Cursos EIR 

En esta plática se hace un resumen de cómo se ha usado la Inteligencia Artificial en los robots de servicio, desde los métodos tradicionales de la robótica, en donde se tenía una representación simbólica del medio ambiente y el uso de algoritmos de búsqueda cómo el A* o Dijkstra. Después cómo se utilizaron los métodos reactivos y finalmente el de los basados en datos, en donde se hace uso de las redes neuronales profundas, las cuales utilizan para su entrenamiento una cantidad inmensa de datos. En está plática también se hará mención de las redes neuronales generativas y cómo se pueden utilizar en los robots de servicio.

Las redes neuronales artificiales se han convertido en una herramienta muy útil en los últimos años para resolver problemas de toda índole. Los avances en esta materia se han dado, por un lado, por la mejor compresión que se tiene de su operación. Por otro lado, por la consolidación en el desarrollo de procesadores que permiten que los algoritmos de aprendizaje asociados, se haya dado. En esta plática, después de una introducción, se verá un conjunto de conceptos relacionados con las redes neuronales artificiales como modelos operativos de los cerebros biológicos. Enseguida, se verá por qué las redes neuronales artificiales son hoy en día una herramienta tan
poderosa.

El robot de nueva generación es analizado como un sistema interdisciplinar de la Ingeniería Eléctrica y Mecánica, de Ciencias Computacionales y de Ingeniería de Materiales, y hoy día de áreas de investigación emergentes como Interfaces Hombre-Robot e Inteligencia Artificial. De la integración, en lazo cerrado y a nivel dinámico de sus componentes, emergen nuevos paradigmas considerando sus diversas capas de Humanware, Software, Middleware y Hardware. Ello impone formidables retos científicos y tecnológicos debido a su compleja interdependencia. Para abordar paradigmas del sistema dinámico de lazo cerrado resultante se requiere una rigurosa práctica del método científico, y a veces, del empírico. En ésta plática abordamos conceptualmente cómo realizamos investigación desde ésta perspectiva y mostramos resultados obtenidos en una amplia clase de robots, así como los retos que conllevan. Se ejemplificarán los conceptos con resultados en robots fijos, aéreos y submarinos, mano robótica, teleoperación, interfaces hápticas y de cerebro-computadora, robots híbridos (rigido-soft) y soft robots, entre otros.

En esta fascinante plática magistral, se explorará el desarrollo y la innovación en el campo de la robótica en la Benemérita Universidad Autónoma de Puebla (BUAP). Se presentará la “familia robótica” creada por estudiantes e investigadores, destacando sus aplicaciones en la educación, la investigación y la industria.

Se discutirán los retos y triunfos en la construcción y programación de robots, así como las metodologías de trabajo en equipo y el enfoque interdisciplinario que ha caracterizado a estos proyectos. La charla también abordará la importancia de la robótica en la formación de nuevas generaciones de ingenieros y científicos, y su potencial para resolver problemas complejos en diversas áreas.

A través de demostraciones interactivas y relatos inspiradores, los asistentes conocerán cómo estos “sueños de metal” están transformando la visión del futuro tecnológico, fomentando la creatividad y la innovación en un entorno académico. La plática culminará con una invitación a los estudiantes a involucrarse en proyectos robóticos, alentando la exploración y el descubrimiento en este campo en constante evolución.

Esta plática presentará trabajos de investigación que se han desarrollado en INAOE bajo mi dirección, sobre drones capaces de realizar vuelo autónomo en ambientes sin GPS. Para poder extender estas capacidades de navegación en ambientes más complejos, los drones pueden ser vistos como robots aéreos. Por lo tanto, es posible incorporar técnicas avanzadas de visión computacional para robótica, así como métodos de inteligencia artificial espacial, donde la información sensorial, principalmente visual, obtenida mediante cámaras a bordo del dron, es procesada para tomar acciones inteligentes. De este modo, se presentarán diversos ejemplos de investigación que incluyen la percepción visual y percepción auditiva, la manipulación e interacción aérea, así como avances recientes sobre el desarrollo de pilotos neuronales, modelos generativos y de procesamiento de lenguaje natural que abren el camino para el desarrollo de drones autónomos e inteligentes.

La navegación autónoma es una habilidad básica en diversos robots como vehículos sin conductor, drones o robots de servicio doméstico. En este tutorial se dará una introducción a las técnicas más comunes para resolver las tareas de planeación de movimientos como los métodos basados en grafos y en muestreo para la planeación de rutas, mapas geométricos y topológicos para la representación del ambiente, filtros Bayesianos para localización y mapeo y campos potenciales para evasión de obstáculos. Se abordarán también las herramientas de software disponibles para la implementación de un sistema de navegación autónoma tales como ROS y el paquete pumas_navigation.

Filtrar audio se puede llevar a cabo de diversas formas. Una manera compatible con aplicaciones robóticas es la de filtrar los datos auditivos provenientes de una dirección deseada (asumiendo que en dicha dirección se encuentra la fuente de interés). Este tipo de filtrado se le conoce como “filtrado espacial”, y en este curso se demostrarán diversas formas de llevarlo a cabo. Se presentarán las herramientas de captura de audio (JACK Audio Connection Toolkit), así como recursos de evaluación (Corpus AIRA). Se presentará una implementación de dichos filtros, basado en ROS2 y en FFTW3, que puede ser utilizado libremente por la comunidad de robótica.

Un alto porcentaje de las tareas cotidianas necesarias para el desarrollo eficiente de la robótica, la inteligencia artificial, la industria y la ciencia involucran problemas de búsqueda y optimización. Estos problemas deben ser resueltos mediante el uso de herramientas computacionales capaces de adaptarse a diferentes escenarios y obtener buenas soluciones sin consumir altos volúmenes de recursos. En este curso se revisarán estrategias eficientes para la resolución automática de problemas por medio de algoritmos de búsqueda y optimización.

Aprendizaje por refuerzo (RL) es un área de aprendizaje computacional en donde un agente aprende una política (qué hacer en cada estado) para maximizar una recompensa total esperada. RL resuelve problemas de decisión secuencial por lo que es una de las técnicas de aprendizaje más exploradas en robótica. En este tutorial vamos a dar una introducción al área de aprendizaje por refuerzo, revisando sus conceptos básicos, su formulación y los algoritmos más importantes. Revisaremos sus principales limitaciones y también las ventajas que ofrecen hacia la robótica. Finalizaremos con algunas de las ideas más recientes que se están manejando en el área.

La plataforma de desarrollo se divide en dos grandes partes: la metodología y la infraestructura tecnológica. En la parte de la infraestructura se ocupa de manera importante ROS (Sistema Operativo para Robots) el cual permite la creación, y uso de módulos y componentes estandarizados que pueden ser reutilizados en múltiples proyectos, además de permitir la integración de diferentes sistemas de software y hardware, asegurando que los componentes funcionen juntos de manera coherente. En el taller repasaremos de manera general la metodología y la infraestructura, pero nos enfocaremos en la navegación, se resolverán algunos ejemplos en Gazebo.

En este taller se revisará el uso del control predictivo basado en modelo (MPC, por sus siglas en inglés) para obtener un alto desempeño en el seguimiento de trayectorias de robots móviles. El MPC toma en cuenta la dinámica del robot para realizar una optimización de la señales de control en tiempo real, lo que permite seguir trayectorias de forma precisa y eficiente, además de tener una mayor robustez ante perturbaciones externas y una mejor estabilidad en los movimientos. En el taller se analizará la técnica MPC y se estudiarán dos ejemplos ampliamente conocidos en robótica. Primero se estudiará el caso de un dron autónomo del tipo cuadricóptero y posteriormente se estudiará el caso de un vehículo autónomo tipo carro.

En este tutorial, se explicarán los fundamentos y técnicas avanzadas del aprendizaje neuronal aplicado a la estimación de pose aérea y el desarrollo de pilotos artificiales para drones. A lo largo de la sesión, los participantes aprenderán cómo utilizar redes neuronales profundas para procesar imágenes aéreas, identificar la posición y orientación de un dron en tiempo real y automatizar su control en entornos complejos. El tutorial cubrirá temas esenciales como la configuración de redes neuronales convolucionales (CNNs) para tareas de percepción, la integración de modelos de aprendizaje profundo para la toma de decisiones autónoma, y las estrategias de entrenamiento y optimización para mejorar la precisión y robustez en condiciones de vuelo real. Los participantes también realizarán ejercicios prácticos en los que podrán aplicar estos conceptos para desarrollar su propio piloto artificial, utilizando datos de imágenes aéreas y algoritmos de aprendizaje neuronal.

Elsa Rubio Espino es doctora en Ciencias en Sistemas Automáticos por el Instituto Nacional de Ciencias Aplicadas de Toulouse, Francia. Es profesora de tiempo completo del Instituto Politécnico Nacional, pertenece al Sistema Nacional de investigadores Nivel 1, forma parte del programa Womens in Tech de la British Council.  Ha participado como autora y coautora en más de 60 artículos de revistas y congresos.  Tiene 3 patentes autorizadas y 2 en proceso ante el IMPI y 5 registros de Derecho de Autor. Ha graduado 23 alumnos de Maestría y 4 de Licenciatura.  Ha dirigido 13 proyectos de investigación en el IPN.  Sus áreas de interés son los Sistemas dinámicos híbridos, Modelos de Robots cooperativos, Internet de las Cosas, Diseño de bases de datos relacionales y Técnicas de visualización de datos.

Paola Andrea Niño Suárez nació en la Ciudad de Bogotá, Colombia, se graduó como Bachiller Industrial en la Modalidad Electricidad-Electrónica en 1989, obtuvo su título de Ingeniero Electrónico en 1995 en la Universidad Antonio Nariño en Bogotá, el grado de Magíster en Ingeniería Eléctrica en el área de Biomédica en la Universidad de Los Andes en Bogotá en 1997 y el de Doctor en Ciencias en Ingeniería Eléctrica en el área de Mecatrónica en el CINVESTAV del IPN, en el año 2006.

Es docente hace 28 años, inicialmente aportando en la formación de tecnólogos por 3 años, a partir del 1996 en la formación de estudiantes de licenciatura y a partir de 1998 en la formación de estudiantes de posgrado. Trabajo 6 años para la Universidad Antonio Nariño en los programas de Ingeniería Electrónica y Biomédica, y posteriormente 12 años en la Universidad Militar Nueva Granada en la Facultad de Ingeniería, donde fue docente del programa de Ingeniería Mecatrónica desde sus inicios, Jefe de Posgrados de la Facultad de Ingeniería y secretaria Académica de la misma Facultad. Desde hace 13 años se integró al Instituto Politécnico Nacional, fue Coordinadora de la Red de Expertos en Robótica y Mecatrónica del Instituto de 2019 a 2021 y Coordina el programa Multisede de Doctorado en Ingeniería de Sistemas Robóticos y Mecatrónicos desde su creación en 2014. Es miembro del SNI Nivel I desde el 2016.Se ha especializado en el diseño mecatrónico de sistemas para rehabilitación motora, diseño de prótesis y ortesis; y dispositivos robóticos de asistencia   especialmente para niños con discapacidad y adultos mayores.

Doctora en Ciencias de la Computación por el Instituto Tecnológico de Tijuana y Maestra en Ciencias de la Computación por el Instituto Tecnológico de Cd. Madero. Es miembro del Sistema Nacional de Investigadores, de la Sociedad Mexicana de Ciencia de la Computación, así como de los consejos directivos de la Academia Mexicana de Computación y de la Federación Mexicana de Robótica. Es miembro fundador del grupo de divulgación Código IA. Actualmente es coordinadora del Doctorado en Inteligencia Artificial e investigadora titular en el Instituto de Investigaciones en Inteligencia Artificial de la Universidad Veracruzana, donde desarrolla investigación en el área de Aprendizaje Computacional y Optimización Inteligente.

Ingeniera Mecatrónica por el Instituto Tecnológico Superior de Atlixco y tiene una Maestría en Ciencias Computacionales del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE). Está por concluir su Doctorado en Ciencias Computacionales en el INAOE. Realizó una estancia de investigación en la Universidad de Zurich, Suiza, bajo la supervisión del Prof. Davide Scaramuzza.

En 2020 la Sociedad Mexicana de Inteligencia Artificial le otorgó el 1er lugar a la Mejor Tesis de Maestría en IA a nivel nacional, por el desarrollo de un dron entrenado con Inteligencia Artificial para la carrera de drones autónomos. En 2022, obtuvo el premio al mejor artículo de la conferencia Internacional IBERAMIA 2022, trabajo derivado de su tesis doctoral.

Como Capitana del equipo QuetzalC++ desde 2016, ha participado en competencias internacionales relacionadas con drones, recibiendo diversos premios de entre los que destacan el 1er Lugar en la Carrera de Drones Autónomos del IROS 2016, 1er Lugar en el OpenCV AI Competition, 2do Lugar en el IMAV 2016 y 3er Lugar en el Game of Drones NeurIPS 2019. Ha participado en proyectos de investigación financiados por el Fondo Sectorial CONACYT-INEGI y Fondo Newton de la Royal Society del Reino Unido. También es divulgadora científica, impartiendo cursos y talleres sobre drones autónomos para diversos grupos, desde niños, hasta profesionistas y público en general. Es autora y coautora de 12 artículos en revistas JCR, 15 artículos en conferencias internacionales y 3 capítulos de libro sobre drones autónomos inteligentes. Además, ha participado como organizadora en el IMAV2020/2021, International Workshop on Vision and Control for Autonomous Drones, y Taller Nacional de Drones Inteligentes 2023 y 2024. Es la primera piloto de drones mujer en INAOE.

El Dr. José Martínez Carranza obtuvo la Licenciatura en Ciencias de la Computación en la Benemérita Universidad Autónoma de Puebla, la Maestría en Ciencias Computacionales en el Instituto Nacional de Astrofísica Óptica y Electrónica (INAOE) y el Doctorado en la Universidad de Bristol, en el Reino Unido. Actualmente, es Investigador Titular C en la Coordinación de Ciencias Computacionales del INAOE y Nivel 2 en el Sistema Nacional de Investigadoras e Investigadores. En 2018, la Universidad de Bristol le confirió el estatus de “Honorary Senior Research Fellow”. En 2015, recibió la distinción Royal Society-Newton Advanced Fellowship, otorgada por el Fondo Newton. Así mismo, es Senior Member de la IEEE. Es fundador y líder del equipo QuetzalC++, que ha participado en competencias internacionales de alto prestigio, donde ha obtenido diversos premios, entre ellos, 1er Lugar en la IEEE IROS 2017 Autonomous Drone Racing competition, y 1er Lugar Regional (Latin America) en la OpenCV AI Competition 2021. Ha sido General y Local Chair de Conferencias Internacionales como la 12th International Micro Air Vehicle conference (IMAV) 2021 y la Mexican International Conference on Artificial Intelligence (MICAI) 2024. Ha participado como Editor Asociado en la conferencia internacional IEEE IROS de 2022 a 2024 y como Editor de la revista científica Unmanned Systems. Ha publicado 150 artículos en revistas científicas, capítulos de libro y memorias de congresos, y participado como Editor del libro Machine Learning for Complex and Unmanned Systems. Sus artículos han recibido premios al mejor artículo de la conferencia en IBERAMIA 2022, finalistas al mejor artículo en la IMAV 2019 y IMAV 2024 y tercer lugar al mejor artículo de la conferencia en el MICAI 2018. Actualmente, funge como Presidente de la Federación Mexicana de Robótica para el periodo 2024-2025.

Egresado de Ingeniería Física de la UAM-Azcapotzalco, cuenta con una maestría en Inteligencia Artificial de la Universidad de Edimburgo y un doctorado en Computación del Turing Institute – Universidad de Strathclyde, en Escocia. Es miembro del Sistema Nacional de Investigadores nivel 3, miembro de la Academia Mexicana de Ciencias y Egresado Distinguido de la Universidad Autónoma Metropolitana.
Es investigador Titular C del Instituto Nacional de Astrofísica, Óptica y Electrónica (INAOE) en Puebla en donde realiza investigación en aprendizaje computacional y robótica.

Es ingeniero en computación por parte de la Facultad de Ingeniería de la UNAM (1985). Maestría en ingeniería eléctrica en la misma Facultad, parte de su tesis de maestría fue desarrollada en el departamento de ingeniería eléctrica en la Universidad de California en Santa Bárbara (1989). Doctorado en ingeniería eléctrica en la Universidad de Washington, Seattle (1995). Inició como ayudante de profesor en 1983 y después como profesor de asignatura en la Facultad de Ingeniería en 1986 y desde entonces ha impartido diversas asignaturas del área de procesamiento de señales, de arquitectura de computadoras, de robótica, tanto en la licenciatura como en los posgrados de ingeniería eléctrica y en el de ciencia e ingeniería de la computación de la UNAM. Ha dirigido 29 tesis de licenciatura, 66 de maestría y 9 de doctorado. Actualmente es Profesor Titular “C” de tiempo completo, definitivo en la Facultad de Ingeniería con PRIDE “D”. Fue jefe del departamento de ingeniería en computación de la Facultad de Ingeniería de la UNAM de febrero de 1996 a febrero de 2004. A partir del 2019 y hasta octubre del 2024 se desempeñó como jefe del departamento del área procesamiento de señales de la misma facultad. En 1996 formó el laboratorio de Bio-Robótica, donde se hace investigación, junto con estudiantes de licenciatura y de posgrado, sobre robótica, realidad virtual, reconocimiento de patrones, inteligencia artificial e interfaces hombre-máquina. Fue pionero del área de robótica móvil en la UNAM y sus equipos han obtenido importantes triunfos en concursos de robótica nacionales e internacionales. Ha dirigido varios proyectos financiados por CONAHCYT, la UNAM, NSF y con universidades de Estados Unidos, el Reino Unido, Suecia, Alemania y Rusia. Es autor un libro de Diseño de Microprocesadores publicado en varias ediciones por la Facultad de Ingeniería. Además, ha escrito artículos en revistas y congresos nacionales e internacionales. Es SNI I.

Recibió el doctorado en 1995 por el Dept. de Ingeniería Matemática y Física de la Información, Univ. de Tokio, luego hizo posdoctorado en 2000 en el Dept. de Robótica y Mecatrónica, Agencia Aeroespacial Alemán, y realizó un sabático en 2010 en el Lab. de Sistemas Robóticos Inteligentes, Univ. de Texas. Ha publicado más de 300 artículos originales y en extenso con arbitraje estricto y dirigido 16 tesis doctorales, así como más de 50 de maestría. Sus intereses de investigación versan en el amplio campo de la robótica, con énfasis en modelado, control e interacción de sistemas dinámicos de gran diversidad de robots, incluyendo inerciales como no inerciales, así como interfaces hombre-robot y diseño mecatrónico de lazo cerrado. Desde 1990, está asociado al Cinvestav, habiendo pasado por los departamentos de “Control Automático” y de “Mecatrónica” y hoy en “Robótica y Manufactura Avanzada” del cual fue su fundador en 2006, en donde dirige el Lab. de Sistemas Robóticos Emergentes.