Pays · ES

Europe's Rail Flagship Project 2 - Rail to Digital automated up to autonomous train operation

IA · FP2-R2DATO développe la Next Generation ATC pour l'exploitation automatique à autonome (GoA3/GoA4) des trains : perception machine learning, vision par ordinateur pour détection d'obstacles, conduite à distance assistée par IA, et plateforme Data Factory pour l'entraînement et la validation des modèles IA en signalisation critique.

FR : [object Object], [object Object], [object Object]

Europe's Rail Flagship Project 3 - Holistic and Integrated Asset Management for Europe's RAIL System

IA · IAM4RAIL articule 7 démonstrateurs intégrés de gestion patrimoniale (asset management) ferroviaire, combinant IA et jumeaux numériques (digital twins) pour la maintenance prédictive et prescriptive. Fusion de données capteurs (vibratoires, acoustiques, image) avec algorithmes IA pour décision sur voies, ouvrages, caténaires et matériel roulant.

FR : [object Object], [object Object], [object Object]

Technologies for Autonomous Rail Operation

IA · TAURO a posé les fondations technologiques de l'opération autonome ferroviaire : base de données commune pour entraînement IA, perception (incl. environnement intérieur), conduite à distance, et certification des fonctions de sécurité basées sur sens artificiel. Prédécesseur direct de R2DATO côté volet IA.

FR : [object Object], [object Object], [object Object]

The next generation of railway crossing asset management technology

IA · XCROSS combine vision par ordinateur (scanning 3D laser haute précision), jumeau numérique avec algorithmes wheel-rail, et réalité augmentée pour le diagnostic et la réparation augmentée des aiguillages-coeurs (crossings). L'IA optimise les profils de meulage/rechargement par soudure sur la base du calcul des forces wheel-rail.

FR : [object Object]

Reliable Energy and Cost Efficient Traction system for Railway

IA · RECET4Rail développe la maintenance prédictive (PdM) des chaînes de traction ferroviaire via predictive analytics entraînées sur big data, et explore le transfer learning pour transposer des modèles IA entre flottes. Spécifique aux composants de puissance (modules SiC haute tension) et systèmes WPT inductifs.

FR : [object Object], [object Object], [object Object]

RAILway Ground truth and digital mAP

IA · RAILGAP utilise la fusion de capteurs (GNSS multi-constellation + IMU + LiDAR + caméras) avec algorithmes de fusion et fault detection/exclusion pour générer des cartes digitales haute précision et des ground truth de positionnement ferroviaire. Préparation des futurs ERTMS/CCS basés EGNSS.

FR : [object Object]

RAILWAY DIGITALISATION USING DRONES

IA · RADIUS développe une technologie drone pour le monitoring et la maintenance des assets de signalisation ferroviaire, avec embedded data analytics IA pour la prédiction de maintenance et la communication sécurisée drone-asset. Navigation via EGNSS (Galileo/EGNOS).

Building a community of railway scientific researchers and academia for ERJU and enabling a network of PhDs

IA · Academics4Rail finance 6 thèses doctorales fléchées rail dont une explicitement dédiée à l'aide à la conduite par IA (PhD6 'Driving Assistance' = D9.1 AI-based Driving Assistance) et une à la maintenance prognostics & health management (PhD5). Vecteur structurant de la formation IA-rail européenne.

FR : [object Object], [object Object], [object Object]

TRansformation of AViation and rAirway soLutions toWards Integration and SynergiEs

IA · Travel Wise développe l'orchestration intermodale air-rail via data space partagé, Collaborative Decision Making étendu au multimodal, et solutions IA pour optimisation expérience voyageur et gestion disruptions. Premier projet ER-JU x SESAR JU à approche IA cross-modale.

FR : [object Object], [object Object], [object Object]

Safe and Explainable Critical Embedded Systems based on AI

IA · SAFEXPLAIN s'attaque au verrou structurel de la certification IA pour systèmes critiques embarqués (CAIS) : trains, voitures, satellites. Comble l'écart entre exigences Functional Safety (FUSA, déterministe, traçable) et la nature stochastique du Deep Learning. Cas d'usage rail concret (avec IKERLAN, RISE, AIKO) sur l'explicabilité et la traçabilité des modèles DL.