Investigaciones recientes:
El investigador fusiona sensores asequibles, visión por computadora y aprendizaje automático para crear sistemas accesibles y autónomos con impacto social tangible. En varios proyectos, desarrolla soluciones de IA de bajo costo y procesamiento local para tecnologías de asistencia (estado de semáforo peatonal descrito en audio para personas con discapacidad visual usando Raspberry Pi y CNNs de transfer learning), robótica móvil para detección de minas y mapeo en terreno irregular, herramientas educativas inmersivas en VR para niños con síndrome de Down utilizando VR y Leap Motion con redes neuronales entrenadas localmente, y mantenimiento predictivo habilitado por AR para equipos industriales (análisis de Weibull, redes de sensores inalámbricos, integración en la nube mediante MQTT). Colectivamente, el trabajo enfatiza hardware accesible, percepción y toma de decisiones en tiempo real, diseño centrado en el usuario, e integración de IA/ML con IoT y servicios en la nube para mejorar seguridad, aprendizaje y mantenimiento en entornos con recursos limitados. La metodología abarca aprendizaje por transferencia, cálculo en el borde, navegación y mapeo robótico, diseño de interfaces VR/AR, entrenamiento de redes neuronales con datos locales y modelado de confiabilidad estadística, con impacto observable en mayor precisión de detección, seguridad, educación y eficiencia de mantenimiento.