Proyectos

Métodos basados en representaciones neuronales implícitas están empezando a usarse ampliamente en distintos ámbitos de visión computacional, robótica y sensado remoto. Este tipo de representaciones están permitiendo abordar múltiples problemas en ambientes no controlados como la agricultura, de manera robusta. Por ejemplo, métodos basados en Neural Radiance Fields (NeRF) se están explorando de manera amplia tanto con imágenes satelitales como en problemas de robótica de campo. En este contexto, el proyecto busca aunar competencias en visión computacional y aprendizaje de máquinas, usadas en la detección remota y en robótica, para abordar nuevas técnicas basadas en representaciones neuronales implícitas, para aplicaciones de la agricultura de precisión. Para lograr este objetivo, los investigadores convocados tienen un profundo conocimiento en estas áreas complementarias. Es importante destacar que las áreas de sensado remoto (satelital y drones) y sensado próximo (robots y redes de sensores) están experimentando una aceleración sin precedentes. En el caso de sensado remoto, además de los grandes programas públicos como Sentinel, los actores privados están creando flotas de microsatélites capaces de vigilar la Tierra con revisitas diarias. Estos datos abundantes, baratos y de alta resolución están creando oportunidades para desarrollar aplicaciones novedosas para la supervisión de la actividad agrícola. En el caso del sensado próximo, las redes de sensores, junto con el uso de robots para monitoreo, está permitiendo un seguimiento regular de los procesos agrícolas, con una alta resolución temporal y espacial, por lo que cada vez hay una mayor disponibilidad de datos, que complementan los datos obtenidos mediante sensado remoto. A nivel de uso, estas tecnologías se complementan, y a nivel de investigación, las técnicas utilizadas están empezando a converger, mediante el uso de métodos basados en redes neuronales, y más específicamente por métodos basados en representaciones neuronales implícitas, tales como Neural Radiance Fields (NeRF). Por todo esto, el estudio del sensado remoto y próximo de manera conjunta, y mediante marcos de trabajo con técnicas similares como las representaciones neuronales implícitas, tiene un gran potencial para en un futuro próximo generar una visión integrada de los procesos agrícolas mejorando la sostenibilidad y eficiencia en la agricultura. Durante su ejecución, el proyecto llevará a cabo actividades de investigación conjunta, incluyendo seminarios online regulares, la toma de datos en terreno, y un workshop de cierre en el contexto de una conferencia internacional, que junto con el intercambio de investigadores en formación (magíster, doctorado y/o postdoctorado), así como visitas de investigadores senior, buscan articular una de red de trabajo que aborde de manera interdisciplinar y con técnicas modernas, problemáticas de sensado remoto y próximo en agricultura de precisión mediante representaciones neuronales implícitas, tales como Neural Radiance Fields (NeRF), entre otras.

Este proyecto busca analizar el nivel de competencias digitales en estudiantes universitarios, abordando las brechas de género como un aspecto clave para una educación inclusiva y adaptada a las demandas de la era digital. La temática seleccionada es orden de género, ya que está investigación evaluará los factores asociados a las competencias digitales en estudiantes de primer y último año de la Universidad de O’Higgins, con el propósito de validar su impacto en la formación académica y el desarrollo de una ciudadanía digital activa y responsable. Para alcanzar este objetivo, se utilizará un modelo de ecuaciones estructurales (SEM) que permitirá medir cinco dimensiones de competencias digitales según el Marco Europeo DigComp: alfabetización informacional y de datos, comunicación y colaboración, creación de contenido digital, seguridad y resolución de problemas. Además, se evaluará el efecto moderador del género en la relación entre estas competencias y el nivel de ciudadanía digital, considerando su relevancia en el contexto de la transformación digital. El estudio se desarrollará mediante un enfoque cuantitativo, utilizando un cuestionario validado que será aplicado a una muestra representativa de estudiantes con equidad de género. Los resultados serán analizados a través de SEM con mínimos cuadrados parciales (PLS-SEM) para entender cómo estas competencias impactan la preparación de los y las estudiantes frente a los desafíos digitales actuales. Al finalizar el proyecto, los resultados se compartirán mediante, al menos, una publicación científica de alto impacto, una presentación en congreso, y un seminario de cierre dirigido a la comunidad universitaria, generando una base de conocimiento que apoye el desarrollo de políticas institucionales para reducir las brechas digitales de género en la educación superior.

The project deals with commutation principles in Euclidean Jordan Algebras, Normal Decomposition systems and Fan-Theobald-von Newman systems. It propose to deal with the generalization of these principles and the application to variational analysis and the Marcus-de Oliveira determinantal conjecture.

The field of remote sensing is experiencing an unprecedented acceleration. Besides the large public programs such as Sentinel (see e.g. https://sentinel.esa.int/web/sentinel/missions/sentinel-2), private actors are creating fleets of micro-satellites capable of monitoring of the earth with daily revisits. This abundant and cheap data is creating opportunities for developing novel applications for the monitoring of industrial and agricultural activity. The automatic exploitation of this data is bound to specific application domain knowledge, which requires a mastery of advanced techniques such as computer vision and machine learning, as well as expert knowledge in the field of agriculture. To do this, the team must master earth observation satellites, be able to define the adequate mathematical detection theories, and build on a deep knowledge of satellite image processing, while also including expert knowledge in agriculture. This project aims at uniting competences across the fields of computer vision and machine learning, remote sensing to address emerging applications in agronomy. This project will in addition foster the creation of reproducible research by adopting a reproducible research methodology thus contributing the resulting algorithms to the journal Image Processing On-Line (IPOL). The IPOL journal is an initiative to establish a clear and reproducible state-of-the-art in the domain of image processing and computer vision.

The research project "Matrices, Optimization, and Randomness with Applications in Data Science (MORA-DataS)" is composed of research teams from Bolivia, Chile, France, and Peru. This project is funded by the regional program MATH-Amsud in cooperation with UMSA (Bolivia), ANID, CMM (Chile), MEAE (France), and CONCYTEC (Peru). The aim of this project is to study diverse optimization models, deterministic and stochastic, and to investigate various problems in matrix analysis with potential applications in data science. Some of the research topics are computing angles between convex cones, inverse eigenvalue problems, proximal algorithms for symmetric cone optimization, nonlinear second-order cone programming problems, nonsmooth joint chance constrained optimization problems, and Euclidean Jordan algebras for optimization.

Consiste en diversos módulos de baja potencia que pueden configurarse e interconectarse para implementar variadas topologías emergentes de sistemas eléctricos y topologías de conversión como: microrredes, enlaces de alto voltaje en corriente continua (HVDC), convertidores modulares multinivel (MMC), sistemas de baterías (BESS), cargadores rápidos, entre otros. Cada módulo de potencia posee una unidad de control propia coordinada por una unidad central, lo que permite implementar esquemas de control distribuido. Además, la plataforma contempla una etapa de amplificación de potencia trifásica, que permite generar físicamente los voltajes y corrientes de un punto común de acoplamiento con una red eléctrica emulada en tiempo-real. Esto permite estudiar la interacción de la red emulada con los sistemas eléctricos y las topologías de conversión emergentes descritas anteriormente. Por consiguiente, esta plataforma agiliza el prototipado, tanto en hardware de potencia como de control, permitiendo la validación experimental de estrategias de control distribuido que, a diferencia del control centralizado (tradicionalmente utilizado en la academia e industria), presenta ventajas que son de utilidad para mejorar la resiliencia de los sistemas eléctricos, como son: mejor confiabilidad, flexibilidad, escalabilidad, operación plug-and-play y tolerancia a fallas de un solo punto.

This project will consider the design of Stochastic MPC strategies based Computational Intelligence techniques such as fuzzy models and neural networks, but focusing on achieving theoretical properties such as stability and feasibility, increasing computation speed, and can use control policies. This is novel in that these properties are hardly ever obtained when using nonlinear models in SMPC. Additionally, we will aim to systematize the stability and convergence analyses. These developments will be validated on applications such as irrigation systems, climatization systems, microgrids. This is expected to improve the performance of existing control methods for systems with stochastic uncertainty, and enable the design of advanced control systems where the lack of guarantees or slow computation does not permit the implementation of advanced control systems. Additionally, the development of ad-hoc controllers based on SMPC with RL for Electric Vehicle Routing will be tackled in this research. This controller will be tackled following principles particularly selected for this application since stability is not a major concern here because of the finite horizon for every day of operation.

En particular, el proyecto instalará y desarrollará en la región de O’Higgins capacidades humanas avanzadas y fortalecerá la cooperación internacional en temáticas relacionadas con el uso de micro-redes en agricultura. También, se instalará un proyecto piloto de micro-red eléctrica aplicado en cultivos bajo invernadero.

En este proyecto, se busca general nuevas tecnologías que permitan mejorar el manejo de recursos hídricos en la sexta región. Director de línea "Gestión de Riego Intrapredial con Inteligencia Artificial"