Este panel interactivo consolida la información técnica y ejecutiva del proyecto AceleradorSNN (Expediente INREIA/2024/62). Explora a continuación el cronograma del proyecto, el avance tecnológico, sus objetivos principales y los resultados derivados de las investigaciones técnicas aplicadas.
Cronograma del Proyecto
Progreso estimado actual
Madurez Tecnológica (TRL)
Evolución del nivel de preparación
TRL Inicio
Nivel 3
TRL Fin
Nivel 6
Presupuesto Subvencionable
Intensidad de ayuda del 60%
Subvención concedida:
148.966,42 €
Objetivos del Proyecto
Haz clic en cada objetivo para descubrir los detalles operativos y técnicos propuestos en el desarrollo experimental.
Desarrollo integral de un procesador de señal de imagen desde la captura hasta la salida. Incluye la optimización del pipeline de procesamiento para preparar los datos visuales antes de su análisis mediante redes neuronales, reduciendo el ruido y mejorando el contraste para entornos críticos.
Creación y entrenamiento de un modelo de inteligencia artificial bio-inspirada (SNN) específico para la detección de objetos. Se busca alta eficiencia energética y rápida respuesta temporal, codificando la información visual en impulsos o 'spikes' para su procesamiento neuromórfico.
Integración del hardware y software en un sistema funcional capaz de operar en entornos relevantes. La validación se centra en las necesidades específicas del sector aeronáutico, automovilístico y de la industria 4.0, garantizando una alta tasa de acierto y fiabilidad en tiempo real.
Resultados Principales e Investigación
La innovación disruptiva de AceleradorSNN radica en la integración sinérgica de dos núcleos de propiedad intelectual (IP cores) desarrollados íntegramente por nuestro equipo de ingeniería.
Selecciona las pestañas para explorar los pilares técnicos que componen el sistema.
Desarrollo del modelo SNN para Detección
Diseño y entrenamiento de Redes Neuronales de Impulsos (Spiking Neural Networks) enfocado en la detección de objetos en imágenes.
A diferencia de las redes neuronales convencionales, las Redes Neuronales de Impulsos (SNN) se inspiran en el cerebro humano y procesan la información mediante impulsos eléctricos discretos (spikes). Este procesador analiza los datos asíncronos generados por cámaras de eventos (DVS), las cuales solo capturan los cambios de luminosidad en la escena, permitiendo detectar objetos en movimiento con una eficiencia computacional inigualable.
- Implementación de mecanismos de codificación temporal.
- Optimización del consumo de energía.
- Mejora en la latencia de respuesta frente a eventos visuales dinámicos.
Aplicaciones y Sectores
La tecnología de AceleradorSNN está diseñada para integrarse en sistemas críticos donde la seguridad, el peso y el consumo energético son vitales:
- 🛰️ Sector Aeroespacial y Drones: Mejora de la navegación, autonomía y maniobrabilidad en satélites artificiales y drones, prolongando la vida útil de sus baterías.
- 🚗 Automoción (Vehículos Autónomos): Potenciación de los Sistemas de Conducción Autónoma (ADAS) para operar de forma segura y robusta en condiciones climáticas y lumínicas adversas.
- 🏭 Industria 4.0: Inspección automática de calidad en líneas de producción y dotación de visión inteligente a robots industriales y carretillas autónomas.
Repositorio
En el repositorio de AceleradorSNN en Github publicaremos los avances científicos, resultados de validación en entornos simulados y reales, así como material de acceso abierto derivado de nuestra investigación sobre computación neuromórfica y SNN.
Contacto y Equipo
Este proyecto está siendo desarrollado por la unidad de I+D+i de Intigia.
📍 Puedes contactarnos aquí
Financiación y Agradecimientos
Este proyecto ha sido financiado por PROYECTOS DE DESARROLLO EXPERIMENTAL EN EL ÁREA DE LA INTELIGENCIA ARTIFICIAL Y PARA EL IMPULSO AL DESARROLLO DE ESPACIOS DE DATOS SECTORIALES, en el marco del Plan de Recuperación, Transformación y Resiliencia, financiado por la Unión Europea - NextGenerationEU, concedido por la Generalitat Valenciana (Conselleria de Innovación, Industria, Comercio y Turismo) con el número de expediente INREIA/2024/62.
