MoE y Aprendizaje Federado para Predicción Espaciotemporal
Descubre cómo MoE-FedTP combina aprendizaje federado y redes de expertos para predecir el tráfico en ciudades con pocos datos, preservando la privacidad.
Descubre cómo MoE-FedTP combina aprendizaje federado y redes de expertos para predecir el tráfico en ciudades con pocos datos, preservando la privacidad.
Aprende cómo STRP resuelve el desajuste de granularidad temporal para predicciones de tráfico precisas con bajo costo de almacenamiento.
Descubre cómo WorldFly usa modelos del mundo para que los drones naveguen en entornos urbanos complejos, prediciendo futuros estados y superando oclusiones.
Descubre cómo CausalPOI predice check-ins en nuevos POI usando grafos espacio-temporales y modelado causal. Mejora la planificación urbana con IA.
Descubre cómo U-Net acelera la optimización QD para generar miles de diseños urbanos adaptativos al clima en minutos.
Descubre cómo usar datos del satélite Sentinel-5P para monitorear NO2 urbano en Ecuador. Análisis con clustering y percentiles para evaluar la calidad del aire.
Modelo de mundo 3D Isovist predice espacio navegable y revela una firma transversal única entre ciudades. Aplicaciones en robótica e IA.
Descubre TrafficClaw, un agente de IA basado en LLM que optimiza el control de tráfico urbano en entornos físicos unificados con aprendizaje por refuerzo.
ERGeoBench evalúa la geolocalización encarnada de modelos multimodales usando razonamiento espacial y percepción visual. Descubre sus limitaciones.