Índice
Profesor en la Universidad de Clermont Auvergne y asesor científico en Logiroad, Thierry Chateau comparte su visión de la innovación al servicio de las comunidades locales. Habla sobre el papel central de la investigación y los beneficios prácticos de la inteligencia artificial para gestionar las infraestructuras viales.
¡Mira su entrevista en video al final de este artículo!
Presentación de carrera
¿Puedes presentarte?
« Hola, mi nombre es Thierry Chateau, soy profesor universitario en la Universidad de Clermont y tengo 54 años. Mis áreas de investigación son la inteligencia artificial, principalmente aplicada a problemas de robótica.
En robótica, hay varios aspectos. Está el aspecto de percepción, veo el entorno, luego el aspecto de análisis, qué hay en ese entorno, y el aspecto de decisión. »
¿Cuál era tu experiencia en investigación antes de Logiroad?
« Tengo un trasfondo algo inusual porque originalmente no estaba destinado a entrar en la investigación.
Hice un diploma técnico de secundaria seguido de un certificado de técnico superior, un BTS, y fue entonces cuando me uní a una escuela de ingeniería donde se suponía que iba a estudiar ingeniería eléctrica. Y en el último año de esta escuela de ingeniería, descubrí la investigación gracias a unas prácticas.
Eso realmente me hizo querer continuar en este campo de innovación e investigación. Y me llevó a hacer una tesis, todavía en las mismas áreas, robótica y percepción, y fue al final de esa tesis que pensé, estoy hecho para hacer esto.
Así que presenté un examen competitivo para convertirme en profesor en la Universidad de Clermont, y desde 2010 tengo un puesto de profesor universitario.
En los años 2000, el modelo de investigación en Francia cambió bastante, y empezamos a tener investigaciones más orientadas a proyectos. Animábamos a los centros de investigación a colaborar entre sí para fomentar la interdisciplinariedad y proponer direcciones de investigación. Y fue en este contexto que conocí a Yann Goyat, del Laboratorio Central de Puentes y Caminos.
Y gracias a Yann Goyat, trabajamos un poco en conceptos de seguridad, seguridad relacionada con infraestructuras y también en seguridad de vehículos.
Fue un proyecto colaborativo. Durante este proyecto, se suponía que habría una tesis. Después de conversaciones con su director, que era Philippe Lepert, se llegó a un acuerdo, y fue en ese contexto que supervisé la tesis de Yann Goyat. Esto fue más o menos alrededor de 2006, y fue una tesis brillantemente defendida, y luego conocemos la historia que recordaremos aquí. »
¿Hay diferentes tipos de IA?
« Lo que necesitas saber es que hoy en día distinguimos entre 2 tipos de IA.
Tenemos lo que se llama IA generativa, que es una IA que controlamos a través de lo que se llaman ‘prompts’. Escribes algo como ‘dibuja una oveja’ y luego la máquina producirá una imagen de una oveja. Se llama generativa porque si lo escribes dos veces, no obtendrás la misma oveja. Así que la máquina es capaz de generar cosas, básicamente de inventarlas por sí misma.
El segundo tipo de IA que nos interesará más en Logiroad es la IA llamada ‘discriminativa’, que simplemente es una IA que toma decisiones. Le muestras una imagen y tiene que decir, por ejemplo, si hay una carretera en esa imagen o no.
Esto se llama clasificación. ¿Dónde está la carretera? ¿Puedo rodearla con lo que vamos a llamar un cuadro delimitador? Vamos a llamar a esto detección, lo que significa que, más o menos, estoy averiguando dónde está la carretera.
¿Puedo dar todos los puntos de la imagen que llamamos píxeles que pertenecen a la carretera? Ese es un nivel adicional que llamamos segmentación semántica porque estamos asignando una etiqueta semántica a un píxel.
And I was convinced pretty early on about this type of artificial intelligence for Logiroad, because we’ll talk about it a bit more later. It brings a huge amount of added value for the products and especially for the customers. »
¿Cuál es tu papel como director científico?
« Un director científico tiene varios roles. El más importante es asegurarse de que las direcciones de investigación que toma la empresa, en el contexto de crear nuevos productos, estén encaminadas.
El director científico no define nuevos productos, eso está en las especificaciones, los clientes son los que definen los nuevos productos. Pero el director científico tiene que poder asegurarse de que estamos tomando las decisiones correctas y usando la tecnología adecuada. »
¿Cuál es tu papel como director científico?
« Un director científico tiene varios roles. El más importante es asegurarse de que las direcciones de investigación que toma la empresa, en el contexto de crear nuevos productos, estén encaminadas.
El director científico no define nuevos productos, eso está en las especificaciones, los clientes son los que definen los nuevos productos. Pero el director científico tiene que poder asegurarse de que estamos tomando las decisiones correctas y usando la tecnología adecuada. »
« Hay varias tesis que han sido financiadas por Logiroad sobre puntos importantes. »
¿Cómo estás apoyando a Logiroad hoy?
« Después de 4 años en Logiroad, volví a mi puesto de profesor, así que todavía soy profesor hoy en la Universidad de Clermont. Pero no se deja una empresa que has visto crecer y en la que intentaste aportar mucha pasión.
Desempeño un papel como asesor científico, y este rol influye en las principales líneas de investigación, especialmente pensando en cómo podemos imaginar nuevas inteligencias artificiales, y cómo hoy podemos guiar los diferentes métodos que los equipos de investigación seguirán en términos de modelos de inteligencia artificial. Mi papel como profesor universitario, por un lado, cuando llegué a Logiroad, y ahora, con mi orientación, significa que tengo un buen conocimiento de las herramientas de investigación académica, especialmente las tesis, que son herramientas asombrosas para aportar valor añadido a un campo muy específico.
Hay varias tesis que han sido financiadas por Logiroad sobre puntos importantes. Por ejemplo, intentar investigar las señales viales, o comprobar si estas señales tienen un nivel adecuado de luminancia. Mi papel ha sido, y sigue siendo, apoyar a los estudiantes de doctorado en Logiroad en su trabajo en colaboración con la universidad. »
¿Por qué incluir investigación desde el principio al crear Logiroad?
« La investigación y la innovación están en el ADN de Logiroad. La razón principal es que los dos fundadores originales de Logiroad, Yann Goyat y Philippe Lepert, ambos empezaron como investigadores de formación y han trabajado como investigadores en el Laboratorio Central de Puentes y Caminos, que hoy en día es la Universidad Gustave Eiffel.
No crearon esta empresa solo para llevar un producto al mercado. Desde el principio, querían mantener conexiones, ya sea con el Laboratorio de Puentes y Caminos o con universidades, y seguir desarrollando innovaciones para que estas innovaciones aportaran nuevas funciones a los productos.
Realmente hubo un enfoque proactivo que implicaba decir no, pero al mismo tiempo, también querer seguir avanzando en los productos futuros, en las mejoras futuras de los productos en los que estaban trabajando.
Este enfoque proactivo significa que Logiroad está, creo, siempre un paso adelante de sus competidores, que tienden a tener un modelo con una participación de I+D un poco menor. »
¿Por qué incluir investigación desde el principio al crear Logiroad?
« La investigación y la innovación están en el ADN de Logiroad. La razón principal es que los dos fundadores originales de Logiroad, Yann Goyat y Philippe Lepert, ambos empezaron como investigadores de formación y han trabajado como investigadores en el Laboratorio Central de Puentes y Caminos, que hoy en día es la Universidad Gustave Eiffel.
No crearon esta empresa solo para llevar un producto al mercado. Desde el principio, querían mantener conexiones, ya sea con el Laboratorio de Puentes y Caminos o con universidades, y seguir desarrollando innovaciones para que estas innovaciones aportaran nuevas funciones a los productos.
Realmente hubo un enfoque proactivo que implicaba decir no, pero al mismo tiempo, también querer seguir avanzando en los productos futuros, en las mejoras futuras de los productos en los que estaban trabajando. Este enfoque proactivo significa que Logiroad está, creo, siempre un paso adelante de sus competidores, que tienden a tener un modelo con una participación de I+D un poco menor. »
¿Qué aporta la investigación a Logiroad en comparación con un enfoque más 'convencional'?
« Una empresa más convencional o no tendría ningún tipo de investigación o subcontrataría prácticamente todo lo que necesita. Y en ese caso, no tiene control sobre ello. Y entonces depende de sus socios externos. Tal vez esa sea una estrategia.
Por otro lado, Logiroad decidió de inmediato internalizar todos sus productos e I+D, ya fuera para los sensores, donde desarrolló sus propios sensores, o para los componentes de software, donde desarrolló sus propios componentes de software.
Eso es realmente lo que distingue a Logiroad, es el hecho de que todo esto es interno y que, en realidad, controlamos todo hoy en día. »
« La investigación y la innovación están en el ADN de Logiroad. »
¿Qué aporta la investigación a Logiroad en comparación con un enfoque más 'convencional'?
« Una empresa más convencional o no tendría ningún tipo de investigación o subcontrataría prácticamente todo lo que necesita. Y en ese caso, no tiene control sobre ello. Y entonces depende de sus socios externos. Tal vez esa sea una estrategia.
Por otro lado, Logiroad decidió de inmediato internalizar todos sus productos e I+D, ya fuera para los sensores, donde desarrolló sus propios sensores, o para los componentes de software, donde desarrolló sus propios componentes de software.
Eso es realmente lo que distingue a Logiroad, es el hecho de que todo esto es interno y que, en realidad, controlamos todo hoy en día. »
Creación de la división de IA de Logiroad
¿Puedes contarnos sobre la creación de la división de IA en Logiroad?
« Muy rápidamente, la empresa Logiroad se dio cuenta de que si querían ayudar al mayor número de personas, necesitaban poder escalar. Y dado que el modelo consistía en salir a las carreteras, recoger datos digitales con sensores y luego analizar esos datos, pensamos, si quiero cubrir más carreteras, voy a tener más datos, voy a necesitar mejores sensores, lo que significa aún más datos, y voy a necesitar herramientas para analizar estos datos más rápida y eficazmente. Así que, después de una conversación que tuve con Yann Goyat, muy rápidamente pensamos: necesitamos encontrar respuestas para todo eso.
Necesitamos incorporar herramientas de soporte de análisis, herramientas de IA, y entonces se lanzó una tesis en 2013, bajo el programa CIFRE, que se centraba en el análisis de imágenes. Al principio, el producto estaba más orientado a gestionar el tráfico en las carreteras, pero muy pronto pensamos, oye, estas herramientas también se pueden usar para detectar daños. Y ese es de hecho uno de los objetivos principales de Logiroad, hacer diagnósticos.
Después de esta tesis, pensamos, bueno, vamos a intentar seguir usando estas herramientas de IA para detectar daños. Pero en algún momento, necesitamos hacer todo esto sostenible. Necesitamos tener experiencia en crecimiento y una verdadera división de IA con habilidades que se mantengan a largo plazo. Y tenemos una IA realmente genial para analizar daños en las carreteras. »
« Presentamos un proyecto (AI4ROAD) que fue aprobado por los clústeres de competitividad, y que fue muy, muy bien recibido por el Banco de Inversión, que nos nombró ganadores de un concurso de excelencia llamado "i-Nov". »
¿Qué papel desempeñó el proyecto de la carretera IA4, llevado a cabo entre 2021 y 2024?
« Necesitábamos poner en marcha actividades de I+D, desarrollar las inteligencias artificiales, crear una plataforma de visualización, y todo eso requería inversión. Por ello, elaboramos una hoja de ruta estimando los costes necesarios para llevar a cabo el proyecto. Después acudimos al Banco Público de Inversión de Francia (BPI France) y les explicamos: «Tenemos un proyecto, queremos ayudar a los municipios y a las provincias a gestionar mejor sus infraestructuras viarias».
Presentamos un proyecto que fue certificado por varios polos de competitividad y que fue extraordinariamente bien recibido por BPI France, que nos nombró ganadores de un concurso de excelencia denominado «i-Nov». Nos sentimos muy orgullosos de ese reconocimiento. Gracias a ello pudimos participar en otros concursos, en los que también resultamos ganadores. Pero, sobre todo, nos permitió obtener financiación complementaria para crear la plataforma Logiroad Center y desarrollar las primeras inteligencias artificiales, que eran modelos basados en cuadros delimitadores (bounding boxes).
Gracias a ello pudimos participar en otros concursos, en los que también resultamos ganadores. Y, sobre todo, nos permitió obtener cofinanciación para crear la plataforma Logiroad Center y desarrollar las primeras inteligencias artificiales, que estaban basadas en la tecnología de bounding boxes (cuadros delimitadores).
En el proyecto AI4Road optamos por inteligencias artificiales de tipo bounding box por varias razones. Desde el principio sabíamos que se trataba de una solución bastante limitada, porque no nos permitiría obtener ciertos tipos de información. Sin embargo, la capacidad de cálculo de la que disponíamos hace cinco años nos permitía ejecutar estos modelos a una velocidad compatible con las necesidades de producción, algo que la inteligencia artificial basada en segmentación, mucho más exigente en recursos, todavía no permitía.
No obstante, nos dimos cuenta muy rápidamente de que no era suficiente; no era suficiente para satisfacer las necesidades de los clientes.
¿Por qué? Porque cuando se observa una carretera mediante una cámara y existe un efecto de perspectiva, si una fisura se representa únicamente mediante un cuadro delimitador (bounding box), no se dispone de información suficiente sobre ella. No se conocen con precisión sus dimensiones, su geometría ni sus características reales. En definitiva, no se obtiene suficiente información sobre la fisura. »
¿Cómo cambia la precisión de la inteligencia artificial la forma en que se gestionan los trabajos de mantenimiento y conservación de la red vial?
« Lo que necesitamos es conocer el tamaño de la grieta. Es lo mismo que cuando se delimita un bache: necesitamos conocer su superficie real. Y esa información no la obtenemos cuando utilizamos un simple cuadro delimitador (bounding box).
Una forma de conseguirla es pasar de una inteligencia artificial basada en bounding boxes a una inteligencia artificial que realice segmentación semántica. Es decir, una IA capaz de asociar cada píxel de la imagen a una categoría, determinando si corresponde o no a un deterioro de la calzada.
De este modo, podemos identificar con precisión la forma, las dimensiones y la superficie real de cada defecto, obteniendo información mucho más detallada y útil para la gestión y el mantenimiento de las infraestructuras viarias. »
¿Qué papel desempeñó el proyecto AI4Road, llevado a cabo entre 2021 y 2024?
« Necesitábamos poner en marcha actividades de I+D, desarrollar las inteligencias artificiales, crear una plataforma de visualización, y todo eso requería inversión. Por ello, elaboramos una hoja de ruta estimando los costes necesarios para llevar a cabo el proyecto. Después acudimos al Banco Público de Inversión de Francia (BPI France) y les explicamos: «Tenemos un proyecto, queremos ayudar a los municipios y a las provincias a gestionar mejor sus infraestructuras viarias».
Presentamos un proyecto que fue certificado por varios polos de competitividad y que fue extraordinariamente bien recibido por BPI France, que nos nombró ganadores de un concurso de excelencia denominado «i-Nov». Nos sentimos muy orgullosos de ese reconocimiento. Gracias a ello pudimos participar en otros concursos, en los que también resultamos ganadores. Pero, sobre todo, nos permitió obtener financiación complementaria para crear la plataforma Logiroad Center y desarrollar las primeras inteligencias artificiales, que eran modelos basados en cuadros delimitadores (bounding boxes).
Gracias a ello pudimos participar en otros concursos, en los que también resultamos ganadores. Y, sobre todo, nos permitió obtener cofinanciación para crear la plataforma Logiroad Center y desarrollar las primeras inteligencias artificiales, que estaban basadas en la tecnología de bounding boxes (cuadros delimitadores).
En el proyecto AI4Road apostamos por inteligencias artificiales basadas en cajas delimitadoras (bounding boxes) por varias razones. Desde el principio sabíamos que esto suponía una limitación importante, porque no nos permitiría obtener cierta información. Sin embargo, la capacidad de cálculo de la que disponíamos hace cinco años nos permitía ejecutar estas IA a una velocidad compatible con las necesidades de producción, algo que la IA de segmentación, mucho más exigente en recursos, todavía no permitía.
Pero nos dimos cuenta muy rápidamente de que no era suficiente. No era suficiente para los clientes.
¿Por qué? Porque cuando se observa una carretera con una cámara y existe un efecto de perspectiva, si una grieta se delimita únicamente con una caja delimitadora (bounding box), no se dispone de suficiente información sobre ella. No se dispone de suficiente información sobre la grieta. »
¿Cómo cambia la precisión de la inteligencia artificial la gestión de los trabajos de conservación y mantenimiento de las carreteras?
« Lo que necesitamos es conocer el tamaño de la grieta. Es decir, si delimitamos un bache, necesitamos conocer la superficie real de ese bache. Y esa información no la tenemos cuando trabajamos con una caja delimitadora (bounding box). Una manera de obtenerla es pasar de una IA basada en cajas delimitadoras a una IA que realice segmentación semántica; es decir, que asocie a cada píxel si corresponde o no a una degradación »
¿Cómo transforman estas innovaciones el trabajo diario de los gestores?
« Disponer de una inteligencia artificial que no se limite a utilizar bounding boxes, sino que sea capaz de obtener las dimensiones y superficies exactas de los deterioros, ayuda a los gestores en su día a día a comprender mejor la cantidad de material necesaria para realizar las reparaciones.
Y hablar de cantidades de material también significa hablar de costes. Gracias a ello, podemos definir las necesidades con precisión y evaluar de forma más rigurosa los presupuestos presentados por las empresas encargadas de las reparaciones.
Si sabemos que necesitamos una determinada cantidad de metros cúbicos de material, conocemos aproximadamente su coste unitario y, por tanto, disponemos de una estimación mucho más precisa. Contamos con mucha más información, y eso es fundamental para gestionar correctamente los costes de mantenimiento. »
¿Va a sustituir la inteligencia artificial a los expertos en pavimentos?
« Muchas personas piensan que la inteligencia artificial va a sustituirnos. Eso no es cierto.
La inteligencia artificial es una herramienta que los expertos utilizarán, y les permitirá liberarse de una serie de tareas muy repetitivas para poder concentrarse y aportar realmente su experiencia allí donde es útil: en análisis mucho más precisos y con enfoques mucho más globales.
De este modo, podrán aportar un verdadero valor añadido en colaboración con los gestores de infraestructuras viarias. »
¿Qué será la inteligencia artificial en Logiroad?
« Actualmente estamos en contacto con empresas especializadas. Por ejemplo, imaginamos poder predecir el deterioro de determinadas carreteras asociado a fenómenos como las sequías severas. Sabemos que, en las carreteras construidas sobre suelos arcillosos, se producen fenómenos de retracción e hinchamiento que aceleran el deterioro del firme.
Para abordar estas cuestiones, hemos identificado socios especializados en este tipo de simulaciones que podrán ayudarnos y contribuir a planificar mejor las futuras actuaciones de mantenimiento. »
¿Qué es Logiroad?
¿Puede resumir qué es Logiroad?
« Logiroad se centra en el rendimiento de sus soluciones.
Cuenta con un nivel de experiencia extremadamente alto en infraestructuras viarias y en el mantenimiento de carreteras. Pero, sobre todo, está impulsada por la voluntad de proporcionar a las administraciones públicas una herramienta de ayuda a la toma de decisiones. »
Tesis y contribuciones de Thierry Chateau:
Yann Goyat, Alain Riouall, Thierry Chateau, L. Malaterre, L. Trassoudaine 2009. « Trajectory measurement of vehicles : a new observatory ».
Houda Maâmatou, Thierry Chateau, Najoua Essoukri Ben Amara 2017 « Apprentissage semi-supervisé pour la détection multi-objets dans des séquences vidéos : Application à l’analyse de flux urbains »
Rakeeb Mohamed Jaufer, Thierry Chateau, Amine Ihamouten, Xavier Dérobert 2022 « GPR, Cartographie des services publics, détection des services publics, radar à pas de fréquence, intelligence artificielle »
Chaque projet est unique.
Parlons-en ensemble.