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.

Escuela de Verano Latino Americana de Robotica (LACORO)

KhipuX support grant for organizing the Third Latin American Summer School on Cognitive Robotics (LACORO) https://www.lacoro.org/

La literatura muestra que diferencias en las habilidades matemáticas tempranas son fuertes predictores de desempeño matemático posterior e incluso afectan la selección de carreras universitarias. Además, aquellos niños que ingresan a la etapa escolar con habilidades matemáticas deficientes, mantienen bajos desempeños académicos durante toda su trayectoria escolar. De hecho, las condiciones iniciales de aprendizaje matemático determinan las trayectorias futuras de aprendizaje. En este contexto, un proyecto FONDEF (2019 – 2021) de la Universidad de O’Higgins nos permitió desarrollar el Test de Pensamiento Matemático (TPM, ver https://jugarmate.org/tpm/) para evaluar aprendizajes matemáticos en niveles de pre-kínder, kínder y 1ro básico. El TPM es un test basado en siete juegos digitales cuya aplicación en grupos grandes de estudiantes es rápida y sencilla por lo que permite recolectar una gran cantidad de datos de aprendizaje con poco esfuerzo. En congruencia con avances recientes en el desarrollo de habilidades matemáticas tempranas, este instrumento logra capturar dos dimensiones del pensamiento matemático infantil que son el pensamiento numérico y el razonamiento espacial. Estos desarrollos previos presentan una gran oportunidad para investigar las condiciones iniciales de los aprendizajes matemáticos y las posibles trayectorias de aprendizajes posteriores. La hipótesis que sustenta este proyecto es que existen perfiles de pensamiento matemático temprano que son capturados en los puntajes TPM y que las primeras trayectorias de aprendizaje se pueden modelar como un tránsito por estos perfiles. En este contexto, el presente proyecto propone la aplicación de algoritmos de inteligencia artificial para el procesamiento y visualización de datos TPM para primero identificar distintos perfiles de pensamiento matemático temprano para luego encontrar patrones de tránsito entre éstos perfiles y así identificar trayectorias iniciales de aprendizaje matemático. La metodología propone analizar conjuntos de datos TPM obtenidos en una muestra de más de 700 estudiantes de prekinder, kinder y 1ro básico aplicando métodos de reducción de dimensionalidad (p.ej., análisis de componentes principales) y algoritmos de agrupamiento (p.ej., clustering). Los resultados de los algoritmos de agrupamiento se interpretan como perfiles de pensamiento matemático, mientras que análisis de evolución de perfiles se interpretan como las trayectorias iniciales de aprendizaje de las matemáticas tempranas. Se espera que los resultados de esta investigación se utilicen para el diseño de intervenciones remediales personalizadas que permitan potenciar el desarrollo de habilidades matemáticas tempranas.

Esta propuesta se construye a partir de un proyecto previo (FONDEF ID19I10030) donde desarrollamos y validamos un modelo de enseñanza matemática con base en juegos de mesa y evaluaciones digitales para estudiantes en el nivel de transición de la educación parvularia. Por un lado, elaboramos 12 juegos de mesa cuyos efectos positivos en el aprendizaje matemático se validaron a través de una intervención escolar controlada. Por otro lado, desarrollamos el test de pensamiento matemático (TPM) para evaluar objetivos curriculares matemáticos del nivel de transición. El TPM utiliza tabletas para automatizar la mediación, lo cual permite que su formato de aplicación sea grupal, recolectando grandes cantidades de datos con poco esfuerzo y de manera inmediata (p.ej., evalúa aulas completas en una hora). Datos de una muestra de 750 niños, permitió verificar su validez de contenido, criterio y constructo, para asegurar que puede ser utilizado como instrumento de evaluación de los logros de aprendizaje declarados en el currículo chileno. En consecuencia, la prueba de concepto de nuestro modelo de enseñanza fue exitoso.
Estudios recientes demuestran que en Chile los procesos de capacitación docente no producen mejoras en los aprendizajes estudiantiles, indicando que la superación del problema de bajos desempeños exige la creación de estrategias curriculares más intensivas e integrales. En este contexto, el presente proyecto busca desarrollar un sistema de apoyo docente, cuyo núcleo pedagógico sea el modelo de enseñanza descrito arriba, y que pueda ser llevado con éxito a aulas reales del sistema educativo chileno. El primer resultado de este proyecto fortalece el TPM dotándole de la capacidad para entregar retroalimentación personalizada de manera automatizada en formato de recomendaciones de actividades para mejorar los aprendizajes. Para esto, crearemos algoritmos de inteligencia artificial que serán entrenados a partir de un etiquetado de datos (elaborado por educadoras expertas) que asignen actividades de aprendizaje adecuadas a los resultados TPM. El segundo resultado es un sistema de apoyo docente integral e intensivo que facilita la adopción de nuestro modelo de enseñanza en aulas reales. Dicho sistema permite que una institución pública (p.ej., un SLEP) brinde servicios educativos dirigidos a fortalecer la calidad de los aprendizajes matemáticos tempranos en todas las aulas de su red educativa. En más detalle, el “sistema de gestión pedagógica del aula matemática” coordina el uso de materiales educativos, profesionales expertos y plataformas tecnológicas para mejorar la calidad de los procesos de enseñanza-aprendizaje. La validación de este sistema involucra realizar una intervención escolar de tipo longitudinal, con grupo de control y cuatro medidas repetidas que permitan estimar su efecto en los aprendizajes matemáticos de 400 estudiantes. También se evalúa el nivel de aceptación del sistema por parte del cuerpo docente involucrado. El plan de implementación y masificación contempla que la Fundación Mustakis (mandante) masifique al uso del TPM y el acceso a los programas de capacitación on-line, el DAEM Requinoa (asociada) realice un pilotaje del sistema de gestión pedagógica del aula matemática y que la UOH (beneficiaria) genere alianzas con instituciones públicas (p.ej., DAEM, SLEP) para que adopten este sistema y puedan brindar servicios educativos que mejoren los aprendizajes matemáticos en las aulas de sus redes educativas.

Fondos para apoyar la realizacion de la Third Latin American Summer School on Cognitive Robotics (LACORO 2024). La primera edición se realizó online en octubre de 2020; la segunda fue presencial en enero de 2023; la tercera versión tendrá lugar entre el 9 y el 13 de diciembre de 2024 en la Universidad de O’Higgins en Rancagua, Chile. https://lacoro.org/

Esta Escuela de Verano beneficiará principalmente a Estudiantes y Académicos de las Américas interesados en la Investigación en Inteligencia Artificial aplicada a la Robótica. Nuestro objetivo es fomentar la colaboración nacional y regional en esta área de investigación. Para la primera edición, alcanzamos 241 inscripciones para actividades online de todo el mundo, y la segunda versión tuvo 166 inscripciones para actividades presenciales en enero de 2023, principalmente de Chile, México, Argentina, Brasil y Uruguay.

Festival de la Ciencia 2023

promoverán la socialización del conocimiento y la instalación de capacidades en comunidades educativas, con el propósito de fortalecer las competencias CTCI en niñas, niños y adolescentes.

Este proyecto de carácter nacional busca entregar un espacio en la red donde se pueda encontrar las herramientas necesarias para realizar vigilancia, pronóstico, investigación y control de la plaga emergente Drosophila suzukii. Busca articular información técnica, proyectos, artículos de investigación e investigadores. Además entrega información en tiempo real a los beneficiarios, productores, investigadores, asesores, sobre las detecciones validadas a nivel comunal.