{"version":"1","article":{"id":"thermal-rgb-wheel-track-detection-winter-robotics-2026","slug":"thermal-rgb-wheel-track-detection-winter-robotics-2026","language":"es","url":"https://haberpaper.com/es/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=es","title":"Cámaras térmica y visible detectan conjuntamente huellas en carreteras nevadas","summary":"Investigadores de Michigan Tech presentaron un modelo auto-supervisado que combina imágenes RGB e infrarrojas para detectar huellas de ruedas existentes en carreteras nevadas. En las pruebas con ThermalTrack se registraron menos huellas omitidas que con RGB por sí solo.","category":"business","region":"world","topics":["ai"],"published_at":"2026-10-13T20:11:53+03:00","modified_at":"2026-10-13T20:11:53+03:00","publication_basis":"publication-record","event_period":"2026-10-09","event_period_basis":"event-or-reference-period","sources":[{"name":"arXiv, Tracking the Invisible: Self-Supervised Wheel Track Detection with Thermal-RGB Fusion (arXiv:2610.13872)","url":"https://arxiv.org/abs/2610.13872","checkedAt":"2026-10-13","publishedAt":"2026-10-09"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/thermal-rgb-wheel-track-detection-winter-robotics-2026","api_url":"https://haberpaper.com/api/v1/articles/thermal-rgb-wheel-track-detection-winter-robotics-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["Un preprint publicado en arXiv el 9 de octubre por investigadores de Michigan Technological University busca detectar las huellas dejadas por vehículos anteriores en carreteras nevadas con pocos detalles visuales, en lugar de marcar una amplia zona transitable. El método combina imágenes visibles RGB con imágenes térmicas infrarrojas de onda larga. Las etiquetas de entrenamiento se generan automáticamente al proyectar sobre las imágenes el recorrido futuro de las ruedas a partir de registros GNSS. El equipo seleccionó una secuencia de 951 imágenes del conjunto WADS de condiciones invernales y amplió el entrenamiento a 7.608 imágenes mediante aumento de datos.","En la tabla de resultados del artículo, el modelo de fusión RGB-térmica obtuvo un AUROC de 0,8744, frente a 0,6025 del modelo solo RGB; las tasas de falsos negativos fueron 0,2399 y 0,7927, respectivamente. Los autores informan de que la señal térmica ayuda a recuperar huellas que el RGB no detecta en condiciones de bajo contraste. Los resultados se limitan a una secuencia invernal seleccionada y un prototipo de investigación; el artículo no demuestra conducción de lazo cerrado en un vehículo real ni operación segura en todas las condiciones meteorológicas. El trabajo es un preprint aún no revisado por pares."],"key_points":[],"sections":[]},"text":"Investigadores de Michigan Tech presentaron un modelo auto-supervisado que combina imágenes RGB e infrarrojas para detectar huellas de ruedas existentes en carreteras nevadas. En las pruebas con ThermalTrack se registraron menos huellas omitidas que con RGB por sí solo.\n\nUn preprint publicado en arXiv el 9 de octubre por investigadores de Michigan Technological University busca detectar las huellas dejadas por vehículos anteriores en carreteras nevadas con pocos detalles visuales, en lugar de marcar una amplia zona transitable. El método combina imágenes visibles RGB con imágenes térmicas infrarrojas de onda larga. Las etiquetas de entrenamiento se generan automáticamente al proyectar sobre las imágenes el recorrido futuro de las ruedas a partir de registros GNSS. El equipo seleccionó una secuencia de 951 imágenes del conjunto WADS de condiciones invernales y amplió el entrenamiento a 7.608 imágenes mediante aumento de datos.\n\nEn la tabla de resultados del artículo, el modelo de fusión RGB-térmica obtuvo un AUROC de 0,8744, frente a 0,6025 del modelo solo RGB; las tasas de falsos negativos fueron 0,2399 y 0,7927, respectivamente. Los autores informan de que la señal térmica ayuda a recuperar huellas que el RGB no detecta en condiciones de bajo contraste. Los resultados se limitan a una secuencia invernal seleccionada y un prototipo de investigación; el artículo no demuestra conducción de lazo cerrado en un vehículo real ni operación segura en todas las condiciones meteorológicas. El trabajo es un preprint aún no revisado por pares.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Taller industrial simbólico con maquinaria, almacén y grúa.","language":"es"}}}