La Innovación Impulsada por IA Revoluciona el Análisis de Tráfico

- Fujitsu y la Universidad Carnegie Mellon presentan una tecnología impulsada por IA que transforma imágenes de tráfico 2D en modelos 3D precisos, mejorando el análisis del tráfico y priorizando la privacidad.
- Los componentes principales del sistema, Estimación de Ocupación 3D y Proyección 3D, superan las limitaciones anteriores, permitiendo una reconstrucción precisa de escenas 3D a partir de una sola cámara RGB.
- Las pruebas de campo en Pittsburgh, del 22 de febrero al 31 de mayo de 2024, evalúan la eficacia de la tecnología en el análisis del tráfico en el mundo real, centrándose en la identificación y prevención de accidentes.
En un avance notable, Fujitsu Limited y la Universidad Carnegie Mellon anunciaron conjuntamente el desarrollo de una tecnología de Doble Digital Social impulsada por IA, destinada a revolucionar el análisis de tráfico. La investigación colaborativa, iniciada en febrero de 2022, ha culminado en un sistema transformador capaz de convertir imágenes de escenas 2D capturadas por una única cámara RGB monocular en modelos 3D detallados. Este enfoque innovador, que se basa en el aprendizaje profundo, marca un avance significativo en la visualización y el análisis de alta precisión de escenarios de tráfico 3D dinámicos.
Fujitsu y Carnegie Mellon redefinen el análisis de tráfico con la integración de IA
Fujitsu Limited y la Universidad Carnegie Mellon han presentado una tecnología innovadora que promete transformar el panorama del análisis de tráfico y la prevención de accidentes. Iniciando su investigación conjunta en febrero de 2022, la colaboración tuvo como objetivo desarrollar un Doble Digital Social capaz de replicar dinámicamente interacciones complejas en espacios 3D. La culminación de esta investigación es un sistema impulsado por IA que transforma imágenes de escenas 2D, capturadas por una cámara RGB monocular, en formatos 3D digitalizados.
El sistema se basa en dos tecnologías centrales, cada una desempeñando un papel pivotal en su funcionalidad. La primera, la Tecnología de Estimación de Ocupación 3D, emplea redes de aprendizaje profundo para distinguir objetos dentro de espacios 3D a partir de imágenes de cámaras RGB monoculares. Al representar estos objetos como Vóxeles en el espacio 3D, el sistema logra una comprensión detallada de las escenas, permitiendo una estimación precisa de la forma 3D de áreas no visibles en la imagen de entrada. La segunda tecnología central, la Proyección 3D, construye un gemelo digital 3D basado en la salida de la Tecnología de Estimación de Ocupación. Este paso incorpora conocimientos de análisis del comportamiento humano, asegurando que los movimientos sean consistentes con el mundo real y permitiendo una estimación precisa de la posición incluso cuando partes de los objetos están obstruidas.
Para abordar las preocupaciones relacionadas con la privacidad, la tecnología anonimiza automáticamente los rostros y las matrículas, subrayando el compromiso con el uso responsable de la IA. Fujitsu y Carnegie Mellon prevén la comercialización de esta tecnología para el año fiscal 2025, expandiendo su aplicación más allá del transporte para abarcar ciudades inteligentes y la seguridad vial.
Pruebas de campo en Pittsburgh – Validando el potencial de la tecnología impulsada por IA
Con las prometedoras capacidades de la tecnología, Fujitsu y Carnegie Mellon iniciaron pruebas de campo en Pittsburgh, EE. UU., comenzando el 22 de febrero de 2024 y continuando hasta el 31 de mayo de 2024. Las pruebas utilizaron datos de intersecciones en la ciudad, aprovechando una cámara RGB monocular instalada en el campus de la Universidad Carnegie Mellon. El objetivo principal era analizar las condiciones de multitudes y tráfico, identificando accidentes potenciales como puntos ciegos causados por edificios y multitudes temporales. Al reproducir estos datos en un Doble Digital Social, se examinó exhaustivamente la efectividad de la tecnología en escenarios del mundo real.
El Profesor de Investigación Asistente, Prof. László A. Jeni, expresó su deleite ante el logro colaborativo, destacando el compromiso continuo de avanzar en la investigación sobre tecnologías de vanguardia. El esfuerzo colaborativo entre el equipo de Fujitsu y los expertos académicos de CMU desempeñó un papel pivotal para alcanzar este hito.
Daiki Masumoto, Fellow y Jefe del Laboratorio de Tecnologías Convergentes en Fujitsu Research, enfatizó la alineación de la tecnología con la misión más amplia de Fujitsu de hacer que el mundo sea más sostenible a través de la innovación. Expresó su entusiasmo por el paso significativo hacia el logro de sus objetivos mediante la colaboración con la Universidad Carnegie Mellon.
A medida que se desarrollan las pruebas de campo, las implicaciones de esta tecnología de Doble Digital Social impulsada por IA en el análisis de tráfico y la planificación urbana se vuelven cada vez más evidentes. El potencial de esta innovación para mejorar la seguridad, optimizar el flujo de tráfico y contribuir al desarrollo de ciudades inteligentes es sustancial. La pregunta sigue siendo: ¿Cómo redefinirá esta tecnología innovadora nuestro enfoque de la planificación urbana, el transporte y los desafíos sociales en los próximos años?
No te limites a leer noticias sobre criptomonedas. Entiéndelas. Suscríbete a nuestro boletín. Es gratis.
Aviso de responsabilidad. La información proporcionada no es un consejo de trading. Cryptopolitan.com no asumimos responsabilidad alguna por las inversiones realizadas basándose en la información proporcionada en esta página. Recomendamos encarecidamente la investigación independiente y/o la consulta con un profesional calificado antes de tomar cualquier decisión de inversión.

Aamir Sheikh
Aamir es un periodista tecnológico con casi seis años de experiencia en los sectores de criptomonedas y tecnología. Se graduó de la Universidad MAJ con un MBA en Finanzas y Marketing. Ahora trabaja con Cryptopolitan, donde informa sobre los últimos desarrollos en los mercados de criptomonedas y predicciones de precios.
















