Solutions · Casos de uso IA
Tareas de visión embebidas — monitorización del conductor, asistencia a la conducción, seguridad en obra, seguridad de activos — fusionadas con la telemetría del vehículo en directo. Cámara y NPU comparten memoria, sin copia de píxeles por la CPU. Traiga un modelo ONNX o TFLite; hasta ~100 TOPS en el nivel AI-class.
Catálogo de casos de uso IA
Cada tarea es un modelo en el dispositivo fusionado con OBD, GNSS y CAN sincronizados. El vídeo se analiza en el dispositivo — solo los eventos y los clips que usted elija salen del vehículo. Traiga su propio modelo o haga entrenar uno a partir de su material.
Las tareas funcionan hoy por detección y clasificación. Las tareas marcadas en estudio usan pose, estimación de distancia o lectura de texto y están en desarrollo — validadas por flota antes de su despliegue.
Conductor — mirando hacia dentro
La visión hacia la cabina vigila al conductor, no la vía. Cada detección se condiciona por el estado de viaje, velocidad o encendido, para que las alertas se disparen en contexto — y el flujo de cabina se analiza en el dispositivo, nunca se sube.
Los patrones de cierre de ojos y cabeceo se puntúan en la óptica de cabina y se ponderan según cuánto lleva el conductor al volante, de modo que un turno de noche largo eleva la sensibilidad. La inferencia se ejecuta en el dispositivo — el flujo de cabina nunca sale del vehículo.
La postura de cabeza baja y mirada fuera de la vía se clasifica de forma continua, pero la alerta se retiene hasta que la velocidad GNSS cruza un umbral de movimiento — una mirada al teléfono en parado no la dispara. Solo en el dispositivo.
Los gestos de mano a la oreja y de dispositivo en mano se clasifican mientras el vehículo está en marcha, separando una mirada rápida de un uso sostenido en mano. No se sube ninguna imagen para decidirlo.
El uso del cinturón y las infracciones de política de cabina se leen de la imagen y se correlacionan con el encendido y el movimiento, de modo que la comprobación solo aplica cuando el vehículo está realmente en servicio.
Vía — mirando hacia fuera
La visión hacia la vía vigila la trayectoria delantera. Las detecciones se fusionan con la propia velocidad, la dirección y el CAN del intermitente, para que un aviso refleje lo que el vehículo hace realmente — no una mera conjetura sobre los píxeles.
El vehículo precedente y su distancia de cierre se siguen en la óptica delantera y se fusionan con la propia velocidad, de modo que el aviso de impacto inminente escala con la rapidez real de aproximación.
La deriva de carril se detecta en la óptica de la vía y se suprime en cuanto el estado CAN del intermitente muestra que la maniobra es intencionada — los cambios de carril señalizados no generan falsas alarmas.
Los peatones y ciclistas en la trayectoria delantera se detectan y ordenan por velocidad y ángulo de dirección, de modo que el riesgo más cercano en la trayectoria se muestra primero.
La distancia de seguimiento se estima a partir de la imagen delantera y se califica frente a la velocidad para una puntuación de intervalo temporal. La estimación de distancia está en desarrollo y se valida por flota antes de su despliegue.
Las señales de límite de velocidad se leen por OCR en el dispositivo y se comparan con la velocidad medida para generar un evento de exceso de velocidad. La lectura de señales está en desarrollo y se valida por flota antes de su despliegue.
Obra — alrededor y detrás
La visión alrededor y detrás cubre la zona de peligro a baja velocidad — marcha atrás, carga y maniobras cerca de personas. La alarma de seguridad se dispara localmente en el dispositivo, sin nube en el bucle.
Una persona que entra en una zona de peligro definida alrededor de una máquina o de un vehículo dando marcha atrás se detecta y dispara una alarma local en el dispositivo — sin ida y vuelta a la nube en el bucle de seguridad.
Las personas y obstáculos al costado o detrás se detectan durante maniobras a baja velocidad, cubriendo los ángulos muertos que un espejo no alcanza.
La estimación de pose señala a una persona al borde de un portón elevado abierto durante la carga. El trabajo de pose está en desarrollo y se valida por flota antes de su despliegue.
Antes de autorizar al vehículo a arrancar, se confirma que el área trasera está despejada de personas. Condicionada por la marcha y en desarrollo, validada por flota antes de su despliegue.
Activo — cabina y carga
La visión de cabina y carga vigila el activo cuando el vehículo está aparcado o circula sin vigilancia. Las detecciones se sellan con GNSS y se condicionan por el estado de cierre, encendido y movimiento.
Un pasajero, niño u objeto dejado en la cabina se detecta tras el apagado del encendido y los eventos de puerta, de modo que la alerta se dispara una vez el vehículo está aparcado y vaciándose.
Una persona que entra en la zona de carga mientras el vehículo está aparcado y cerrado se detecta y se sella con la ubicación GNSS para el registro del evento.
Una puerta abierta leída de la imagen se contrasta con la telemetría de movimiento, de modo que el evento solo se dispara cuando una puerta está abierta mientras el vehículo está realmente en marcha.
Bajo demanda y traiga su modelo
El runtime es agnóstico al modelo. Entregue un modelo ONNX o TensorFlow y se convierte por usted al formato embebido, o haga entrenar uno a partir de su material etiquetado. Los modelos se cargan al iniciar un pipeline y se liberan al detenerlo, de modo que un dispositivo puede llevar varios casos de uso del catálogo anterior.
ONNX · TFLite Traiga un modelo ONNX o TensorFlow; se convierte por usted al formato embebido .tflite. Hasta ~50 MB; por debajo de 5 MB la latencia se mantiene más baja.
NPU en dispositivo Los frames se analizan en la NPU antes de que un byte salga del dispositivo. El vídeo en bruto permanece local — solo los eventos y los clips que usted elija subir salen del vehículo.
carga · libera Los modelos se cargan al iniciar un pipeline y se liberan al detenerlo. Un solo modelo o varios en cascada sobre la NPU, sobre los mismos frames.
detección + telemetría Cada detección se fusiona con OBD, GNSS y CAN sincronizados — así un caso de uso puede condicionarse por velocidad, marcha o estado de puerta. El pipeline completo vive en AI Funnel.
Dónde se ejecuta
Los productos de cámara que llevan estas tareas — caja OEM, dashcam embarcada, red multicámara de flota. Capturar, grabar, transmitir, recuperar, despertar, IA en la nube.
El pipeline por debajo — cámara → plano de frames → shader ROI → NPU, sin copia de píxeles por la CPU en la ruta de inferencia.
FAQ
Sí. Entregue un modelo ONNX o TensorFlow y se convierte por usted al formato embebido .tflite, hasta ~50 MB. Por debajo de 5 MB la latencia se mantiene más baja. O haga entrenar uno a partir de su material etiquetado.
En la NPU del dispositivo, sobre silicio AI-class. El vídeo en bruto se analiza en el dispositivo — solo los eventos y los clips que usted elija subir salen del vehículo. No hay repliegue de inferencia en CPU.
Sí. Los modelos se cargan al iniciar un pipeline y se liberan al detenerlo, de modo que un dispositivo puede llevar varias tareas del catálogo — un solo modelo o varios en cascada sobre la NPU, sobre los mismos frames.
El reentrenamiento en la nube, la cuantización y la entrega OTA de modelos las gestiona el pipeline AI Funnel. Los modelos reentrenados llegan al dispositivo sin una actualización completa de firmware.
Elija las tareas que necesita, traiga su propio modelo o material, y esbozaremos el pipeline en el dispositivo durante la llamada.
Una respuesta del equipo de ingeniería, ~24 h. Sin presentación, sin NDA.