación entre el usuario final y el robot y la coordinación entre robots. Como tal, es fundamental ayudar al usuario a asignar tareas de forma eficiente y eficaz entre robots. Responderemos las siguientes preguntas de investigación: (i) ¿Cuáles son las funcionalidades necesarias para que los humanos definan eficazmente las prioridades y limitaciones de la misión a nivel de enjambre? (ii) ¿Cómo pueden los sistemas robóticos dividir de forma autónoma las tareas según la ubicación, el contexto y la capacidad, y bajo las limitaciones definidas por el usuario final? (iii) ¿Cómo cambia el uso de tecnologías autónomas de múltiples robots las rutinas organizativas existentes y cuáles son necesarias nuevas? Conciencia situacional bajo incertidumbre en tareas de múltiples robots: los usuarios de sistemas (multi)robots impulsados ​​por IA a menudo desean

Leer más »
enero 3, 2025

Un nuevo método para detectar la deshidratación en las plantas

Los sensores desarrollados por los investigadores de SMART son capaces de detectar cambios de pH en el xilema de las plantas y permiten a los agricultores detectar el estrés por sequía hasta 48 horas antes de que se manifiesten los síntomas físicos visibles. ¿Alguna vez te has preguntado si tus plantas están secas y deshidratadas o si no las estás regando lo suficiente? Los agricultores y los entusiastas de la jardinería pronto podrán descubrirlo en tiempo real.  Durante la última década, los investigadores han estado trabajando en sensores para detectar una amplia gama de compuestos químicos, y un obstáculo crítico ha sido el desarrollo de sensores que se puedan utilizar en sistemas biológicos vivos. Todo esto está a punto de cambiar con los nuevos sensores de la  Alianza Singapur-MIT para la Investigación y la Tecnología (SMART), que pueden detectar cambios de pH en plantas vivas (un indicador de estrés por sequía en las plantas) y permitir la detección y gestión oportuna del estrés por sequía antes de que provoque una pérdida irreversible de rendimiento. Los investigadores del grupo de investigación interdisciplinario  Disruptive and Sustainable Technologies for Agricultural Precision (DiSTAP) de SMART, la empresa de investigación del MIT en Singapur, en colaboración con Temasek Life Sciences Laboratory y el MIT, han sido pioneros en los primeros sensores de estructura orgánica covalente (COF) del mundo integrados en microagujas de fibroína de seda (SF) para la detección in planta de cambios fisiológicos de pH. Esta tecnología avanzada puede detectar una reducción de la acidez en los tejidos del xilema de las plantas, lo que proporciona una alerta temprana del estrés por sequía en las plantas hasta 48 horas antes que los métodos tradicionales. La sequía (o falta de agua) es un factor de estrés importante que reduce el rendimiento porque afecta a vías metabólicas clave de las plantas, reduce el tamaño de las hojas, la extensión de los tallos y la proliferación de las raíces. Si se prolonga, puede acabar provocando que las plantas se decoloren, se marchiten y mueran. A medida que los desafíos agrícolas (incluidos los que plantean el cambio climático, el aumento de los costos y la falta de espacio en la tierra) siguen aumentando y afectando negativamente la producción y el rendimiento de los cultivos, los agricultores a menudo no pueden implementar medidas proactivas o diagnósticos presintomáticos para una intervención temprana y oportuna. Esto subraya la necesidad de una mejor integración de sensores que pueda facilitar las evaluaciones in vivo y las intervenciones oportunas en las prácticas agrícolas. “Este tipo de sensor se puede conectar fácilmente a la planta y consultar con una instrumentación sencilla. Por lo tanto, puede poner en manos de agricultores e investigadores análisis potentes, como las herramientas que estamos desarrollando en DISTAP”, afirma el profesor Michael Strano, coautor del estudio, coinvestigador principal de DiSTAP y profesor de Ingeniería química Carbon P. Dubbs en el MIT. El avance de SMART aborda un desafío de larga data para los sensores basados ​​en COF, que hasta ahora no podían interactuar con los tejidos biológicos. Los COF son redes de moléculas orgánicas o polímeros (que contienen átomos de carbono unidos a elementos como hidrógeno, oxígeno o nitrógeno) dispuestos en estructuras consistentes, similares a cristales, que cambian de color según los diferentes niveles de pH. Como el estrés por sequía se puede detectar a través de los cambios en el nivel de pH en los tejidos de las plantas, este novedoso sensor basado en COF permite la detección temprana del estrés por sequía en las plantas a través de la medición en tiempo real de los niveles de pH en los tejidos del xilema de las plantas. Este método podría ayudar a los agricultores a optimizar la producción y el rendimiento de los cultivos en medio de patrones climáticos y condiciones ambientales en evolución. “Los sensores de COF-silk son un ejemplo de las nuevas herramientas que se necesitan para que la agricultura sea más precisa en un mundo que se esfuerza por aumentar la seguridad alimentaria mundial ante los desafíos que imponen el cambio climático, los recursos limitados y la necesidad de reducir la huella de carbono. La integración perfecta entre nanosensores y biomateriales permite medir sin esfuerzo los parámetros clave de los fluidos de las plantas, como el pH, lo que a su vez nos permite controlar la salud de las plantas”, afirma el profesor Benedetto Marelli, coautor correspondiente, investigador principal de DiSTAP y profesor asociado de ingeniería civil y ambiental en el MIT. En un artículo de acceso abierto titulado “ Chromatic Covalent Organic Frameworks Enabling In-Vivo Chemical Tomography ” publicado recientemente en  Nature Communications , los investigadores de DiSTAP documentaron su trabajo pionero, que demostró la detección en tiempo real de cambios de pH en tejidos vegetales. Significativamente, este método permite el mapeo 3D in vivo de los niveles de pH en tejidos vegetales utilizando solo la cámara de un teléfono inteligente, ofreciendo un enfoque mínimamente invasivo para explorar entornos previamente inaccesibles en comparación con los métodos ópticos tradicionales más lentos y destructivos. Los investigadores de DiSTAP diseñaron y sintetizaron cuatro compuestos de COF que muestran cromismo ácido ajustable (cambios de color asociados con niveles de pH cambiantes) con microagujas de SF recubiertas con una capa de película de COF hecha de estos compuestos. A su vez, la transparencia de las microagujas de SF y la película de COF permite la observación y visualización in vivo de las distribuciones espaciales del pH a través de cambios en los colores sensibles al pH. “Basándonos en nuestro trabajo previo con películas biodegradables de COF-SF capaces de detectar el deterioro de los alimentos, hemos desarrollado un método para detectar cambios de pH en los tejidos vegetales. Cuando se utilizan en plantas, los compuestos de COF pasarán de rojo oscuro a rojo a medida que aumenta el pH en los tejidos del xilema, lo que indica que las plantas están experimentando estrés por sequía y requieren una intervención temprana para evitar la pérdida de rendimiento”, afirma Song Wang, científico investigador de SMART DiSTAP y coautor principal. “Las microagujas

Leer más »
enero 1, 2025

La IA física para los cobots en la actualidad

Con el lanzamiento del Acelerador de IA de Universal Robots en ROSCon, abrimos un nuevo puente hacia el mundo de la IA física, pero ¿cómo beneficia esto a nuestra base de clientes existente y a las aplicaciones que nuestros cobots ya realizan? El futuro de la programación de robots La IA está llamada a revolucionar la forma en que programamos robots, pasando de la programación actual de movimientos y manejo de E/S línea por línea a la orden de comportamientos de nivel superior para completar tareas con éxito. Los enfoques basados ​​en el aprendizaje por imitación/refuerzo, los modelos de acción del lenguaje de visión y los modelos básicos de robótica son vías prometedoras de investigación para el control adaptativo de robots. Estos no solo simplificarán enormemente la forma en que interactuamos con los robots y los controlamos, sino que también abrirán soluciones para tareas que actualmente son muy difíciles de lograr, como conectar cables flexibles o manipular textiles. Incorporando la IA a las aplicaciones existentes Para el fabricante medio que acaba de empezar a trabajar con los cobots, es comprensible que le resulte un poco difícil ver cómo le van a ayudar en el corto plazo. Eso es parte de lo que hemos estado haciendo con el Acelerador de IA: fusionar la flexibilidad que aporta la IA moderna con paradigmas de programación más maduros, lo que da como resultado una solución que puede gestionar las variaciones del espacio de trabajo y también proporciona con mayor facilidad la velocidad y la precisión que esperan los clientes industriales. Este enfoque ofrece un camino a seguir para aquellos fabricantes que aún tienen dudas sobre si la IA ha alcanzado un nivel de madurez adecuado para su integración en sus procesos. Visión de la IA de aprendizaje profundo La visión artificial ya es bastante común en los entornos de fabricación, y la localización e inspección de piezas son dos de los principales casos de uso. Aún así, menos del 20 % de las aplicaciones de cobots utilizan sistemas de visión. ¿Por qué? La mayoría de los sistemas de visión que no son de IA requieren una configuración experta y se los considera complejos y costosos de mantener. La mayoría de los usuarios optarán por invertir tiempo y dinero en producir accesorios para sus piezas, renunciando a la mayor flexibilidad que permite la visión. Entonces, ¿en qué es diferente la visión de la IA? Cuando una persona ve un objeto que conoce, puede reconocerlo si tiene un acabado de superficie diferente, está bajo condiciones de iluminación diferentes o está colocado sobre un fondo diferente, o incluso si tiene un tamaño o una forma ligeramente diferentes. Esto es difícil para un sistema de visión tradicional que depende en gran medida del alto contraste entre el fondo y el objeto y de la repetición del tamaño y la forma del objeto para detectarlo. Con los sistemas de visión de aprendizaje profundo, podemos entrenar este tipo de variabilidad en un único modelo, de modo que esté preparado para todas las diferentes variaciones ambientales que le presentamos. Además, ya no es necesario que un usuario obtenga decenas o cientos de miles de imágenes para entrenar un modelo. Existe una amplia gama de modelos preentrenados disponibles con licencias permisivas que se pueden reutilizar para una amplia gama de tareas industriales con solo un breve proceso de reentrenamiento que requiere alrededor de 50 imágenes (que se pueden segmentar y etiquetar automáticamente). Funcionalidad del acelerador de IA Las interfaces incluidas en AI Accelerator facilitan la incorporación de capacidades de percepción avanzadas de Isaac ROS y de manipulación de Isaac de NVIDIA a su programa de robot existente. Estos son algunos de los casos de uso que hemos demostrado hasta ahora: Detección de objetos : podemos utilizar estos detectores de objetos para localizar y recoger objetos en el espacio de trabajo del robot, lo que reduce los requisitos de accesorios mecánicos rígidos. Estado del espacio de trabajo/verificación de la cordura : esto podría llamarse inspección, pero no estamos hablando de medir tolerancias en rutas hasta el nivel de micrones. Se trata de averiguar «esta cosa en el espacio de trabajo está en el estado en que debería estar para que el robot continúe/complete con éxito su tarea». Por ejemplo, en el cuidado de máquinas CNC, ¿mi trabajo se mantiene despejado? ¿Están todas las herramientas en mi máquina intactas y limpias? Realineación del espacio de trabajo : muchos de nuestros clientes mueven sus robots por sus entornos de producción para completar distintas tareas en distintos momentos. La realineación con un espacio de trabajo puede ser una tarea complicada, ya que requiere una colocación física precisa del robot o un proceso de reprogramación de los marcos de coordenadas. Con una cámara en el extremo del robot, este proceso se puede automatizar para que el robot pueda verificar dónde se encuentra en relación con el resto del espacio de trabajo y continuar con el trabajo sin mayores complicaciones. Planificación de rutas : trazar puntos de referencia en el espacio de trabajo para generar la trayectoria óptima para que el robot se desplace y entre y salga de las máquinas puede ser complicado, especialmente para los usuarios novatos. Con la planificación automática de rutas, esto puede ser mucho más fácil, pero las dificultades para proporcionar al planificador de rutas un modelo detallado del entorno del robot han sido tradicionalmente un obstáculo para la adopción generalizada. Tenemos algunas funciones adicionales interesantes que ayudarán con esto en el Acelerador de IA, así que esté atento. Valor para el usuario final Pasé la mayor parte de mis primeros ocho años en UR en funciones de atención al cliente, creando equipos de soporte que proporcionaban orientación sobre aplicaciones y ayudaban a resolver problemas cuando las cosas no funcionaban. Muchas veces, los problemas se debían a que el mundo que rodeaba al robot no estaba lo suficientemente bien arreglado para que el robot pudiera hacer su trabajo. No es culpa del robot, pero depende en gran medida de que las cosas permanezcan exactamente como estaban cuando se creó su programa. Con

Leer más »
enero 1, 2025

Toyota y la IA generativa: ya está aquí y así es como la utilizamos

Las noticias sobre inteligencia artificial (IA) pueden sonar alarmantes. Con el último bombo publicitario, parece que pronto los robots podrían adquirir sensibilidad y los humanos podrían ser reemplazados lentamente por computadoras pensantes. Sin embargo, esa no es la realidad. La IA ya está mejorando las habilidades y capacidades humanas en muchos productos y servicios que utilizamos todos los días, y tiene el potencial de automatizar muchas tareas. El objetivo es un futuro en el que los humanos puedan dedicar más tiempo a actividades creativas, estratégicas y agradables. Toyota ha estado utilizando IA durante años, tanto en la empresa como en los productos que ofrecemos. Estamos desarrollando nuestras capacidades para afrontar la próxima generación de desafíos que anticipan las necesidades de los clientes y superan sus expectativas. Fuerte desde 2016  El objetivo inicial de Toyota en 2016 era diseñar un sistema de seguridad en la nube resistente, y eso llevó al desarrollo de Safety Connect , un servicio impulsado por Drivelink de la empresa de software Toyota Connected North America (TCNA). El servicio Safety Connect está diseñado para aprovechar los puntos de datos clave del vehículo para identificar cuándo se ha producido una colisión y enviar una notificación automática a los agentes del centro de llamadas. Si el conductor queda inconsciente, la información telemática puede proporcionar una imagen más completa de la situación, lo que permite a los agentes ponerse en contacto con las autoridades más rápidamente cuando más se necesita. Paralelamente y gracias al ingenio, los ingenieros de TCNA crearon pruebas de concepto para ver cómo también podían habilitar servicios impulsados ​​por IA. Así, nacieron los agentes virtuales «Hey Toyota» y «Hey Lexus» para respaldar las interacciones de voz en el vehículo. Lanzados en 2021, los vehículos con el último sistema multimedia Toyota Audio Multimedia o Lexus Interface han estado utilizando IA a través de comandos de voz de agentes virtuales para audio, control de climatización y otras funciones, incluso la capacidad de contarte un chiste si necesitas que te animen. Desde el botón SOS hasta una serie de otros servicios, Safety Connect, impulsado por la plataforma telemática Drivelink de Toyota Connected, habilita una serie de tecnologías de seguridad y conveniencia en los vehículos Toyota y Lexus. Desde entonces, Toyota ha estado desarrollando, probando e implementando constantemente funciones impulsadas por IA para mejorar la seguridad, la calidad y la experiencia del cliente con nuestros productos. Los pequeños golpes, rasguños y abolladuras pueden tener un impacto significativo en el valor residual de un vehículo. La tecnología existente en los vehículos no fue diseñada para lo que consideramos microcolisiones, o cualquier tipo de colisión que esté por debajo de los umbrales de detección de colisiones estándar. Aprovechando las ideas de toda la organización, los equipos de Toyota han creado un sólido proceso de aprendizaje automático diseñado para predecir colisiones a baja velocidad y diferenciarlas de los eventos de frenado y viraje bruscos. Estamos llevando activamente nuestros modelos al siguiente nivel trabajando para clasificar las microcolisiones por tipo, ubicación de la carrocería y gravedad para evaluar el bienestar de nuestros conductores y pasajeros y si el vehículo puede necesitar reparaciones debajo de la superficie más de lo que se puede detectar visiblemente. El mantenimiento de los vehículos también ha sido un foco de mejoras impulsadas por la IA. Los vehículos conectados tienen cientos de sensores y hemos estado utilizando datos de estos vehículos para crear modelos de aprendizaje automático para los elementos de mantenimiento más comunes, incluidas las baterías, los frenos, los neumáticos y el aceite, y actualmente estamos investigando docenas de otros componentes, utilizando datos de transmisión diaria de millones de vehículos conectados y autorizados. Este conjunto de modelos de mantenimiento predictivo ayudará a que los clientes sean conscientes de las posibles necesidades de mantenimiento antes de que se produzcan fallas en los componentes, para que puedan disfrutar de experiencias de movilidad más confiables. Los ingenieros de Toyota Connected están investigando conceptos de mantenimiento predictivo, que están diseñados para usar algoritmos de IA para detectar cuándo es necesario reemplazar piezas antes de que el conductor sienta o escuche cambios en el rendimiento, como en las pastillas y los rotores de freno. “La industria automotriz se encuentra en un estado de revolución más que de evolución”, afirmó Ted Ogawa, presidente y director ejecutivo de Toyota Motor North America (TMNA). “La IA está ayudando a acelerar lo que ofrecemos a nuestros clientes, transformando a Toyota en la empresa de movilidad que necesitamos ser para competir en este panorama cambiante. Si bien Safety Connect y nuestros últimos sistemas de información y entretenimiento se encuentran entre las primeras de muchas tecnologías basadas en IA que utilizamos, es solo el comienzo, ya que nuestras empresas aprovechan a las mejores personas y tecnologías para ayudar a brindarles a nuestros conductores y pasajeros experiencias intuitivas y placenteras”. Ogawa agregó: “Hemos realizado inversiones significativas en talento de IA en TCNA y estamos entusiasmados de aprovechar este gran talento para liderar a las empresas Toyota en este espacio”. Las últimas funciones, ahora en tu Toyota y Lexus Destination Assist, que también funciona con Drivelink, es una herramienta potente para los conductores que disfrutan de sus sistemas de navegación pero pueden necesitar ayuda con las entradas. Tradicionalmente, cuando se activaba a través de una suscripción o prueba activa de Drive Connect, los conductores hablaban con un agente del centro de llamadas que transmitía las instrucciones a sus autos. A partir de mayo de 2023, Drivelink comenzó a implementar una versión automatizada de Destination Assist en modelos seleccionados, que aprovecha la inteligencia artificial y libera a los agentes para ayudar a los clientes con necesidades más críticas o complejas. Desde entonces, el tiempo promedio de llamada de Destination Assist se redujo de 102 a 62 segundos y la calidad se mantiene en un índice de finalización del 92 %, y el 8 % restante se envía a un agente en vivo. “La IA complementa lo que las empresas Toyota hacen bien: ayudar a los clientes a circular con seguridad y confianza”, afirmó Brian Kursar, director de

Leer más »
diciembre 30, 2024

Seis tendencias de sostenibilidad ambiental para 2025 y más allá

A medida que nos acercamos a 2025, tras lo que probablemente será el año más caluroso registrado , la urgencia de abordar los desafíos interconectados de nuestro planeta nunca ha sido mayor. El cambio climático y la escasez de recursos requieren que las empresas, los gobiernos y las comunidades actúen con intención y escala. En Cisco, nos mantenemos firmes en nuestros objetivos de reducir el impacto ambiental y fomentar la resiliencia, garantizando que las comunidades, los ecosistemas y las industrias puedan adaptarse, prosperar y mantenerse frente a la incertidumbre. A continuación, se presentan seis tendencias de sostenibilidad que se espera que surjan en 2025: 1. Digitalización de la red La inteligencia artificial (IA) tiene potencial para impulsar cambios positivos en la sociedad, pero requerirá un replanteamiento de las redes y de fuentes de energía más limpias, resilientes y confiables. Si anticipamos estos desafíos ahora, podemos construir la infraestructura adecuada para respaldar este futuro. Así es como podemos equilibrar las demandas de una sociedad en rápida digitalización e integrada con la IA y tener un planeta habitable. La digitalización de la red eléctrica es esencial para satisfacer la creciente demanda energética y mejorar la seguridad energética. El Departamento de Energía de Estados Unidos, por ejemplo, estima que gran parte de la red eléctrica del país se construyó en los años 1960 y 1970, y que el 70 por ciento de las líneas de transmisión tienen más de 25 años. La integración de la IA podría transformar la forma en que se gestiona y distribuye la energía, creando sistemas más eficientes y confiables. En Cisco creemos que debemos diseñar redes, edificios, redes, centros de datos y tecnología energéticas a prueba de futuro para cualquier necesidad energética que se presente, ya sea inteligencia artificial o cualquier otra cosa. Seguimos aprovechando nuestra experiencia en redes seguras para impulsar esta transformación, apoyando una modernización de la red que sea innovadora y resiliente. Las ganancias en eficiencia también pueden respaldar una mayor asequibilidad y confiabilidad en todo el sector energético. 2. Transición hacia una economía circular La transición de modelos de negocio lineales a circulares está transformando el funcionamiento de las industrias, creando oportunidades para reducir los residuos y maximizar los recursos. Pero todavía queda mucho por hacer. El Monitor Mundial de Residuos Electrónicos 2024 de las Naciones Unidas informa que “en 2022 se produjo un récord de 62 millones de toneladas de residuos electrónicos, un 82 % más que en 2010; y se prevé que aumente otro 32 %, hasta 82 millones de toneladas, en 2030”. Cisco está a la vanguardia del cambio hacia una economía circular, incorporando la circularidad en el diseño de nuestros productos y en nuestras estrategias de ciclo de vida. Nuestro enfoque se centra en el diseño para la sostenibilidad, creando productos duraderos y modulares que se puedan reparar, actualizar y reciclar fácilmente. Ya lo estamos haciendo a través de: Estas iniciativas no solo respaldan nuestros objetivos de circularidad, sino que también empoderan a los clientes a adoptar prácticas más sustentables, ayudándolos a mantener materiales valiosos en uso durante el mayor tiempo posible. 3. Invertir en innovación La innovación es esencial para afrontar los desafíos de un planeta cambiante. A nivel mundial, se espera que las inversiones anuales en tecnología de energía limpia superen los 900 mil millones de dólares para 2030 . En Cisco, nos asociamos con empresas emergentes en sus primeras etapas que están impulsando soluciones transformadoras en materia de energía limpia, circularidad y resiliencia climática. Dos empresas ejemplares de nuestra cartera de inversiones de Cisco , CorPower Ocean y DEScycle, están liderando el camino en estas áreas. Nuestro objetivo es acelerar la innovación invirtiendo en empresas que se alinean con nuestra estrategia de sostenibilidad ambiental. Estas inversiones no solo proporcionan capital, sino que sirven como una señal para el mercado en general sobre lo que valoramos y hacia dónde creemos que se dirige el futuro. En 2021, la  Fundación Cisco  demostró esto al comprometer 100 millones de dólares durante diez años para apoyar la innovación climática tanto en organizaciones sin fines de lucro como en empresas emergentes con fines de lucro. 4. Ampliar el impacto mediante asociaciones público-privadas Ninguna entidad puede hacer frente por sí sola a desafíos ambientales como el cambio climático. El camino hacia un futuro más sostenible requiere alianzas entre sectores. Según un informe de 2023 del Foro Económico Mundial (WEF) en colaboración con McKinsey & Company, el 87 por ciento de las alianzas público-privadas-filantrópicas se centraron en las economías emergentes, que pueden ser menos capaces que las economías avanzadas de ofrecer soluciones de forma independiente. En 2025, prevemos un mayor énfasis en la colaboración público-privada, a medida que los gobiernos y las empresas se alinean para localizar esfuerzos y ampliar el impacto. Desde los incentivos nacionales para la adopción de energía limpia hasta las iniciativas locales que promueven la conservación del agua, las asociaciones son fundamentales para reunir las políticas, el financiamiento y la innovación necesarias para lograr un progreso significativo. 5. Mantenerse al tanto de dos temas de sostenibilidad de actualidad: la energía nuclear y la inseguridad hídrica A medida que la demanda mundial de energía sigue creciendo, la energía nuclear está volviendo a entrar en el debate como una posible solución para obtener energía limpia y fiable, porque no produce emisiones de gases de efecto invernadero (GEI). Según el Organismo Internacional de Energía Atómica (OIEA) , se prevé que la capacidad nuclear mundial aumente en 2,5 veces la capacidad actual para 2050. La energía nuclear se considera cada vez más parte de una combinación energética diversa necesaria para mantener objetivos climáticos ambiciosos, contribuir a la seguridad energética y satisfacer la creciente demanda de energía. La inseguridad hídrica se está convirtiendo en uno de los desafíos de sostenibilidad más urgentes de nuestro tiempo. Según WWF , alrededor de 1.100 millones de personas en todo el mundo carecen de acceso al agua y 2.700 millones de personas sufren escasez de agua durante al menos un mes al año. El uso del agua está en el centro de la conversación sobre la IA generativa, ya que el agua es un recurso clave

Leer más »
diciembre 30, 2024

Investigación en abundancia a partir de 2024: resumen de los avances de la IA en simulación 3D, ciencia climática e ingeniería de audio

El ritmo de la innovación tecnológica se ha acelerado durante el último año, sobre todo en el caso de la IA. Y en 2024, no había mejor lugar para participar en la creación de esos avances que NVIDIA Research . NVIDIA Research está formado por cientos de personas extremadamente brillantes que amplían las fronteras del conocimiento, no solo en IA, sino en muchas áreas de la tecnología. El año pasado, NVIDIA Research sentó las bases para futuras mejoras en el rendimiento de la GPU con importantes descubrimientos de investigación en circuitos, arquitectura de memoria y aritmética dispersa. La invención de nuevas técnicas gráficas por parte del equipo continúa elevando el nivel de la renderización en tiempo real. Además, desarrollamos nuevos métodos para mejorar la eficiencia de la IA, que requieren menos energía, requieren menos ciclos de GPU y ofrecen resultados aún mejores. Pero los avances más emocionantes del año han sido en IA generativa. Ahora podemos generar no sólo imágenes y texto, sino también modelos 3D, música y sonidos. También estamos desarrollando un mejor control sobre lo que se genera: para generar movimientos humanoides realistas y generar secuencias de imágenes con sujetos consistentes. La aplicación de la IA generativa a la ciencia ha dado como resultado pronósticos meteorológicos de alta resolución que son más precisos que los modelos meteorológicos numéricos convencionales. Los modelos de IA nos han dado la capacidad de predecir con precisión cómo responden los niveles de glucosa en sangre a diferentes alimentos. La IA generativa incorporada se está utilizando para desarrollar vehículos y robots autónomos. Y eso fue solo este año. A continuación, profundizamos en algunos de los mejores trabajos de inteligencia artificial generativa de NVIDIA Research en 2024. Por supuesto, seguimos desarrollando nuevos modelos y métodos para la IA, y esperamos resultados aún más emocionantes el próximo año. ConsiStory: Imágenes generadas por IA con la energía de los personajes principales ConsiStory , una colaboración entre investigadores de NVIDIA y la Universidad de Tel Aviv, facilita la generación de múltiples imágenes con un personaje principal consistente: una capacidad esencial para casos de uso narrativos como ilustrar una tira cómica o desarrollar un guión gráfico. El enfoque de los investigadores introdujo una técnica llamada atención compartida impulsada por el sujeto, que reduce el tiempo necesario para generar imágenes consistentes de 13 minutos a alrededor de 30 segundos. Lea el artículo de ConsiStory . Edify 3D: la IA generativa entra en una nueva dimensión NVIDIA Edify 3D es un modelo base que permite a los desarrolladores y creadores de contenido generar rápidamente objetos 3D que pueden usarse para crear prototipos de ideas y poblar mundos virtuales. Edify 3D ayuda a los creadores a idear, diseñar y conceptualizar rápidamente entornos inmersivos con recursos generados por IA. Los creadores de contenido, tanto principiantes como experimentados, pueden usar indicaciones de texto e imágenes para aprovechar el modelo, que ahora forma parte de la arquitectura multimodal de NVIDIA Edify para desarrollar IA generativa visual. Lea el artículo de Edify 3D y mire el vídeo en YouTube . Fugatto: máquina de sonido con inteligencia artificial flexible para música, voces y más Un equipo de investigadores de NVIDIA presentó recientemente Fugatto, un modelo de inteligencia artificial generativa fundamental que puede crear o transformar cualquier combinación de música, voces y sonidos basándose en indicaciones de texto o audio. El modelo puede, por ejemplo, crear fragmentos de música a partir de indicaciones de texto, añadir o quitar instrumentos de canciones existentes, modificar el acento o la emoción en una grabación de voz o generar sonidos completamente nuevos. Podría ser utilizado por productores musicales, agencias de publicidad, desarrolladores de videojuegos o creadores de herramientas de aprendizaje de idiomas. Lea el artículo de Fugatto . GluFormer: una inteligencia artificial predice los niveles de azúcar en sangre con cuatro años de antelación Investigadores del Instituto de Ciencias Weizmann, la startup Pheno.AI con sede en Tel Aviv y NVIDIA lideraron el desarrollo de GluFormer , un modelo de IA que puede predecir los niveles futuros de glucosa de un individuo y otras métricas de salud basándose en datos de monitoreo de glucosa anteriores. Los investigadores demostraron que, tras añadir datos de ingesta alimentaria al modelo, GluFormer también puede predecir cómo responderán los niveles de glucosa de una persona a alimentos específicos y cambios en la dieta, lo que permite una nutrición de precisión. El equipo de investigación validó GluFormer en otros 15 conjuntos de datos y descubrió que se generaliza bien para predecir los resultados de salud de otros grupos, incluidos aquellos con prediabetes, diabetes tipo 1 y tipo 2, diabetes gestacional y obesidad. Lea el artículo sobre GluFormer . LATTE3D: permite la generación casi instantánea de texto a formas 3D  Otro generador 3D lanzado por NVIDIA Research este año es LATTE3D , que convierte indicaciones de texto en representaciones 3D en un segundo, como una impresora 3D virtual y veloz. Las formas generadas, creadas en un formato popular utilizado para aplicaciones de renderizado estándar, se pueden utilizar fácilmente en entornos virtuales para desarrollar videojuegos, campañas publicitarias, proyectos de diseño o campos de entrenamiento virtuales para robótica. Lea el artículo LATTE3D . MaskedMimic: Reconstrucción del movimiento realista de robots humanoides Para avanzar en el desarrollo de robots humanoides, los investigadores de NVIDIA presentaron MaskedMimic , un marco de inteligencia artificial que aplica la técnica de restauración de imágenes (el proceso de reconstrucción de datos completos a partir de una vista incompleta o enmascarada) a las descripciones de movimiento. Si se le proporciona información parcial, como una descripción textual del movimiento o datos de la posición de la cabeza y las manos de un casco de realidad virtual, MaskedMimic puede completar los espacios en blanco para inferir el movimiento de todo el cuerpo. Se ha convertido en parte del Proyecto GR00T de NVIDIA , una iniciativa de investigación para acelerar el desarrollo de robots humanoides. Lea el artículo de MaskedMimic . StormCast: mejora la predicción meteorológica y la simulación climática  En el campo de la ciencia climática, NVIDIA Research anunció StormCast , un modelo de IA generativa para emular la dinámica atmosférica. Mientras que otros modelos de aprendizaje automático entrenados con datos globales tienen una resolución espacial de unos 30 kilómetros

Leer más »
diciembre 30, 2024

Predicciones para 2025: empresas, investigadores y startups apuestan por los humanoides y los agentes de IA a medida que la IA generativa cruza el abismo

Los expertos de NVIDIA en computación acelerada, ciencia de datos e investigación predicen que los modelos multimodales acelerarán la innovación y la eficiencia de la industria. Desde la sala de juntas hasta la sala de descanso, la IA generativa tomó por asalto este año, provocando debates en todas las industrias sobre cómo aprovechar mejor la tecnología para mejorar la innovación y la creatividad, mejorar el servicio al cliente, transformar el desarrollo de productos e incluso impulsar la comunicación. Según IDC, se espera que las empresas de todo el mundo gasten 307.000 millones de dólares en soluciones de IA el próximo año, cifra que aumentará hasta los 632.000 millones de dólares en 2028, a una tasa de crecimiento anual compuesta del 29,0%. La IA tendrá un impacto económico global acumulado de 19,9 billones de dólares hasta 2030 y generará el 3,5% del PIB mundial en 2030, predice IDC . Sin embargo, algunas empresas y startups aún son lentas en adoptar la IA y se limitan a la experimentación y a proyectos aislados, incluso cuando la tecnología avanza a un ritmo vertiginoso. Esto se debe, en parte, a que los beneficios de la IA varían según la empresa, el caso de uso y el nivel de inversión. Los enfoques cautelosos están dando paso al optimismo. Dos tercios de los encuestados en la Encuesta sobre el estado de la IA de 2024 de Forrester Research creen que sus organizaciones necesitarían menos del 50 % de retorno de la inversión para considerar que sus iniciativas de IA son exitosas. El próximo gran avance en el horizonte es la IA agente , una forma de IA autónoma o “razonable” que requiere el uso de diversos modelos de lenguaje, pilas sofisticadas de generación aumentada por recuperación y arquitecturas de datos avanzadas. Los expertos de NVIDIA en sectores verticales de la industria ya compartieron sus expectativas para el año que comienza. Ahora, escuche a los expertos de la compañía que impulsan la innovación en IA en las empresas, la investigación y el ecosistema de las empresas emergentes: IAN BUCKVicepresidente de Hiperescala y HPC La inferencia impulsa la carga de la IA: a medida que los modelos de IA crecen en tamaño y complejidad, aumentará la demanda de soluciones de inferencia eficientes. El auge de la IA generativa ha transformado la inferencia desde el simple reconocimiento de la consulta y la respuesta a la generación de información compleja (que incluye la síntesis a partir de múltiples fuentes y modelos de lenguaje de gran tamaño como OpenAI o1 y Llama 450B), lo que aumenta drásticamente las demandas computacionales. Gracias a las nuevas innovaciones de hardware, junto con las mejoras continuas del software, el rendimiento aumentará y se espera que el costo total de propiedad se reduzca cinco veces o más. Acelerar todo: a medida que las GPU se vayan adoptando de forma más generalizada, las industrias buscarán acelerar todo, desde la planificación hasta la producción. Las nuevas arquitecturas se sumarán a ese círculo virtuoso, ofreciendo eficiencias de costos y un orden de magnitud mayor de rendimiento computacional con cada generación. A medida que las naciones y las empresas compiten por construir fábricas de IA para acelerar aún más las cargas de trabajo, se espera que muchos busquen soluciones de plataforma y arquitecturas de centros de datos de referencia o planos que puedan poner en funcionamiento un centro de datos en semanas en lugar de meses. Esto les ayudará a resolver algunos de los desafíos más difíciles del mundo, incluida la computación cuántica y el descubrimiento de fármacos. Computación cuántica: todo son ensayos, ningún error: la computación cuántica hará avances significativos a medida que los investigadores se concentren en la supercomputación y la simulación para resolver los mayores desafíos de este campo naciente: los errores. Los cúbits, la unidad básica de información en la computación cuántica, son susceptibles al ruido y se vuelven inestables después de realizar solo miles de operaciones. Esto impide que el hardware cuántico actual resuelva problemas útiles. En 2025, se espera que la comunidad de computación cuántica avance hacia técnicas de corrección de errores cuánticos desafiantes, pero cruciales. La corrección de errores requiere cálculos rápidos y de baja latencia. También se espera ver hardware cuántico ubicado físicamente dentro de supercomputadoras, respaldado por una infraestructura especializada. La IA también desempeñará un papel crucial en la gestión de estos complejos sistemas cuánticos, optimizando la corrección de errores y mejorando el rendimiento general del hardware cuántico. Esta convergencia de la computación cuántica, la supercomputación y la IA en supercomputadoras cuánticas aceleradas impulsará el progreso en la realización de aplicaciones cuánticas para resolver problemas complejos en diversos campos, incluidos el descubrimiento de fármacos, el desarrollo de materiales y la logística. BRYAN CATANZAROVicepresidente de Investigación Aplicada de Aprendizaje Profundo Ponerle cara a la IA: la IA será más fácil de usar, responderá a las emociones y se caracterizará por una mayor creatividad y diversidad. Los primeros modelos de IA generativa que dibujaban imágenes tenían dificultades para realizar tareas sencillas, como dibujar dientes. Los rápidos avances en IA están haciendo que las imágenes y los vídeos sean mucho más fotorrealistas, mientras que las voces generadas por IA están perdiendo esa sensación robótica. Estos avances se verán impulsados ​​por el perfeccionamiento de los algoritmos y los conjuntos de datos, y por el reconocimiento por parte de las empresas de que la IA necesita un rostro y una voz para ser relevante para 8.000 millones de personas. Esto también provocará un cambio de las interacciones de IA por turnos a conversaciones más fluidas y naturales. Las interacciones con la IA ya no se sentirán como una serie de intercambios, sino que ofrecerán una experiencia de conversación más atractiva y humana. Repensar la infraestructura industrial y la planificación urbana: las naciones y las industrias comenzarán a examinar cómo la IA automatiza varios aspectos de la economía para mantener el nivel de vida actual, incluso cuando la población mundial se reduce. Estas iniciativas podrían contribuir a la sostenibilidad y al cambio climático. Por ejemplo, la industria agrícola comenzará a invertir en robots autónomos que puedan limpiar los campos y eliminar las plagas

Leer más »
diciembre 29, 2024

Japón desarrolla plataformas de diseño de fármacos, robótica sanitaria y salud digital de última generación

Las empresas farmacéuticas, las empresas de tecnología médica y los investigadores académicos están desarrollando capacidades de inteligencia artificial soberanas para impulsar el descubrimiento de fármacos, la genómica acelerada y los dispositivos médicos. Para brindar atención médica de alta calidad a su población (alrededor del 30% de la cual tiene 65 años o más), Japón está impulsando iniciativas soberanas de IA que respaldan casi todos los aspectos de la atención médica. Las herramientas de inteligencia artificial entrenadas con datos específicos de cada país y la infraestructura informática local están potenciando las capacidades de los médicos e investigadores de Japón para que puedan atender a los pacientes, en medio de una escasez prevista de casi 500.000 trabajadores de la salud para el próximo año. Las innovadoras implementaciones de tecnología por parte de los líderes de la atención médica del país, que incluyen el descubrimiento de fármacos acelerado por IA, la medicina genómica, las imágenes de atención médica y la robótica, se destacan en la Cumbre de IA de NVIDIA en Japón , que se lleva a cabo en Tokio hasta el 13 de noviembre. Estas aplicaciones , impulsadas por plataformas informáticas de inteligencia artificial de NVIDIA, como la supercomputadora NVIDIA DGX Tokio-1 , se desarrollaron utilizando plataformas específicas de dominio como NVIDIA BioNeMo para el descubrimiento de fármacos, NVIDIA MONAI para imágenes médicas, NVIDIA Parabricks para genómica y NVIDIA Holoscan para robótica sanitaria. Las fábricas de inteligencia artificial para el descubrimiento de fármacos mejoran la comprensión, la precisión y la velocidadNVIDIA está apoyando al mercado farmacéutico de Japón, uno de los tres más grandes del mundo, con NVIDIA BioNeMo, una plataforma integral que permite a los investigadores que descubren fármacos desarrollar e implementar modelos de IA para generar inteligencia biológica a partir de datos biomoleculares. BioNeMo incluye un marco de programación modular personalizable y microservicios NVIDIA NIM para una inferencia de IA optimizada. Los nuevos modelos incluyen AlphaFold2 , que predice la estructura 3D de una proteína a partir de su secuencia de aminoácidos; DiffDock , que predice la estructura 3D de una molécula que interactúa con una proteína; y RFdiffusion , que diseña nuevas estructuras proteínicas que probablemente se unirán a una molécula objetivo. La plataforma también cuenta con BioNeMo Blueprints , un catálogo de flujos de trabajo de IA de referencia personalizables para ayudar a los desarrolladores a escalar modelos de IA biomolecular a aplicaciones de nivel empresarial. El microservicio NIM para AlphaFold2 ahora integra MMSeqs2-GPU, una herramienta de recuperación de información evolutiva que acelera el flujo de trabajo tradicional de AlphaFold2 en cinco veces. Dirigida por investigadores de la Universidad Nacional de Seúl, la Universidad Johannes Gutenberg de Maguncia y NVIDIA, esta integración permite predecir la estructura de las proteínas en ocho minutos en lugar de cuarenta. En AI Summit Japan, TetraScience, una empresa que diseña conjuntos de datos científicos nativos de IA, anunció una colaboración con NVIDIA para industrializar la producción de casos de uso de IA científica para acelerar y mejorar los flujos de trabajo en toda la cadena de valor de las ciencias biológicas. Por ejemplo, la elección de una línea celular óptima para producir terapias biológicas, como vacunas y anticuerpos monoclonales, es un paso crítico que requiere mucho tiempo. El nuevo Lead Clone Assistant de TetraScience utiliza herramientas de BioNeMo, incluido el modelo básico NVIDIA VISTA-2D para la segmentación celular y el modelo Geneformer para el análisis de la expresión genética, para reducir la selección de clones líderes a horas en lugar de semanas. Astellas Pharma, con sede en Tokio, utiliza modelos de inteligencia artificial biomolecular de BioNeMo, como ESM-1nv, ESM-2nv y DNABERT, para acelerar la investigación biológica. Sus modelos de inteligencia artificial se utilizan para generar nuevas estructuras moleculares, predecir cómo se unirán esas moléculas a las proteínas objetivo y optimizarlas para que se unan de manera más eficaz a esas proteínas objetivo. Con el uso del marco BioNeMo, Astellas ha acelerado la generación de moléculas químicas en más de 30 veces. La empresa planea utilizar los microservicios NIM de BioNeMo para seguir avanzando en su trabajo. Las empresas farmacéuticas y las instituciones de investigación de Japón impulsan la investigación y el desarrollo de medicamentosAstellas, Daiichi-Sankyo y Ono Pharmaceutical son las principales compañías farmacéuticas japonesas que utilizan el sistema Tokyo-1 , una supercomputadora de inteligencia artificial NVIDIA DGX construida en colaboración con Xeureka, una subsidiaria del conglomerado empresarial japonés Mitsui & Co, para construir modelos de inteligencia artificial para el descubrimiento de fármacos. Xeureka está utilizando Tokyo-1 para acelerar el desarrollo de modelos de inteligencia artificial y simulaciones moleculares. Xeureka también está utilizando GPU NVIDIA H100 Tensor Core para explorar la aplicación de la computación confidencial para mejorar la capacidad de las compañías farmacéuticas de colaborar en el entrenamiento de grandes modelos de IA mientras protegen conjuntos de datos patentados. Para apoyar aún más la investigación sobre enfermedades y medicina de precisión, los investigadores de genómica de todo Japón han adoptado el paquete de software NVIDIA Parabricks para acelerar el análisis secundario de datos de ADN y ARN. Entre ellos se encuentra el Centro del Genoma Humano de la Universidad de Tokio, la principal institución académica que trabaja en un proyecto de genoma completo dirigido por el gobierno y centrado en la investigación del cáncer. La iniciativa ayudará a los investigadores a identificar variantes genéticas exclusivas de la población japonesa y apoyará el desarrollo de terapias de precisión. El centro del genoma también está explorando el uso de Giraffe, una herramienta ahora disponible a través de Parabricks v4.4 que permite a los investigadores mapear secuencias del genoma a un pangenoma, un genoma de referencia que representa diversas poblaciones. Los escáneres y endoscopios con inteligencia artificial brindan a los radiólogos y cirujanos superpoderes en tiempo realLos innovadores del sector sanitario de Japón están construyendo sistemas potenciados con IA para apoyar a radiólogos y cirujanos. Fujifilm ha desarrollado una aplicación de inteligencia artificial en colaboración con NVIDIA para ayudar a los cirujanos a realizar cirugías de forma más eficiente. Esta aplicación utiliza un modelo de

Leer más »
diciembre 29, 2024

Vay impulsa la movilidad y lleva soluciones automotrices avanzadas a las carreteras con NVIDIA DRIVE AGX

Vay, un proveedor con sede en Berlín de tecnología de conducción remota (teleconducción) para automoción, ofrece un enfoque alternativo a la conducción autónoma. A través de la aplicación de la empresa, un usuario puede pedir un coche y un conductor con formación profesional conducirá el vehículo de forma remota hasta la ubicación del cliente. Una vez que el coche llega, el usuario lo conduce manualmente. Una vez finalizado el viaje, el usuario puede finalizar el alquiler en la aplicación y aparcar en un lugar seguro para salir del coche, lejos del tráfico. No es necesario aparcar el vehículo, ya que el teleconductor se encargará del aparcamiento o conducirá el coche hasta el siguiente cliente. Este sistema ofrece movilidad sostenible puerta a puerta, con la ventaja única de contar con un conductor humano que controla remotamente el vehículo en tiempo real. La tecnología de Vay se basa en la plataforma informática centralizada NVIDIA DRIVE AGX , que ejecuta el sistema operativo NVIDIA DriveOS para vehículos autónomos seguros definidos por IA. Estas tecnologías permiten que las flotas de Vay procesen grandes volúmenes de datos de cámaras y otros vehículos por aire. Las capacidades de transmisión de video en tiempo real y de baja latencia de DRIVE AGX brindan un mejor conocimiento de la situación para los conductores de vehículos teledirigidos, mientras que su diseño de calidad automotriz garantiza la confiabilidad en cualquier condición de conducción. “Al combinar las innovadoras capacidades de conducción remota de Vay con la inteligencia artificial avanzada y la potencia informática de NVIDIA DRIVE AGX, estamos estableciendo un nuevo estándar para los vehículos conducidos de forma remota”, afirmó Justin Spratt, director comercial de Vay. “Esta colaboración nos ayuda a llevar al mercado opciones de conducción sin conductor seguras, confiables y accesibles y proporciona una solución adaptable que se puede implementar en entornos del mundo real ahora, no dentro de muchos años”. Transmisión de video de alta calidad La pila de tecnología avanzada de Vay incluye el software NVIDIA DRIVE AGX, que está optimizado para la latencia y la potencia de procesamiento. Al aprovechar las GPU NVIDIA diseñadas específicamente para la conducción autónoma, el sistema de conducción autónoma de la empresa puede procesar y transmitir señales de video de alta definición en tiempo real, lo que brinda al conductor del vehículo un conocimiento crítico de la situación, incluso en entornos complejos. En caso de emergencia, el vehículo puede detenerse por completo de manera segura. “Al trabajar con NVIDIA, Vay está estableciendo un nuevo estándar en tecnología sin conductor”, afirmó Bogdan Djukic, cofundador y vicepresidente de ingeniería, experiencia en conducción remota y autonomía en Vay. “Estamos orgullosos no solo de acelerar la implementación de vehículos autónomos y conducidos de forma remota, sino también de expandir los límites de lo que es posible en el transporte urbano, la logística y más allá, transformando la movilidad tanto para las empresas como para las comunidades”. Redefiniendo la movilidad con la conducción a distancia La tecnología de Vay permite a los teleconductores capacitados profesionalmente conducir vehículos de forma remota desde estaciones de teleconducción especializadas equipadas con controles estándar de la industria, como un volante y pedales. Los conductores de la empresa están completamente inmersos en la conducción: los sonidos del tráfico, como los de los vehículos de emergencia y otras señales de advertencia, se transmiten a través de micrófonos a los auriculares del operador. Los sensores de la cámara reproducen el entorno del vehículo y lo transmiten a las pantallas de la estación de teleconducción con una latencia mínima. Los vehículos pueden circular a velocidades de hasta 42 km/h. La tecnología de Vay aborda eficazmente casos extremos complejos con supervisión humana, mejorando la seguridad y reduciendo significativamente los costos y los desafíos de desarrollo. Vay es miembro de NVIDIA Inception , un programa que apoya a las empresas emergentes de inteligencia artificial brindándoles apoyo, experiencia y tecnología para su comercialización. El año pasado, Vay se convirtió en la primera y única empresa de Europa en conducir un vehículo por la vía pública sin conductor de seguridad. Desde enero, Vay opera sus servicios comerciales en Las Vegas. La startup recientemente cerró una asociación con Bayanat, un proveedor de soluciones geoespaciales impulsadas por IA, y está trabajando con Ush y Poppy, empresas de autos compartidos con sede en Bélgica, así como con Peugeot, un fabricante de automóviles francés. En octubre, Vay anunció una inversión de 34 millones de dólares del Banco Europeo de Inversiones, que le ayudará a implementar su tecnología en toda Europa y ampliar su equipo de desarrollo. NVIDIA News. C. C. Traducido al español

Leer más »
diciembre 29, 2024

Buscá noticias

Seleccioná una categoría

Newsletter

Newsletter 1
Ver el ultimo Newsletter

El portal de
las tecnologías
para la innovación

Contacto

administracion@chubutdigital.com.ar direccion@chubutdigital.com.ar

CHUBUTDIGITAL®
© 2023. Todos los derechos reservados.

Diseño web: Latini Design

Scroll al inicio