Kia implementa IA de visión para reconocer números de identificación vehicular

La compañía Kia ha desplegado tecnología de IA multimodal en 70 centros de producción globales, incluyendo plantas en Ulsan, Asan y Gwangju, para sustituir la verificación manual de los números de identificación de los vehículos mediante un nuevo modelo único integrado.

El proceso de inspección de los números de identificación de los vehículos, que anteriormente requería que los trabajadores verificaran manualmente cada unidad en las líneas de producción, está siendo sustituido por la inteligencia artificial (IA). Este método aumenta la precisión del proceso de producción mediante la lectura en tiempo real realizada por la IA para confirmar que las especificaciones del vehículo físico coinciden con la información del sistema.

Según un video publicado por HYUNDAI, el equipo de análisis de IA de visión de Kia opera un servicio de reconocimiento y gestión automática de números de identificación de vehículos utilizando tecnología de IA multimodal basada en visión computacional avanzada y modelos de lenguaje de visión (VLM). Anteriormente, el proceso dependía únicamente de la información de especificaciones registrada en el sistema o de la verificación visual directa de los trabajadores. Sin embargo, a medida que los procesos se volvían más complejos, existía el riesgo de errores por discrepancias entre los datos y el vehículo real, lo que podía derivar en problemas de calidad de producción.

Transición a un modelo único integrado para asegurar la estabilidad en 70 centros mundiales

Actualmente, la tecnología de IA de visión de Kia se aplica en aproximadamente 70 centros de producción en todo el mundo, incluyendo todas las plantas nacionales en Ulsan, Asan, Jeonju, Gwangmyeong, Hwaseong y Gwangju, así como en América, Europa, India y la región de Asia-Pacífico. Cuando las cámaras instaladas en las líneas de producción capturan el número de identificación del vehículo, la IA analiza la imagen, la compara en tiempo real con la información registrada en el sistema y determina de inmediato si coinciden.

Recientemente, para responder al rápido aumento de las plantas donde se aplica esta tecnología, se ha reformado completamente la arquitectura del servicio. Anteriormente, se utilizaba un método "silo" (fragmentado), en el que el modelo se entrenaba solo con datos especializados para cada proceso sin optimizar el motor de inferencia para el servicio. No obstante, con la expansión del alcance, surgieron limitaciones para gestionar y mantener las versiones de los modelos individuales.

Para resolver esto, Kia configuró un modelo único integrado para unificar los puntos de gestión y construyó nuevos puntos de conexión (endpoints) de API basados en el motor de inferencia. Esto permitió mejorar el rendimiento de reconocimiento universal del modelo y completar un entorno de extremo a extremo (End-to-End) con capacidad de expansión, capaz de procesar las solicitudes de inferencia provenientes de múltiples plantas sin retrasos.

Evolución hacia la era de la "IA física"... el objetivo de superar las limitaciones físicas en la fabricación

El ingeniero Kwon Oh-hyeon, del equipo de análisis de IA de visión de Kia, pronosticó que, en los próximos cinco años, la tecnología de IA evolucionará más allá de la "IA agéntica" (Agentic AI), que diseña tareas por sí misma, hacia la "IA física" (Physical AI), que realizará acciones físicas inmediatas en los entornos de fabricación y movilidad.

Ante este cambio, se espera que la importancia de la inferencia de modelos en dispositivos como los robots y de la infraestructura que incluye las redes aumente aún más. Se analiza que la IA, que antes permanecía en el espacio digital, superará las limitaciones físicas del mundo real para completar la automatización industrial en su verdadero sentido.

“El atractivo de este puesto es poder experimentar directamente el proceso en el que la tecnología de IA más avanzada de los laboratorios se aplica en los sitios de fabricación reales para crear un valor sustancial”, afirmó el ingeniero Kwon, añadiendo: “Deseo contribuir a completar un flujo de trabajo (pipeline) de IA estable que pueda proporcionar modelos complejos como un servicio de forma inmediata”.

Fuente: vídeo original (YouTube)