Celeste EcoFlyers. Ingeniería para una inteligencia útil.
Ingeniería aeronáutica, IA embarcada y predicción explicable: una misma ambición, crear tecnología útil en el mundo real.
Celeste EcoFlyers desarrolla aeronaves eléctricas con alas neumáticas y la inteligencia que apoya sus misiones. Neurytika es una rama importante de ese trabajo: hacer aprovechables los datos estructurados mediante predicciones y evidencia examinable.
Aeronaves diseñadas y construidas en FranciaInteligencia embarcadaSoftware explicable para organizaciones
DOS RAMAS DE INGENIERÍA CONECTADAS
Construir la aeronave. Acercar la inteligencia a los datos.
La aeronáutica sitúa las restricciones prácticas en el centro de la ingeniería: masa, energía, condiciones operativas e información disponible al decidir.
Nuestras actividades aeronáuticas y de IA se unen en torno a esas restricciones. Las estructuras neumáticas abordan el aspecto físico; el cálculo ligero y examinable convierte datos en señales útiles. Neurytika lleva esa prioridad al procesamiento local y a la evidencia clara a proyectos de predicción empresarial.
01 / AERONÁUTICA
Aeronaves eléctricas con alas neumáticas.
El programa dAS20 de Celeste utiliza un ala textil presurizada, sustentación aerodinámica y propulsión eléctrica. El prototipo actual tiene una envergadura de 8 m; la empresa sitúa su primer despegue el 7 de mayo de 2026 en el aeropuerto de Le Havre.
Neurytika combina un motor de clasificación con un proceso de exploración. Utilice registros estructurados, cree un modelo, examine patrones contribuyentes e integre los resultados en el trabajo de su organización.
El prototipo de ala neumática de Celeste pasó de pruebas en tierra a sus primeros despegues en Le Havre, recogidos por la prensa tecnológica internacional.
Doctor en neurociencia computacional y autor de la investigación sobre Evidence Ratio Classifier. Su trabajo conecta aprendizaje interpretable, sistemas embarcados y aplicaciones de medición en el mundo real.
COFUNDADOR Y DIRECTOR TÉCNICO / ESTRUCTURAS AERONÁUTICAS
Ingeniero textil especializado en estructuras neumáticas e industrialización, aporta su experiencia en materiales al desarrollo de las aeronaves de alas inflables de Celeste.
En un dron autónomo, procesar a bordo la información de sensores puede convertir mediciones en señales oportunas para la misión, utilizando de forma deliberada cálculo, energía y conectividad.
Por eso la IA embarcada ocupa un lugar central en el desarrollo de Celeste. El aprendizaje en una pasada de ERC y su evidencia explícita conectan un cálculo adaptado al hardware con un modelo que los ingenieros pueden examinar. El mismo motor fundamenta la predicción explicable de Neurytika.
01Mediciones de sensores
Telemetría y observaciones estructuradas
→
02Clasificación local
Un modelo embarcado cerca de los datos
→
03Una señal útil para la misión
Una categoría con evidencia de apoyo
Señales locales oportunas
Procese las mediciones disponibles en el dispositivo y comparta la categoría o alerta resultante cuando la misión lo requiera.
Uso deliberado de recursos
Diseñe el cálculo según el presupuesto de procesamiento y energía de la aeronave, considerando juntos el método de aprendizaje y el hardware de destino.
Evidencia que los ingenieros pueden examinar
Conecte una categoría predicha con combinaciones de variables registradas y su soporte para que los equipos examinen el comportamiento del modelo.
EJEMPLOS DE PROCESOS A BORDO QUE DESARROLLAR
⌁
Observación ambiental
Clasifique mediciones ambientales estructuradas en categorías de alerta y priorice observaciones para que un operador las revise durante una misión de supervisión.
⚙
Supervisión del estado de equipos
Combine mediciones de vibración, temperatura o electricidad para identificar una categoría de estado operativo y aportar contexto a la revisión técnica.
↗
Filtrado de información de misión
Clasifique observaciones estructuradas localmente y elija qué categorías de información resulta más útil transmitir al equipo en tierra.
Desde sensores a bordo hasta registros de clientes, calidad y fraude, el objetivo común es claro: una predicción útil, calculada en el entorno adecuado y con evidencia examinable.
Ciencia publicada. Una estrategia de propiedad intelectual dedicada.
El desarrollo de ERC combina investigación revisada por pares y solicitudes de patente. El artículo presenta la regla de aprendizaje, protocolos de evaluación y resultados; las solicitudes forman parte de la estrategia de propiedad intelectual de Celeste para esta tecnología.
SOLICITUD DE PATENTE FRANCESAFR2510431
SOLICITUD DE PATENTE ESTADOUNIDENSE19/805,651
En examen
Evidence ratio classifier: A one-pass model for fast incremental learning F. L. Olivier Manette · Neurocomputing, volumen 659, artículo 131797.