Investigaciones recientes:
La investigación se centra en el avance de la tecnología de vehículos autónomos (VA) mediante sistemas robustos de percepción, mapeo y gestión de energía. Una parte significativa del trabajo implica mejorar la conciencia ambiental utilizando marcos basados en LiDAR para el mapeo de nubes de puntos 3D y la estimación de trayectorias, validados en entornos urbanos y andinos complejos. Para mejorar la seguridad y la interacción, la investigación explora técnicas avanzadas de visión artificial, empleando específicamente modelos basados en YOLO para la detección de agentes de tránsito y redes LSTM para la interpretación de gestos complejos. Estos sistemas de percepción se integran en marcos de tiempo real utilizando middleware robótico para garantizar una detección y seguimiento de obstáculos confiables. Además, la investigación aborda el desafío crítico de la eficiencia de los vehículos eléctricos mediante el desarrollo de algoritmos de aprendizaje por refuerzo continuo para la estimación del estado de carga (SOC), incorporando factores como la altimetría de la ruta, el frenado regenerativo y el consumo de batería. En conjunto, estas contribuciones buscan cerrar la brecha entre las limitaciones actuales de los VA y los requisitos para un transporte autónomo seguro, eficiente y confiable.

Temas Clave:

• Percepción y mapeo de vehículos autónomos
• Detección de objetos y reconocimiento de gestos
• SLAM basado en LiDAR y procesamiento de nubes de puntos
• Gestión de energía y estimación de SOC en vehículos eléctricos
• Aprendizaje profundo y aprendizaje por refuerzo para robótica