Sentiance exploite des technologies IA de pointe pour convertir des données brutes de capteurs mobiles en informations détaillées sur le comportement de conduite, les modèles de mobilité et les activités de style de vie. Notre intelligence embarquée garantit la confidentialité des données et le consentement de l'utilisateur, offrant une solution évolutive pour les entreprises qui souhaitent augmenter l'engagement des utilisateurs, améliorer la sécurité routière et créer des expériences adaptées. Avec des applications dans la télématique, l'assurance, les services de mobilité et les villes intelligentes, la plateforme de Sentiance est conçue pour promouvoir des changements de comportement et créer des impacts significatifs dans divers secteurs.

Analog AI est un fournisseur leader de solutions d'informatique en périphérie conçues pour exploiter la technologie IA afin de connecter les personnes, les lieux et les choses. Le produit offre des capacités d'intelligence artificielle à la pointe de la technologie, garantissant un traitement efficace en temps réel à la périphérie du réseau. Cela améliore considérablement les performances et réduit la latence, le rendant adapté à diverses applications, des villes intelligentes à l'automatisation industrielle.

Currux Vision intègre des technologies d'IA avancées pour créer des systèmes autonomes de surveillance et d'optimisation des infrastructures urbaines. Leurs solutions incluent la gestion du trafic, les prévisions de sécurité et la détection des anomalies, offrant des analyses en temps réel et des informations exploitables. La plateforme soutient les développeurs d'infrastructures et les agences gouvernementales pour garantir la sécurité et l'efficacité dans divers environnements.

Le système de collecte autonome des déchets multi-agent est une plateforme basée sur la recherche qui utilise l'apprentissage par renforcement multi-agent pour entraîner des robots de collecte des déchets individuels à collaborer dans la planification des itinéraires. Les agents apprennent à éviter la couverture redondante, à minimiser la distance de déplacement et à répondre aux motifs de génération de déchets dynamiques. Construit en Python, le système intègre un environnement de simulation pour tester et affiner les politiques avant déploiement réel. Les utilisateurs peuvent configurer des cartes, des points de dépôt de déchets, des capteurs d'agents et des structures de récompenses pour adapter le comportement à des zones urbaines ou contraintes opérationnelles spécifiques.