Rail Vision Ltd. (NASDAQ : RVSN, FSE : C80), une entreprise technologique spécialisée dans les systèmes de détection ferroviaires intégrés à l'IA, a annoncé sa sélection pour un programme de tests de pré-intégration de capteurs de locomotives dirigé par MxV Rail. Ce programme soutient le développement de capacités d'application de la vitesse restreinte (RSE) pour l'industrie du fret ferroviaire nord-américain, une fonction de sécurité critique qui empêche les trains de dépasser les limites de vitesse dans les zones restreintes telles que les zones de travaux ou les courbes.
Cette sélection fait passer la collaboration de Rail Vision avec le comité de contrôle des trains, des communications et des opérations (TCCO) de MxV Rail d'une feuille de route technologique générale à une évaluation en conditions réelles de sa technologie de perception alimentée par l'IA. Selon l'entreprise, ces tests offrent l'opportunité à sa technologie d'être évaluée par les chemins de fer de catégorie I, alors que l'industrie évolue vers une automatisation accrue et une sécurité ferroviaire soutenue par la technologie.
L'application de la vitesse restreinte est un élément clé des systèmes de contrôle positif des trains (PTC), conçus pour prévenir les collisions entre trains, les déraillements par excès de vitesse et d'autres incidents de sécurité. En intégrant des capteurs avancés et l'IA, la technologie de Rail Vision vise à améliorer la connaissance de la situation et la détection des dangers en temps réel, ce qui pourrait améliorer la sécurité et l'efficacité opérationnelle des chemins de fer de fret.
Rail Vision développe des plates-formes électro-optiques multispectrales propriétaires qui offrent une connaissance de la situation à longue portée et une détection des dangers en temps réel. En utilisant des algorithmes d'apprentissage automatique pour identifier et classer les obstacles, la technologie est conçue pour améliorer la sécurité, accroître l'efficacité opérationnelle et assurer la continuité des déploiements. La plate-forme cloud de l'entreprise complète ses produits en transformant les données opérationnelles ferroviaires en informations exploitables qui aident à optimiser les performances, à réduire les temps d'arrêt et à améliorer la sécurité.
La sélection pour le programme de tests de MxV Rail est une étape notable pour Rail Vision, qui en est au début de sa phase de commercialisation. Cela témoigne de l'intérêt croissant de l'industrie ferroviaire pour l'adoption de technologies de perception basées sur l'IA afin de soutenir la transition vers des opérations entièrement autonomes. Alors que l'entreprise élargit sa présence mondiale, elle vise à fournir des solutions qui réduisent les risques opérationnels et permettent des réseaux ferroviaires plus sûrs et plus efficaces.
Rail Vision détient une participation de 51 % dans Quantum Transportation, qui bénéficie d'une sous-licence exclusive pour les technologies ferroviaires sous un brevet innovant en attente dans le domaine de la correction d'erreurs quantiques, détenu par Ramot, la société de transfert de technologie de l'Université de Tel Aviv. Cette participation pourrait offrir des avantages technologiques supplémentaires à l'avenir.
Le programme de tests fait partie des efforts de MxV Rail pour faire progresser la sécurité et la technologie dans le secteur du fret ferroviaire. En évaluant des technologies de capteurs de pointe dans des conditions réelles, le programme aide les chemins de fer à comprendre les avantages potentiels et les défis d'intégration des nouveaux systèmes avant un déploiement à grande échelle.
Pour les investisseurs et les observateurs de l'industrie, ce développement souligne le rôle croissant de l'IA et de la détection avancée dans la modernisation des opérations ferroviaires. La participation de Rail Vision pourrait conduire à une adoption plus large de ses systèmes si les tests s'avèrent concluants, ce qui pourrait avoir un impact sur les perspectives commerciales de l'entreprise et sur le paysage global de la sécurité du fret ferroviaire nord-américain.
