Glosario

IA en el transporte

¿Qué es IA en el transporte?

La IA en el transporte abarca aplicaciones de logística, tráfico y movilidad: planificación de rutas y repartos, previsión del tráfico, mantenimiento predictivo de vehículos e infraestructuras, sistemas de asistencia a la conducción y hasta vehículos autónomos. Los objetivos son rutas más cortas, menos viajes en vacío, menores costes y más seguridad. Muchas aplicaciones son críticas para la seguridad y, por tanto, están muy reguladas. Ejemplo: una empresa de paquetería replanifica cada día sus rutas de reparto según el volumen de envíos y el tráfico.

Temas

Logística
Movilidad
Tráfico

Probar KI.ordo

Agentes, flujos y plantillas en un solo espacio de trabajo – demo gratuita de 24 horas.

Iniciar demo

← Todos los términos

Términos relacionados

Vehículos autónomos

Los vehículos autónomos circulan total o parcialmente sin intervención humana gracias a cámaras, radar, lidar y software de IA. La norma SAE J3016 distingue seis niveles, desde 0 (sin automatización) hasta 5 (totalmente sin conductor en cualquier lugar). La IA se encarga de la percepción, de prever el comportamiento de otros usuarios de la vía y de planificar la ruta. Además de turismos, abarca robotaxis, camiones, lanzaderas y vehículos de almacén; la homologación y la responsabilidad las regula cada país.

Movilidad
Visión artificial
+1

Visión artificial

La visión artificial (computer vision) es un campo de la IA en el que los ordenadores analizan imágenes y vídeos. Tareas típicas son detectar y localizar objetos, leer texto en imágenes o medir piezas. Se usa, por ejemplo, en el control de calidad en fábricas, en sistemas de asistencia a la conducción, en logística o en imagen médica.

análisis de imágenes
aprendizaje profundo
+1

Analítica predictiva

La analítica predictiva usa datos históricos, estadística y aprendizaje automático para estimar acontecimientos futuros probables. Responde a preguntas como: ¿qué clientes van a darse de baja? ¿Cuánto stock necesitarás el mes que viene? ¿Cuándo es probable que falle una máquina? Los resultados son probabilidades, no certezas. Su valor depende mucho de la calidad de los datos y de que las predicciones se usen de verdad en decisiones y procesos.

análisis de datos
previsión
+1

Aprendizaje por refuerzo (RL)

El aprendizaje por refuerzo (reinforcement learning) es una rama del aprendizaje automático en la que un agente aprende por ensayo y error. Actúa en un entorno, recibe recompensas por los buenos resultados y penalizaciones por los malos, y así desarrolla una estrategia que maximiza el beneficio total. Ejemplos conocidos son los programas que dominan juegos de mesa como el go, el control de robots o el ajuste de modelos de lenguaje a partir de valoraciones humanas.

método de aprendizaje
recompensa
+1