Investigaciones recientes:
La investigación se centra en el avance de la tecnología de vehículos autónomos (VA) y la movilidad eléctrica mediante un enfoque multidisciplinario. Una parte significativa del trabajo se dedica a mejorar la percepción y seguridad de los VA, utilizando visión artificial, aprendizaje profundo y fusión de sensores —específicamente LiDAR, IMU y GPS— para optimizar la detección de objetos, el reconocimiento de gestos de agentes de tránsito y la cartografía de alta precisión en entornos urbanos complejos. Las metodologías incluyen la aplicación de variantes de YOLO para detección en tiempo real y el uso de ROS para la percepción ambiental y el seguimiento de obstáculos.

Paralelamente a la percepción, la investigación aborda la eficiencia energética y la optimización operativa de los vehículos eléctricos (VE). Esto incluye el desarrollo de estrategias avanzadas de gestión de energía, como controladores de lógica difusa y control predictivo basado en modelos (MPC) para sistemas de frenado regenerativo, con el fin de maximizar la vida útil y la autonomía de las baterías. El trabajo también explora el impacto de la geografía vial, la altimetría y las condiciones de conducción en el consumo energético, respaldado por la adquisición de datos experimentales y el análisis de telemetría. Además, la investigación indaga en la transición sociotécnica hacia un transporte sostenible, empleando métodos de backcasting para evaluar políticas, accesibilidad urbana y la viabilidad de la electrificación a gran escala en el contexto ecuatoriano.

Temas Clave:

• Percepción y Cartografía de Vehículos Autónomos
• Gestión Energética y Frenado Regenerativo en Vehículos Eléctricos
• Visión Artificial y Detección de Objetos (YOLO)
• Viabilidad y Sostenibilidad de la Electromovilidad
• Fusión de Sensores y Sistemas de Control Embebidos