Wir erforschen künstliche Intelligenz, Computer Vision, Sensorik, Geodaten und Robotik, um Systeme zu entwickeln, die reale Abläufe beobachten, verstehen und in ihnen handeln können. Die Forschung von Convex verbindet Modelle, Daten und Feldexperimente mit der Ingenieursarbeit hinter Nexa M1, Nexa Vision, Atmos, Synapse Control und Axis.
Erkennung, Segmentierung, Klassifizierung und Szenenverständnis, um Bildmaterial von Satelliten, Drohnen, Robotern und fest installierten Kameras in strukturierte operative Informationen zu überführen.
Forschung zu Zeitreihen, multispektralen Bilddaten, Spektralindizes, räumlicher Veränderung und territorialer Datenintegration für ein kontinuierliches Verständnis großer Gebiete.
Kombination von Bilddaten, Wetterdaten, Sensorik, historischem Kontext und Sprache, um robustere Interpretationen der physischen Umgebung zu erzeugen.
Wahrnehmung, Planung, Steuerung und Aufgabenausführung für robotische Systeme, die in landwirtschaftlichen, industriellen und anderen physischen Umgebungen operieren.
Modelle zur Interpretation von Vegetationsvitalität, Stress, räumlicher Variabilität, Umweltbedingungen und weiteren für die landwirtschaftliche Überwachung relevanten Signalen.
Forschung zu Architekturen, die Wahrnehmung und Entscheidungsfindung näher an Sensoren und Roboter bringen und die Abhängigkeit von entferntem Processing verringern, wenn die Reaktionszeit kritisch ist.
Jeder Forschungsbereich durchläuft dieselbe Ingenieursschleife, von der rohen Felderfassung bis zum Betrieb, der neue Daten in die nächste Iteration zurückspeist.
Bilddaten, Sensoren, Umweltdaten und operativer Kontext.
Organisation, Annotation, Bereinigung und Strukturierung von Daten.
Modellentwicklung und -verfeinerung.
Quantitative Metriken und Fehleranalyse.
Verifikation in Szenarien, die für das reale Problem repräsentativ sind.
Modelle, die in Convex-Produkte integriert werden.
Reale Nutzung, die neue Daten für weitere Iterationen erzeugt.
Jedes Problem erfordert seine eigene Familie von Metriken. Die folgenden Listen beschreiben die Indikatoren, anhand derer wir evaluieren — keine veröffentlichten Ergebnisse.
Forschungsrichtungen stehen nie isoliert: Jede speist die Ingenieursarbeit eines Produkts im Ökosystem.
Laufende Arbeiten, beschrieben als Forschungsrichtungen und nicht als abgeschlossene Technologie.
Kombination von Bilddaten, Sensorik und Kontext, um Mehrdeutigkeiten bei der Interpretation realer Szenen zu reduzieren.
Untersuchung der Konsistenz von Spektralindizes über die Zeit in kontinuierlich überwachten Gebieten.
Eine Forschungsrichtung zu räumlicher Variabilität und Stresssignalen in Kulturpflanzen.
Wahrnehmung, Planung und Aufgabenausführung in unstrukturierten physischen Umgebungen.
Umwandlung technischer Diagnosen in nachvollziehbare Empfehlungen für Menschen, die im Feld arbeiten.
Architekturen, die Erfassung, Entscheidung und Ausführung in einer einzigen Schleife verbinden.
Der Aufbau von Modellen für die physische Welt hängt weniger vom rohen Volumen als von Vielfalt ab: verschiedene Kulturpflanzen, Gelände, Sensoren, Auflösungen, Jahreszeiten sowie Licht- und Wolkenbedingungen.
Daher behandeln wir Daten als eigenständiges Forschungsobjekt. Annotation, Qualitätskontrolle, Trennung von Training und Validierung, Fehleranalyse und Reproduzierbarkeit sind ebenso Ingenieursarbeit wie die Modellentwicklung.
Technische Publikationen werden hier verfügbar gemacht, sobald Forschungsarbeiten abgeschlossen sind.
Convex ist offen für angewandte Forschungsprojekte, Technologievalidierung, Feldstudien und Zusammenarbeit mit Universitäten, Forschungszentren und Organisationen, die in den Bereichen künstliche Intelligenz, Landwirtschaft, Sensorik und Robotik tätig sind.
Forschung besprechen →Daten vor Meinung.
Metriken vor Versprechen.
Validierung vor Skalierung.
Ingenieursarbeit für die reale Welt.