Autor/a: BURRUEL ZAZUETA, JOSÉ MISAEL
Enlace a la tesis: http://hdl.handle.net/10803/695513
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 10/10/2025
Director/a de tesis: PUIG CAYUELA, VICENÇ | RODRÍGUEZ RANGEL, HÉCTOR

Tribunal:
     PRESIDENT: MORALES ROSALES, LUIS ALBERTO
     SECRETARI: AGUDO MARTÍNEZ, ANTONIO
     VOCAL: GONZÁLEZ HUITRÓN, VÍCTOR ALEJANDRO
Resumen de tesis: El aumento de la criminalidad y las limitaciones de los sistemas tradicionales de videovigilancia para identificar personas de forma no intrusiva en tiempo real han impulsado la búsqueda de nuevas soluciones en el ámbito de la seguridad. En este contexto, el Reconocimiento del Andar Humano (RAH) surge como una alternativa biométrica eficaz, al permitir la identificación de individuos mediante sus patrones de caminata, sin contacto físico ni cooperación activa. Esta tesis doctoral propone el diseño e implementación de un módulo inteligente de reconocimiento del andar humano enfocado en escenarios de videovigilancia en tiempo real. La solución combina enfoques basados en apariencia (siluetas) y basados en modelo (pose corporal estimada), utilizando herramientas de visión por computador y aprendizaje profundo para lograr una identificación precisa incluso en condiciones visuales no controladas.Como contribución central, se desarrolló el conjunto de datos TecNM Gait-DS, diseñado específicamente para representar la morfología, estilo de vestimenta y patrones de caminata característicos de la población latinoamericana. Este conjunto incluye más de 22,500 secuencias de video de 124 sujetos capturados desde 13 ángulos de visión y bajo cinco variantes de caminata: normal, con mochila, con abrigo, cargando caja y maletín.El sistema propuesto incorpora un módulo de extracción de características en tiempo real basado en las redes DensePose y Detectron2, que extraen siluetas y puntos clave con un tiempo promedio de procesamiento de 45 ms por cuadro. Estas características alimentan diferentes arquitecturas de aprendizaje profundo: modelos convolucionales (ResNet-50, 101 y 152), basados en atención (DINO-ViT), y especializados en gait (GaitMix y GaitRef).Se definieron seis configuraciones experimentales (A–F) que combinan preprocesamiento de siluetas (con o sin relleno) y enriquecimiento mediante convoluciones angulares a partir de matrices de movimiento biomecánico (ángulos articulares). Las evaluaciones se realizaron en los conjuntos CASIA-B y TecNM Gait-DS.Los modelos generalistas (ResNet y DINO-ViT) lograron más del 95 % de efectividad en CASIA-B y hasta 87 % en TecNM Gait-DS. Los modelos especializados GaitMix y GaitRef superaron el 94 % en condiciones ideales y alcanzaron 87.9 % en el conjunto TecNM Gait-DS, destacando su robustez ante variaciones de ángulo, indumentaria y tipo de caminata. Asimismo, el sistema demostró viabilidad para su uso en tiempo real, con tiempos de inferencia menores a 50 ms por imagen.Adicionalmente, se utilizó la desigualdad de Vapnik-Chervonenkis (VC) para sustentar que los modelos entrenados con TecNM Gait-DS poseen mejor capacidad de generalización. A pesar de una menor precisión respecto a CASIA-B, la diversidad del conjunto latinoamericano reduce la brecha entre el error empírico y el error esperado, favoreciendo su aplicabilidad en escenarios reales.Este trabajo no solo aporta innovaciones técnicas en el campo del reconocimiento biométrico, sino que además tiene un impacto social directo al promover tecnologías adaptadas al contexto latinoamericano. Los resultados sientan las bases para el desarrollo de un sistema embebido de videovigilancia inteligente basado en RAH, orientado a mejorar la seguridad en espacios públicos y estratégicos.

Autor/a: CALDARELLI, EDOARDO
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 28/01/2025
Director/a de tesis: TORRAS GENIS, CARMEN | COLOMÉ FIGUERAS, ADRIÀ

Tribunal:
     PRESIDENT: LEE, DONGHEUI
     VOCAL: ANDRADE CETTO, JUAN
     VOCAL: FORMENTIN, SIMONE
Resumen de tesis: En los últimos años han aparecido nuevos retos en el ámbito de la robótica, como la manipulación de objetos deformables comola ropa, derivados del uso de robots fuera de escenarios típicamente industriales. Las habilidades de manipulación tienen elobjetivo de ayudar a los humanos en sus actividades diarias, con la finalidad de mejorar su vida, sobre todo en caso de personasmayores o con discapacidades físicas.En este contexto, puede ser necesario programar el comportamiento de un robot por personas no expertas en robótica, yconsiderar parámetros adicionales además de las trayectorias a seguir, como la rigidez o la impedancia del manipuladorrobotizado. En este sentido, los métodos clásicos de control pueden combinarse con algoritmos de aprendizaje automático, paraobtener un proceso de control basado en datos. El comportamiento deseado del robot puede inferirse inductivamente desde unconjunto de datos, sin requerir la programación de los movimientos del robot a bajo nivel. Específicamente, las habilidadesrequeridas por la tarea pueden ser aprendidas de manera prescriptiva, grabando su ejecución por un experto humano(denominada aprendizaje por demostración); o construyendo un modelo aproximado del entorno del robot, y dejando que el robotdecida basándose en el modelo (en la línea del control predictivo basado en modelo).Esta tesis propone avances en el campo del control basado en datos para la manipulación robótica, mediante el aprendizaje pordemostración y la aproximación basada en un modelo. La mayoría de los módulos de aprendizaje utilizados en esta tesis sebasan en métodos de funciones núcleo (kernel). Aunque sean costosos computacionalmente, los métodos de funciones núcleodisfrutan de garantías de optimalidad, y permiten el desarrollo de aproximaciones rápidas, cuya precisión puede ser demostrada.En esta tesis, primero estudiamos cómo aprender perfiles de rigidez variable en el tiempo a partir de demostraciones humanas,y desarrollamos un nuevo algoritmo de aprendizaje activo para conseguir este objetivo. Además, investigamos cómo lasdemostraciones humanas de una tarea pueden ser procesadas de manera eficiente, por medio de una primitiva de movimientoaproximada basada en funciones núcleo. Además, considerando el escenario basado en un modelo, empezamos proponiendo eluso de técnicas eficientes de control predictivo para la manipulación de ropa. También desarrollamos un algoritmo aproximado deregresión para aprender y controlar dinámicas no lineales, en el contexto de la regresión del operador de Koopman. Además deestas contribuciones algorítmicas, también nos focalizamos en las propiedades teóricas de las aproximaciones basadas enfunciones núcleo, conectando técnicas de aprendizaje estadístico y de teoría de control. Específicamente, demostramos nuevosresultados de convergencia para nuestra representación eficiente de primitiva de movimiento, y también para el modelo dedinámica obtenido con la regresión del operador de Koopman.

Autor/a: CONEJO BARCELÓ, CARLOS
Enlace a la tesis: http://hdl.handle.net/10803/695365
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 21/07/2025
Director/a de tesis: PUIG CAYUELA, VICENÇ | MORCEGO SEIX, BERNARDO

Tribunal:
     PRESIDENT: AITOUFROUKH-MAMMAR, NAÏMA
     SECRETARI: SARRATE ESTRUCH, RAMON
     VOCAL: IBAÑEZ GUZMAN, JAVIER
Resumen de tesis: El rápido avance de las tecnologías de vehículos autónomos ofrece importantes oportunidades para mejorar la seguridad vial, pero también plantea desafíos para garantizar el cumplimiento de los estándares de seguridad establecidos. Esta tesis se centra en garantizar la seguridad funcional en vehículos altamente automatizados (niveles de automatización SAE 4-5), asegurando la conformidad con la norma ISO~26262, que regula los riesgos de seguridad en los sistemas eléctricos y electrónicos.Para abordar estos desafíos, se presenta un supervisor basado en árboles de comportamiento que transforma los análisis estáticos de seguridad funcional en supervisión en tiempo de ejecución, asegurando el cumplimiento en tiempo real de los requisitos de seguridad. Este supervisor está verificado formalmente mediante lógica temporal, garantizando su corrección bajo todas las condiciones operativas. Además, se desarrolla un observador zonotópico LPV-EKF para la detección y aislamiento de fallos, mejorando la fiabilidad de la estimación del estado del vehículo basada en sensores bajo incertidumbres acotadas. Complementando estas contribuciones, se propone un marco de control predictivo zonotópico basado en datos, con garantías de seguridad funcional. Este marco integra el análisis de alcanzabilidad para guiar el vehículo hacia estados seguros predefinidos en presencia de anomalías a nivel del sistema y está verificado formalmente mediante especificaciones de lógica temporal.Las metodologías presentadas se validan en plataformas autónomas Renault Zoe y Mégane, demostrando su efectividad práctica para avanzar en la seguridad funcional de la conducción autónoma en escenarios del mundo real.

Autor/a: DALMASSO BLANCH, MARC
Enlace a la tesis: http://hdl.handle.net/10803/696016
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 10/11/2025
Director/a de tesis: SANFELIU CORTES, ALBERTO | JIMENEZ SCHLEGL, PABLO

Tribunal:
     PRESIDENT: ROS ESPINOZA, RAQUEL
     SECRETARI: ANDRADE CETTO, JUAN
     VOCAL: AYDOGAN, REYHAN
Resumen de tesis: A medida que los robots se integran cada vez más en entornos cotidianos, los paradigmas rígidos de roles de interacción y los modelos de control unilateral resultan insuficientes para permitir una colaboración significativa. Preservar la autonomía humana al mismo tiempo que se permite a los robots contribuir proactivamente en tareas de toma de decisiones compartida introduce la necesidad de alineación y negociación entre agentes. La negociación no surge únicamente como una preferencia de diseño, sino como un requisito cuando entidades autónomas con conocimiento parcial, capacidades distintas u objetivos desalineados deben actuar conjuntamente en entornos reales.Esta tesis investiga el reto de integrar robots en equipos humanos en entornos no estructurados, con un enfoque particular en la Navegación Colaborativa Humano-Robot (HRCN). Pretende capacitar a los robots como agentes activos en la toma de decisiones, que se adapten de forma flexible y crítica a las preferencias y necesidades humanas. Este desarrollo tecnológico se plantea como una necesidad social: sin él, los robots quedarían confinados a entornos controlados, o las personas perderían capacidad de agencia al tener que adaptarse a comportamientos robóticos rígidos.Las contribuciones principales de la tesis son tres. En primer lugar, introduce el modelo de Fuentes de Recompensa Social (SRS), una representación compartida del espacio y de las tareas para Equipos Humano-Robot (HRT). En segundo lugar, presenta un sistema de planificación multiagente que utiliza el modelo SRS para generar planes colaborativos para equipos heterogéneos. En tercer lugar, propone un marco de negociación para la Negociación de Planes Humano-Robot (HRPN), que incorpora un nuevo modelo de caracterización de planes, el espacio de cooperatividad. Estas y otras contribuciones secundarias se validan mediante experimentos en entornos reales dentro del caso de uso de búsqueda colaborativa de objetos.En conjunto, la tesis ofrece un camino para el despliegue de robots como agentes colaborativos capaces de negociar, apoyando así una interacción humano-robot que preserve la autonomía de las personas en la toma de dexisiones en contextos de mundo abierto.

Autor/a: DELGADO GUERRERO, JUAN ANTONIO
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 27/11/2025
Director/a de tesis: TORRAS GENIS, CARMEN | COLOMÉ FIGUERAS, ADRIÀ

Tribunal:
     PRESIDENT: VITRIÀ I MARCA, JORDI
     SECRETARI: GARRELL ZULUETA, ANAÍS
     VOCAL: LUQUE SOLA, NICETO RAFAEL
Resumen de tesis: La asistencia robótica en entornos domésticos presenta desafíos significativos debido a la complejidad de modelar tareas de manipulación cotidianas, especialmente aquellas que implican objetos deformables como la ropa. Los enfoques tradicionales suelen tener dificultades con las representaciones de estado de alta dimensionalidad, las incertidumbres dinámicas y la necesidad de una interacción segura entre humanos y robots. Esta tesis doctoral aborda estos desafíos mediante el desarrollo de nuevos métodos de aprendizaje automático basados en modelos de variables latentes para permitir una manipulación robótica eficiente, adaptable y segura.En primer lugar, proponemos un marco basado en Modelos de Variables Latentes con Procesos Gaussianos (GPLVM) combinado con Optimización Bayesiana (BO) para aprender políticas de movimiento robótico de alta dimensión con la menor cantidad de datos posible. Este enfoque reduce la dimensionalidad del espacio de parámetros preservando las características relevantes para la tarea, logrando una convergencia más rápida que otras alternativas existentes sin modelo.A continuación, extendemos este marco al aprendizaje contextual utilizando GPLVM con covariables (c-GPLVM), permitiendo que los robots se adapten a cambios ambientales (como preferencias de usuario o posiciones de objetos) sin necesidad de reentrenamiento. Los experimentos en tareas de alimentación y calzado demuestran una mejora en la generalización con menos muestras en comparación con los métodos de referencia de búsqueda de políticas contextuales.Para la manipulación dinámica de ropa, introducimos el Modelo Dinámico de Procesos Gaussianos Controlado (CGPDM), que incorpora acciones de control en el espacio latente de baja dimensión para predecir el movimiento de los tejidos bajo la manipulación robótica. Las evaluaciones en simulación y en entornos reales con manipulación bimanual muestran que el CGPDM generaliza con precisión ante acciones no vistas previamente, incluso con datos de entrenamiento limitados.Finalmente, abordamos la seguridad en la interacción humano-robot mediante mejoras en el control cartesiano para manipuladores redundantes, incluyendo medidas como la saturación de errores, la evasión de singularidades y el ajuste de impedancias. Estas medidas minimizan el riesgo durante la interacción física, garantizando un comportamiento robótico estable y flexible.En su conjunto, estas contribuciones impulsan el avance en la manipulación robótica de ropa mediante la combinación de aprendizaje eficiente en términos de datos, adaptación contextual y control seguro, allanando el camino para su implementación práctica en robótica asistencial y doméstica.

Autor/a: DOMÍNGUEZ VIDAL, JOSÉ ENRIQUE
Enlace a la tesis: http://hdl.handle.net/10803/695035
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 15/07/2025
Director/a de tesis: SANFELIU CORTES, ALBERTO

Tribunal:
     PRESIDENT: ALAMI, RACHID
     SECRETARI: ANGULO BAHON, CECILIO
     VOCAL: MERINO CABAÑAS, LUIS
Resumen de tesis: Esta tesis doctoral profundiza en el concepto de intención en robótica, con el objetivo de establecer una definición exhaustiva y práctica, al tiempo que explora sus implicaciones técnicas y sociales. La investigación comienza abordando una laguna significativa en el campo: la ausencia de una definición clara de intención en robótica, donde a menudo se confunde con la predicción de movimiento o de objetivos. Para abordar esto, la tesis propone una nueva taxonomía de la intención humana, sintetizando conocimientos de la psicología y otras disciplinas. Esta taxonomía proporciona un marco estructurado para comprender la intención, categorizándola en varios tipos. Este trabajo fundacional sobre la intención se amplía aún más mediante el desarrollo del ciclo Percepción-Intención-Acción (PIA), un marco teórico diseñado para integrar la intención humana en los procesos de toma de decisiones de los robots. El ciclo PIA mejora los modelos tradicionales de Percepción-Acción al incorporar la intención como un componente central, lo que permite a los robots exhibir comportamientos anticipatorios y proactivos, mejorando así la Interacción Humano-Robot (HRI) y la Colaboración Humano-Robot (HRC). Además, la tesis introduce roles colaborativos (Líder, Seguidor, Colaborativo, Neutral y Adversario), ampliando los marcos tradicionales y abriendo nuevas vías para la programación del comportamiento robótico. La tesis se estructura en torno a tres casos de uso: búsqueda colaborativa, transporte colaborativo de objetos y tareas de entrega. Cada caso de estudio sirve como una demostración práctica del ciclo PIA o sus implicaciones, destacando la importancia de la comunicación de la intención, tanto implícita como explícita, entre humanos y robots. En la tarea de búsqueda colaborativa, se desarrolló una aplicación móvil para facilitar la comunicación explícita, y los experimentos mostraron que los usuarios están dispuestos a comunicar sus intenciones para mejorar el rendimiento del equipo. La tarea de transporte colaborativo implicó el desarrollo de un modelo basado en la fuerza que integra la inferencia de la intención humana con la comunicación explícita, junto con la creación de predictores de fuerza/velocidad para mejorar la inferencia de la intención. La tarea de entrega sirvió como contexto para definir y explorar posteriormente los conceptos de anticipación y proactividad, demostrando que ambos comportamientos pueden mejorar la IHR, aunque impactan en diferentes aspectos de la interacción.La tesis realiza varias contribuciones técnicas, incluido el desarrollo de predictores de fuerza/velocidad para la inferencia de la intención y una nueva generalización de una arquitectura de Aprendizaje Profundo (DL) para el procesamiento de vídeo. Estas herramientas no solo mejoran la aplicación práctica del ciclo PIA, sino que también ofrecen beneficios potenciales para otras áreas de investigación. Los principales hallazgos de la investigación incluyen la identificación de un umbral perceptual más allá del cual las mejoras adicionales en la precisión de la predicción se vuelven imperceptibles para los humanos. Esto sugiere que una vez que se alcanza un nivel de precisión "suficientemente bueno", las mejoras técnicas adicionales pueden no generar beneficios notables. Además, la investigación reveló una preferencia entre los usuarios por los sistemas de comunicación naturales sobre las interfaces técnicamente robustas pero menos intuitivas. Estos conocimientos indican la necesidad de un cambio de paradigma en el desarrollo de la IHR, alejándose de predictores y motores de inferencia cada vez más complejos hacia sistemas que acepten la falibilidad robótica y prioricen los métodos de comunicación naturales. Este enfoque fomenta interacciones más de tipo compañero en lugar de interacciones basadas en la utilidad, donde los robots son vistos más como socios en lugar de meras herramientas.

Autor/a: ESCUDERO RODRIGO, DIEGO
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 15/10/2025
Director/a de tesis: ARANDA LÓPEZ, JUAN | ALQUEZAR MANCHO, RENATO

Tribunal:
     PRESIDENT: SERRATOSA CASANELLES, FRANCESC ASSIS
     SECRETARI: GARRELL ZULUETA, ANAÍS
     VOCAL: MARIN PRADES, RAUL
Resumen de tesis: La fabricación industrial flexible es un método de producción diseñado para adaptarse rápidamente a los cambios en la variedad y el volumen de productos. Esto se logra mediante robots y sistemas de percepción capaces de gestionar una producción de alta variedad y gran volumen, garantizando la calidad y siendo fáciles de programar. Las máquinas flexibles reciben diferentes tipos de piezas mediante sistemas de alimentación, y los tipos utilizados dependen del producto a fabricar. Un paso importante es proporcionar a estas máquinas todas las piezas necesarias para la producción; este paso se denomina "kitting" robótico.El "kitting" robótico consiste en la creación de un surtido de piezas para su posterior uso, que se selecciona de uno o más contenedores con diferentes tipos distribuidos aleatoriamente. El procedimiento consiste en reunir las diferentes piezas que se van a mover y colocarlas en una zona de preparación. En esta zona, las piezas se reensamblan para formar un kit.El objetivo de esta investigación fue desarrollar un marco de anclaje para el "kitting" robótico 'inteligente', una generalización del "kitting" robótico que incorpora símbolos y su manipulación. Dado que se requieren símbolos para resolver este problema, se tuvo que considerar el problema del anclaje. Este marco de anclaje debería permitir a los robots generalistas anclar objetos y acciones necesarios para una nueva tarea, a través de la interacción humano-robot y los mecanismos de aprendizaje.Nuestro marco de anclaje se basa en código generado automáticamente y un enfoque supervisado por humanos. En él, el aprendizaje robótico y la interacción humano-robot se utilizan para anclar percepciones e instrucciones a símbolos durante la fase de puesta en marcha o reconfiguración. La programación genética es una técnica conocida para la generación de código que permite el aprendizaje de programas desde cero. Por lo tanto, se combinó con árboles de comportamiento para anclar acciones simbólicas (p.ej., buscar-pieza) a instrucciones robóticas a nivel sensori-motor (p.ej., mover-brazo-a).Se propone un algoritmo que combina la programación genética con los árboles de comportamiento condicional (GP-CBT). El núcleo del algoritmo está compuesto por operadores genéticos específicos, un criterio de evaluación y el "fallback swapper". Dado que facilitar la interacción con el operador es esencial para nuestro marco, este algoritmo se ha extendido para generar automáticamente nodos de acción, permitir al usuario añadir requisitos de tarea, y actualizar el conocimiento previo a partir de tareas aprendidas anteriormente.

Autor/a: FANG, XIN
Enlace a la tesis: http://hdl.handle.net/10803/694830
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 19/06/2025
Director/a de tesis: PUIG CAYUELA, VICENÇ | BLESA IZQUIERDO, JOAQUIN

Tribunal:
     PRESIDENT: BREGÓN BREGÓN, ANÍBAL
     SECRETARI: FERNANDEZ CANTI, ROSA MARIA
     VOCAL: JHA, MAYANK SHEKHAR
Resumen de tesis: En esta tesis, propondremos métodos para combinar técnicas de análisis estructural y métodos basados en datos, ampliando la aplicabilidad de los métodos de diagnóstico convencionales basados en modelos y proponiendo una extensión para el pronóstico. Algunos investigadores ya han explorado ideas similares: por ejemplo, algunos han intentado utilizar técnicas como las redes neuronales recurrentes de caja gris para generar residuos con el fin de desarrollar métodos híbridos de diagnóstico de fallos. Otra investigación destacada es la combinación de redes neuronales de espacio de estados y métodos de descomposición de modelos para el diagnóstico de fallos. Sin embargo, estos estudios se centran más en la parte de diagnóstico sin considerar la extensión al pronóstico. Además, la mayoría de los enfoques de pronóstico existentes se basan en métodos dependientes de la aplicación que extraen características de las variables medidas.En esta disertación, aplicaremos la idea de extender el análisis de residuos o relaciones de redundancia analítica (ARRs) desde la parte de diagnóstico hasta la parte de pronóstico, incluyendo varias mejoras, como evitar la necesidad de tener el modelo matemático del sistema y considerar la incertidumbre del modelado utilizando métodos de intervalos. En esta tesis, se utilizarán algunos residuos generados estructuralmente basados en datos con fines de análisis. Dada una descripción gráfica (o textual) del sistema y las mediciones de entrada/salida disponibles, la estructura de las ARRs entre algunas entradas y salidas puede determinarse con la ayuda del Análisis Estructural (AE) del sistema. Luego, utilizando un enfoque basado en datos de aprendizaje automático aplicado a datos históricos no defectuosos, se pueden obtener relaciones analíticas entre entradas y salidas. De esta manera, en lugar de encontrar ARRs a partir de un modelo matemático físico, las ARRs se obtienen combinando el AE y enfoques basados en datos.Para sistemas lineales, se utilizarán funciones calibradas mediante la caja de herramientas de identificación de sistemas (System Identification Toolbox™) de MATLAB®. Y para tratar con sistemas no lineales en general, se utiliza el enfoque basado en datos del sistema de inferencia difusa adaptativa (ANFIS) para implementar el sistema de diagnóstico. Una vez que se ha identificado el modelo ANFIS, se reformula en forma de parámetros variables lineales (LPV). Luego, se desarrolla un esquema de detección de fallos basado en un filtro de Kalman LPV zonotópico y un método de colocación de polos. Finalmente, se propone un esquema de aislamiento de fallos basado en un enfoque mejorado de razonamiento de Dempster-Shafer.Los residuos se utilizan para fines de detección de fallos, activando señales de fallo cuando los valores de los residuos alcanzan valores anómalos. Además, es posible predecir fallos futuros mediante la detección de desviaciones anómalas en los residuos. Una vez que se detecta un cambio anómalo en la tendencia del residuo, se procede a estimar cuándo esta desviación del residuo resultará en una detección de fallo y, por lo tanto, cuál será el tiempo de vida útil restante (RUL) del sistema. Para este propósito, la evolución futura del residuo se estima mediante una función de regresión. Los parámetros nominales y de intervalo de la función de regresión se estiman con los datos de residuo disponibles, proporcionando valores nominales y de intervalo del RUL del sistema.A lo largo de esta disertación, se han utilizado dos casos de estudio: un motor de corriente continua sin escobillas (BLDC) y un caso de estudio conocido basado en un sistema de cuatro tanques para ilustrar la efectividad de los métodos y algoritmos propuestos.

Autor/a: GARCIA CAMACHO, IRENE
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 24/11/2025
Director/a de tesis: ALENYÀ RIBAS, GUILLEM | BORRÀS SOL, JÚLIA

Tribunal:
     PRESIDENT: WYFFELS, FRANCIS
     SECRETARI: JIMENEZ SCHLEGL, PABLO
     VOCAL: GAMS, ANDREJ
Resumen de tesis: Los marcos de evaluación son herramientas cruciales en la investigación para asegurar el progreso. La experimentación y evaluación comparativa requiere de marcos de referencia normalizados con los que cuantificar el rendimiento de un sistema en comparación con trabajos anteriores para determinar las mejoras y el avance realizado. La manipulación robótica de ropa presenta muchos retos debido a la naturaleza deformable de los objetos textiles. Ésta es una área interdisciplinar que integra diversos componentes incluidos el control, la percepción y el sistema robótico, para resolver tareas de manipulación textil con una amplia variedad de plataformas y pinzas robóticas, objetos y estrategias. Esta variabilidad dificulta el diseño de procedimientos de evaluación generales que puedan ser adoptados por los investigadores del área de manipulación y percepción robótica textil. Esta tesis aborda la necesidad de estandarizar los métodos de experimentación en la manipulación de ropa, proporcionando soluciones a los aspectos clave: descripción del sistema y objetos, descripción de las tareas y métricas de evaluación. La tesis comienza con el diseño de puntos de referencia para tareas relevantes de manipulación de ropa, proponiendo procedimientos claros y métricas para evaluar el rendimiento del sistema. Luego la estandarización de los objetos textiles es mejorada, los cuales repercuten directamente en la manipulaciones requeridas y los resultados obtenidos, proponiendo un conjunto definido de objetos del hogar. Además, se propone un sistema de caracterización para describir objetos textiles de forma estándar a través de sus propiedades físicas y mecánicas, con tal de lidiar con el desgaste por el uso de los objetos textiles, manteniendo la estandarización y extendiéndola a otras categorías de objetos textiles. Posteriormente se propone una definición del estado de las escenas durante la manipulación textil basada en la configuración de la ropa, el tipo y ubicación de agarre, para representar las tareas de manipulación de tela y crear métricas de evaluación más informadas. Más tarde se profundiza en la estimación de estados para la toma de decisiones y la evaluación. La tesis culmina con la organización de la competición robótica de manipulación y percepción de telas, realizada para unir a grupos de investigación en la evaluación y comparación de sus sistemas en igualdad de condiciones, concienciando de la importancia de diseñar y adoptar procesos de evaluación estandarizados para progresar en el área. En resumen, esta tesis aborda la evaluación comparativa, la normalización, la representación de tareas y la toma de decisiones en el contexto de la manipulación de telas.

Autor/a: GIL VIYUELA, OSCAR
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 27/02/2025
Director/a de tesis: SANFELIU CORTES, ALBERTO

Tribunal:
     PRESIDENT: MONTANO GELLA, LUIS ENRIQUE
     SECRETARI: ANDRADE CETTO, JUAN
     VOCAL: MERINO CABAÑAS, LUIS
Resumen de tesis: Actualmente, la Robótica Social y la Inteligencia Artificial (IA) son dos áreas que están empezando a explorarse juntas gracias al gran desarrollo que han experimentado en la última década. En concreto, los modelos de Aprendizaje Profundo (DL), basados en Redes Neuronales Artificiales (RNA), han avanzado enormemente en los últimos años. Un avance que ha permitido el uso de este tipo de modelos en un gran número de aplicaciones para las personas, como filtros de spam, detección y diagnóstico en medicina, traductores automáticos, métodos de conversión de texto a voz o modelos de generación de imágenes.En los últimos años, se han desarrollado diferentes aplicaciones de DL en la interacción humano-robot (HRI) y la colaboración humano-robot (HRC) en diferentes campos como la robótica asistencial, la robótica de servicio, la robótica industrial, la búsqueda y rescate (SAR), la robótica educativa, la robótica doméstica y otros campos. La mayoría de estas aplicaciones requieren una navegación de robots robusta que tenga en cuenta a los humanos. Por esta razón, esta tesis explora diferentes formas de aplicar métodos de DL y Deep Reinforcement Learning (DRL) para mejorar aspectos de la navegación de robots en entornos con humanos.Los principales aspectos que esta tesis explora son la predicción de la trayectoria que harán loshumanos y como un robot debe anticiparse para no haber colisión. Además,se estudia la búsqueda colaborativa entre un humano y un robot teniendo en cuenta las preferencias de las personas con un modelo generativo de DL. Las simulaciones y los experimentos llevados a cabo han servido para testearlos métodos propuestos, validar las hipótesis y comprobar sus limitaciones.En resumen, esta tesis doctoral proporciona diferentes formas de aplicar métodos de DL para la navegación de robots en entornos con humanos y la búsqueda colaborativa humano-robot, incluyendo una descripción del estado del arte y explicaciones de los métodos propuestos, las herramientas de estudio que han sido usadas y las simulaciones y experimentos realizados. Finalmente, se exponen las conclusiones de la tesis.

Autor/a: IZQUIERDO BADIOLA, SILVIA
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 18/11/2025
Director/a de tesis: ALENYÀ RIBAS, GUILLEM | RIZZO, CARLOS ERNESTO

Tribunal:
     PRESIDENT: MERINO CABAÑAS, LUIS
     SECRETARI: GARRELL ZULUETA, ANAÍS
     VOCAL: BELARDINELLI, ANNA
Resumen de tesis: Los robots están abandonando rápidamente los entornos estructurados de las fábricas para adentrarse en espacios altamente frecuentados por humanos, como hogares, hospitales y lugares de trabajo compartidos. Para que la colaboración sea efectiva y los robots sean aceptados en entornos dinámicos, es fundamental que el desarrollo de su comportamiento adopte un enfoque centrado en las personas. Esto implica dotar a los robots de la capacidad de generar planes que se adapten de forma continua al entorno cambiante y al estado de las personas, anticipándose a posibles fallos, al tiempo que se permite definir dichos planes y modelos de forma flexible y comprensible para el ser humano. Esta tesis contribuye a este objetivo mediante una estrategia basada en dos enfoques complementarios: (i) técnicas estructuradas de planificación y modelado de agentes, y (ii) su extensión con capacidades propias de grandes modelos de lenguaje (LLM), dando lugar a sistemas híbridos capaces de comportamientos más generales y adaptativos.Desarrollamos cuatro aportaciones principales, cada una dirigida a un reto concreto. Primero, para abordar la escasa integración del estado humano en la planificación de tareas en colaboración humano-robot (HRC), que con frecuencia provoca fallos, proponemos un marco que incorpora un modelo de agente en la planificación de tareas mediante la modulación del coste de las acciones, con el objetivo de prevenir errores de forma proactiva. Segundo, ante la dificultad de estimar los costes de acciones específicos de cada agente en escenarios de HRC con escasez de datos, presentamos un marco de aprendizaje basado en simulación. Tercero, para superar la rigidez y el esfuerzo de modelado que requieren los sistemas actuales, desarrollamos un entorno de planificación que traduce objetivos humanos y condiciones de agentes expresados en lenguaje natural a problemas estructurados de planificación, facilitando así la generación de planes más flexibles e intuitivos. Cuarto, dado que la ejecución de un plan puede enfrentarse a obstáculos no previstos durante su generación, presentamos un agente para detectar, explicar y resolver problemas de forma contextual, mediante una interacción regulada entre un LLM y herramientas de percepción e interacción. Estas contribuciones, respaldadas por resultados publicados, abordan tres objetivos centrales: (O1) integrar la planificación de tareas con el modelado de agentes para generar planes adaptados a las personas; (O2) desarrollar técnicas flexibles para definir modelos de planificación, acciones y agentes; y (O3) establecer mecanismos de prevención de fallos en entornos dinámicos centrados en las personas.Esta tesis defiende la transición de sistemas rígidos y diseñados para tareas específicas hacia una robótica adaptativa y generalizable, combinando métodos símbolicos estructurados con IA generativa. Se identifican los principales desafíos de esta transición y se proponen soluciones específicas para orientar e impulsar los futuros avances en robótica centrada en las personas. Mediante enfoques híbridos, esta investigación permite una generación de planes flexible y natural, cuyos resultados se adaptan a las preferencias y estados humanos, al tiempo que previenen de forma anticipada los fallos durante la ejecución, sentando las bases para un futuro sistema unificado, capaz de funcionar y adaptarse eficazmente en el mundo real.

Autor/a: LOPES E SILVA, BRUNO MIGUEL
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 14/02/2025
Director/a de tesis: ALENYÀ RIBAS, GUILLEM | CHARRUA DE SOUSA, JOÃO MIGUEL

Tribunal:
     PRESIDENT: BRANCO SIMÕES DA SILVA, CATARINA HELENA
     SECRETARI: ÁLVAREZ NAPAGAO, SERGIO
     VOCAL: SORGATO, MARCO
Resumen de tesis: Esta tesis avanza en el campo de los procesos de producción, específicamente en el moldeo por inyección, hacia el objetivo de la Fabricación sin Defectos (ZDM, por sus siglas en inglés), con énfasis en mejorar los métodos de predicción de calidad a través de la Inteligencia Artificial. Explora estrategias innovadoras para mejorar la eficiencia y calidad de los procesos de manufactura, destacando la importancia de minimizar los defectos en la producción industrial. La investigación comienza con un análisis del estado actual de los sistemas predictivos de calidad en procesos de moldeo por inyección, identificando la necesidad crítica de avances para alcanzar ZDM. Mediante la recolección de datos de equipos antiguos y modernos, este trabajo establece una base para un análisis comprensivo, utilizando protocolos estándar y nuevas metodologías para la recolección de datos.Central en esta tesis es la aplicación de algoritmos de selección de características, que emplean una combinación de enfoques de filtro, envoltura, incrustado y híbrido. Este marco está diseñado para identificar con precisión los parámetros clave que influyen en la calidad del proceso de moldeo por inyección, facilitando así un modelado más efectivo y predictivo de los resultados de manufactura. Al abordar la predicción de calidad, la tesis introduce modelos supervisados y no supervisados para predecir la calidad de manufactura. Se enfoca particularmente en enriquecer estos modelos con conocimiento humano, integrando percepciones expertas en los algoritmos predictivos para adaptarse mejor a la compleja dinámica del ambiente de manufactura. Este enfoque no solo mejora la precisión de las predicciones sino que también enriquece los modelos con aplicabilidad práctica en el mundo real. A través de una serie de casos de uso detallados, se demuestra la efectividad de las metodologías propuestas en diversos equipos y escenarios de manufactura. Los resultados destacan mejoras significativas en la previsibilidad del proceso, contribuyendo a la reducción de defectos y acercándose al ideal de ZDM.La conclusión de esta tesis reitera la importancia de sus contribuciones al campo de la inteligencia artificial utilizada en procesos de producción, con un enfoque en el moldeo por inyección, proporcionando una base sólida para futuras investigaciones destinadas a mejorar la integración de enfoques centrados en datos y en el ser humano en la manufactura. La tesis esboza caminos potenciales para la continua innovación en digitalización, selección de características y predicción de calidad, enfatizando la búsqueda continua de excelencia en procesos de manufactura.

Autor/a: PULESTON, THOMAS PAUL
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 07/05/2025
Director/a de tesis: SERRA PRAT, MARIA | COSTA CASTELLO, RAMON

Tribunal:
     PRESIDENT: BARRERAS TOLEDO, FÉLIX
     SECRETARI: BATLLE ARNAU, CARLES
     VOCAL: MARTÍNEZ FELIPE, ALFONSO
Resumen de tesis: La rápida transición hacia un paradigma energético sostenible exige sistemas de almacenamiento de energía eficientes y económicamente viables para gestionar la intermitencia y la imprevisibilidad inherentes a las fuentes de energía renovable. En este contexto, las baterías de flujo redox surgen como una opción prometedora para aplicaciones estacionarias a gran escala, gracias a su versatilidad, seguridad y la posibilidad de escalar de manera independiente la energía y la potencia. Entre ellas, las baterías de flujo redox de vanadio (VFB) son las que han despertado un mayor interés, destacándose por la larga vida útil que deriva de emplear un único elemento activo. A pesar de su potencial, las VFB todavía enfrentan algunos desafíos que limitan su implementación a gran escala. Esta tesis aborda dos de los desafíos principales. El primero es el desequilibrio en los electrolitos, una discrepancia en las concentraciones de especies activas entre ambos lados del sistema, que constituye la causa principal de pérdida de capacidad. Para resolverlo, se lleva a cabo un estudio exhaustivo sobre cómo la capacidad de la batería depende de las diversas fuentes de desequilibrio y sus interacciones, culminando en un procedimiento sistemático para recuperar la capacidad de las VFB desequilibradas. El segundo desafío radica en la falta de métodos directos para determinar variables clave del sistema, como las concentraciones de especies de vanadio, el estado de carga, el estado de salud y parámetros internos. Para superar esta dificultad, la tesis desarrolla estrategias avanzadas de estimación no lineal, que reconstruyen las variables de interés empleando únicamente señales de fácil medición, ofreciendo así una alternativa práctica frente a configuraciones de sensores mas costosas o complejas. Por último, las propuestas de estimación y gestión del desequilibrio mencionadas se integran de forma efectiva en una estrategia operativa unificada, mediante el desarrollo de un marco de control destinado a optimizar el rendimiento, prevenir condiciones de operación inseguras y maximizar la capacidad. Al abordar estos desafíos críticos, este trabajo ofrece soluciones prácticas y de bajo costo que mejoran la monitorización de las VFB, la recuperación de capacidad y la operación global. Los avances contribuyen a ampliar el potencial de la tecnología VFB, impulsando su integración más amplia dentro de los sistemas de energía sostenible.

Autor/a: PÉREZ I GONZALO, RAÜL
Enlace a la tesis: http://hdl.handle.net/10803/694227
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 02/04/2025
Director/a de tesis: AGUDO MARTÍNEZ, ANTONIO

Tribunal:
     PRESIDENT: GABBOUJ, MONCEF
     SECRETARI: SÁNCHEZ RIERA, JORDI
     VOCAL: BALLESTER NICOLAU, COLOMA MARIA
Resumen de tesis: La dependencia de la Unión Europea (UE) a fuentes de energía externas subraya la urgencia de garantizar la seguridad y asequibilidad energética, destacando la transición hacia energías renovables como la energía eólica como una solución clave. Sin embargo, los altos costos del mantenimiento de turbinas eólicas debido a su exposición a condiciones adversas, que representan el 30% del costo de producción, limitan su eficiencia. Las inspecciones y reparaciones actuales requieren detener las turbinas, lo que incrementa el tiempo de inactividad y los costos operativos. Por ello, es crucial desarrollar soluciones innovadoras que permitan detectar y reparar defectos de forma temprana.Esta tesis propone un sistema integral para evaluar las palas de turbinas eólicas, abarcando desde la detección de defectos y su gravedad hasta la planificación de reparaciones y el análisis de su impacto en la generación de energía. El sistema automatiza y optimiza las tareas de mantenimiento mediante técnicas avanzadas de análisis de imágenes. En particular, se centra en la transmisión eficiente de imágenes que preserven su calidad y la generación de evaluaciones detalladas para diseñar estrategias de reparación consistentes y efectivas.Para ello, se desarrollan un conjunto de algoritmos especializados en segmentar imágenes de palas capturadas bajo diversas condiciones ambientales, identificando con precisión las regiones de interés y simplificando las tareas posteriores de compresión y detección de defectos. Primero, se presenta el modelo Blade U-Net, que incorpora una regularización basada en campos aleatorios condicionales densos, así como un posprocesamiento iterativo mediante el algoritmo de relleno de agujeros y los bosques aleatorios no supervisados. También se implementan dos marcos de análisis de discriminante profundo para mejorar la separabilidad de las regiones, junto con el modelado probabilístico de arquitecturas no lineales para obtener límites precisos y robustos de las palas. Finalmente, se integran algoritmos complementarios con un enfoque de clasificación modular por crecimiento de regiones para condiciones de escasez de datos y modelos generativos preentrenados basados en difusión con aumento de datos tanto en los espacios latentes como en los de imágenes. Estas herramientas garantizan una detección robusta y generalizable, incluso para imágenes con texturas complejas y en diferentes condiciones de inspección adversas. Además, demostramos su rendimiento significativamente superior en comparación con las técnicas existentes.La segunda parte de la tesis aborda la gestión eficiente de grandes volúmenes de datos de alta resolución mediante la compresión adaptativa. A diferencia de los métodos tradicionales, que tienden a sacrificar detalles cruciales, nuestro enfoque aprovecha la segmentación para realizar una compresión selectiva de alta fidelidad en las regiones de interés, mientras comprime de manera más agresiva las áreas no relevantes. Entre las contribuciones principales destacan modelos de codificación de variables latentes anidadas y un esquema de codificación bits-back paralelizable, diseñado específicamente para aplicaciones industriales, alcanzando un rendimiento de última generación mientras se reduce sustancialmente el costo computacional. Además, la integración de este enfoque con el modelo multitarea de detección de defectos permite realizar diagnósticos más precisos y rápidos, minimizando el impacto en las operaciones de las turbinas y reduciendo la interrupción de la producción de energía.En conjunto, esta tesis presenta una jerarquía integral de algoritmos, desde niveles bajos hasta altos, diseñados para agilizar el diagnóstico y la reparación de turbinas eólicas. Estos desarrollos permiten automatizar la localización, clasificación y priorización de defectos en las palas, optimizando los cronogramas de mantenimiento y reduciendo significativamente el tiempo de inactividad y los costos operativos.

Autor/a: ROMERO BEN, LUIS
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 28/01/2025
Director/a de tesis: PUIG CAYUELA, VICENÇ | CEMBRANO GENNARI, M.GABRIELA ELENA

Tribunal:
     PRESIDENT: SAVIC, DRAGAN
     SECRETARI: PEREZ MAGRANE, RAMON
     VOCAL: ELIADES, DEMETRIOS
Resumen de tesis: Esta tesis presenta varias contribuciones al estado del arte de la supervisión en tiempo real de redes de distribución de agua.Específicamente, esta tesis analiza el problema de la gestión de fugas, el cual representa uno de los mayores desafíos dentro del campo de la supervisión de redes de distribución de agua. Su importancia radica en los altos costes asociados a las pérdidas de agua. La tesis propone contribuciones para afrontar dos problemas fundamentales: la localización de fugas y la colocación estratégica de sensores para mejorar dicha localización. Estas contribuciones se centran principalmente en metodologías basadas en datos, caracterizadas por su independencia de modelos hidráulicos, que pueden ser difíciles de crear y calibrar para las empresas de servicios de agua.En cuanto a la localización de fugas, se propone una primera metodología basada en datos formada por dos etapas. En primer lugar, el estado hidráulico completo de la red, representado por las alturas de carga (presión + elevación), se estima mediante un problema de optimización cuadrática. Este proceso, denominado Interpolación de Estado basada en Grafos (GSI), únicamente usa datos recogidos por sensores de presión y la estructura de la red. Posteriormente, una técnica conocida como Método de Selección de Candidatos de Fuga (LCSM) compara estados estimados de situaciones con y sin fuga para indicar la localización de la misma. El método completo de estimación-localización es conocido como GSI-LCSM. A lo largo de la tesis, varias mejoras son propuestas para este método.En primer lugar, se aplican o combinan métodos de aprendizaje a GSI-LCSM para mejorar la localización a nivel de nodo. Se presentan tres métodos diferentes basados en aprendizaje: GSI-DL, que usa aprendizaje de diccionarios (DL) para aprender de los residuos estimados; LL-GSI-LCSM, que añade una capa de aprendizaje adaptativo a GSI, mejorando la localización durante su aplicación en línea; y DeepFGSI, que deriva una versión simplificada de GSI, usada para añadir información de la red a las capas de una arquitectura de aprendizaje profundo.Posteriormente, la interpolación de GSI es mejorada considerando la física detrás de las dinámicas de una red de agua, desarrollando la estrategia conocida como GSI de Pesos Analíticos (AW-GSI). Este método usa la estructura de la red y el estado estimado nominal para generar un nuevo set de pesos para el grafo, los cuales son usados después para configurar un problema de optimización cuadrática, al igual que en GSI.Además, GSI y AW-GSI no consideran la disponibilidad de otros tipos de sensores, como los de caudal o consumo, para mejorar el proceso de estimación. Por tanto, varias estrategias de fusión sensorial son desarrolladas aprovechando el algoritmo del Unscented Kalman Filter, dando lugar al método de estimación conocido como UKF-GSI. Este proceso es acoplado a LCSM para mejorar la localización de fugas.Finalmente, también se explora el problema de la colocación de sensores, evitando el uso del modelo hidráulico. Esta estrategia usa algoritmos genéticos (GA) para minimizar una métrica estructural relacionada con las distancias nodo-sensor. Las operaciones del algoritmo genético se personalizan para el problema a tratar, y se definen contramedidas contra convergencia prematura y criterios de finalización para dar lugar a colocaciones de sensores adecuadas.Todos los métodos propuestos son evaluados usando la red L-TOWN del desafío BattLeDIM2020, que consistió en una competición de detección y localización de fugas con varios equipos internacionales. En la tesis, se muestra una comparación inicial entre GSI-LCSM y un método basado en modelo, extrayendo conclusiones sobre las ventajas de cada categoría de métodos. Posteriormente, todas las mejoras propuestas para GSI-LCSM son comparadas con la metodología base, demostrando la idoneidad de los métodos y analizando las ventajas de cada uno de ellos con respecto a GSI-LCSM.

Autor/a: TIAN, YI
Enlace a la tesis: http://hdl.handle.net/10803/694500
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Robótica e Informática Industrial (IRI)
Modalidad: Normal
Fecha de lectura: 19/05/2025
Director/a de tesis: ANDRADE CETTO, JUAN

Tribunal:
     PRESIDENT: MASQUELIER, TIMOTHÉE
     SECRETARI: GARRELL ZULUETA, ANAÍS
     VOCAL: ALZUGARAY LÓPEZ, IGNACIO
Resumen de tesis: Los problemas de estimación de movimiento pueden variar desde la estimación de movimiento propio (ego-motion) con pocos grados de libertad (GdL) hasta movimientos complejos con un alto número de GdL, como el desplazamiento denso de píxeles o el flujo óptico. Esta información es esencial para que los robots puedan percibir y navegar en su entorno. Sin embargo, los sistemas de visión actuales para la estimación de movimiento son menos robustos y eficientes que los sistemas biológicos, principalmente debido a las limitaciones en la tecnología de sensores y los métodos de procesamiento. Esta tesis se basa en un sensor bioinspirado —la cámara de eventos— y en un enfoque de computación inspirado en el cerebro —las redes neuronales pulsadas (SNNs)—, presentando una solución prometedora que cubre estas deficiencias. Las cámaras basadas en eventos ofrecen una alta resolución temporal, baja latencia, reducida redundancia de datos y son energéticamente eficientes. Estas capacidades únicas las hacen particularmente adecuadas para entornos y tareas donde las cámaras tradicionales basadas en fotogramas tienen dificultades. Estas cámaras muestran un gran potencial para resolver problemas de estimación de movimiento en una amplia gama de aplicaciones, como proporcionar estimaciones precisas y de baja latencia para vehículos autónomos o robots aéreos. Las SNNs se inspiran en la forma en que las neuronas del cerebro humano se comunican a través de sinapsis utilizando pulsos, que son señales eléctricas breves y discretas que permiten un procesamiento de información altamente eficiente y robusto.La investigación comienza con la estimación del movimiento propio de 3-GdL, avanza hacia el cómputo de flujo óptico disperso y, finalmente, aborda el cómputo de flujo óptico denso.En el primer paso, la tesis trata la estimación de movimiento propio basada en eventos, integrando enfoques de SNN con técnicas de optimización tradicionales. Explora el problema de estimación de movimiento a partir del flujo óptico inferido obtenido por una SNN y propone un método de agrupamiento para abordar el problema de apertura que se encuentra en el flujo normal producido por la SNN. En el siguiente paso, se aprovechan las arquitecturas modernas de redes neuronales artificiales (ANN) para mejorar la estimación de flujo óptico basado en eventos. Este paso propone una arquitectura basada en el transformador U-Net, con una red neuronal recurrente como base. En la fase final de esta investigación, se extiende la arquitectura del transformador visual a codificadores de flujo, incorporando atención espaciotemporal para mejorar la extracción de la información temporal. Esto llevó al desarrollo de un modelo ANN basado en el transformador swin y su contraparte pulsada. Este trabajo representa el primer uso de "spikeformers" en la estimación de flujo óptico basado en eventos, demostrando el potencial de combinar arquitecturas de transformadores con SNNs para tareas de regresión.En conclusión, esta tesis avanza en la comprensión de la estimación de movimiento utilizando cámaras de eventos y allana el camino para su aplicación en escenarios del mundo real, como el seguimiento de objetos de alta velocidad y la localización y el mapeo simultáneos (SLAM). Los métodos inspirados en la biología desarrollados en esta tesis ofrecen vías prometedoras para equilibrar el rendimiento y la eficiencia en sistemas de visión por computadora y robótica, abriendo camino a futuras innovaciones en este campo.

Autor/a: VERMA, PARIKSHIT
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Organización y Control de Sistemas Industriales (IOC)
Modalidad: Normal
Fecha de lectura: 13/11/2025
Director/a de tesis: OLM MIRAS, JOSEP MARIA | SUAREZ FEIJOO, RAUL

Tribunal:
     PRESIDENT: TORNERO MONTSERRAT, JOSEP
     SECRETARI: GRIÑO CUBERO, ROBERTO
     VOCAL: LO IUDICE, FRANCESCO
Resumen de tesis: La investigación actual en el control de flotas de Vehículos de Guiado Automático (AGVs) se centra en mejorar su eficiencia e integración en entornos industriales tales como plantas de fabricación y almacenes. Estos AGVs se utilizan principalmente para el transporte de materiales y, cuando se integran eficazmente en los flujos de trabajo de las fábricas, ofrecen ventajas significativas en términos de flexibilidad y escalabilidad. Esta integración permite a las fábricas distribuir dinámicamente el trabajo entre las estaciones de procesamiento y ampliar el sistema añadiendo nuevos AGVs o estaciones de trabajo con una mínima interrupción. Un gran desafío radica en gestionar diferentes tipos de AGVs bajo un sistema de control unificado para mantener la fluidez operativa operafrente a variaciones de las demandas de transporte. Así, un aspecto fundamental de la gestión de flotas de AGVs es el control de tráfico en entornos compartidos. Normalmente, estos espacios interiores están pre-mapeados, y todos los AGVs comparten acceso a este mapa, que incluye redes de caminos y Puntos de Interés (POIs), como zonas de carga/descarga, estaciones de recarga y áreas de aparcamiento. Dado que estos POIs solo pueden ser ocupados por un AGV a la vez, los sistemas de gestión del tráfico deben determinar qué AGV ocupa cada punto, identificar conflictos potenciales, programar la salida de los AGVs desde zonas de aparcamiento y decidir cuáles tiene prioridad en los puntos compartidos. Otro componente vital es la asignación de tareas: decidir qué AGV debe realizar una tarea específica y cuándo. Esta decisión depende de múltiples factores dinámicos, como la ubicación actual del AGV, el nivel de batería, la capacidad de carga, las condiciones del tráfico y la urgencia de la tarea. La asignación eficiente de tareas y el control del tráfico están profundamente interrelacionados; gestionar uno implica tener en cuenta el otro. Por ejemplo, al decidir el momento óptimo para ejecutar una tarea, el sistema puede reducir potenciales conflictos y mejorar el rendimiento general. Aunque los enfoques actuales de gestión de flotas abordan muchas de estas condiciones, aún existe un amplio margen para mejorar la coordinación, la adaptabilidad y la optimización en los sistemas de transporte basados en AGVs.Esta tesis explora diversos aspectos de un sistema de transporte basado en múltiples AGVs, proporcionando una visión general de sus características operativas. Las principales contribuciones de este trabajo se centran en tres áreas clave. En primer lugar, se presenta una estrategia eficiente de gestión del tráfico diseñada para mejorar el flujo de AGVs dentro de un Sistema de Manufactura Flexible (FMS). Este enfoque se evalúa mediante un análisis comparativo con métodos actuales de vanguardia, demostrando su eficacia en la optimización del tráfico y la minimización de retrasos.En segundo lugar, la tesis profundiza en la aplicación práctica de la estrategia propuesta de gestión del tráfico en entornos industriales reales. Se evalúa la discretización espacial del espacio de trabajo de los AGVs y los periodos de control en la implementación de la estrategia de tráfico, proporcionando información valiosa para cerrar la brecha entre los modelos teóricos y su aplicación práctica, asegurando así una integración efectiva en los procesos industriales existentes.Por último, en la tesis se analiza el impacto de diferentes criterios de asignación de tareas en la eficiencia general del sistema AGV. Al examinar diversas estrategias de asignación de tareas a los AGVs, en la tesis se identifican factores clave que influyen en el rendimiento tanto de la gestión del tráfico como del sistema de transporte completo. Este análisis tiene como objetivo refinar los métodos de asignación de tareas para mejorar aún más la eficiencia operativa de las flotas de AGVs, contribuyendo en última instancia a flujos de trabajo industriales más optimizados y productivos.

Autor/a: YANG, RUICONG
Enlace a la tesis: http://hdl.handle.net/10803/694775
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Departamento de Ingeniería de Sistemas, Automática e Informática Industrial (ESAII)
Modalidad: Normal
Fecha de lectura: 22/04/2025
Director/a de tesis: PUIG CAYUELA, VICENÇ | BERNAT MASÓ, ERNEST

Tribunal:
     PRESIDENT: ALI, SOFIANE AHMED
     SECRETARI: NEJJARI AKHI-ELARAB, FATIHA
     VOCAL: THABET, RIHAB EL HOUDA
Resumen de tesis: Esta tesis explora estrategias de control avanzadas para el seguimiento de trayectorias,el control de estado, la mitigación de perturbaciones y la guía de vehículos autónomos en una amplia variedad de sistemas dinámicos. La investigación se divide en metodologías y aplicaciones distintas, incluyendo sistemas Takagi-Sugeno-Lipschitz (TSL), sistemas lineales conparámetros variables (LPV), y sistemas lineales invariantes en el tiempo (LTI), así como unvehículo terrestre no tripulado (UGV) con una entrada de sensores limitada para el seguimiento de trayectorias. Las técnicas desarrolladas proporcionan información valiosa para mejorar el rendimiento, la robustez y la adaptabilidad del control bajo diversas condiciones del sistema y restricciones. Respecto al seguimiento de trayectorias para sistemas TSL, se abordan los casos en los que el vector de estado completo no está disponible integrando un observador proporcional en el diseño de control. Esto permite la retroalimentación de estimación en lugar de la retroalimentación de estado. Las ganancias tanto del observador como del controlador se obtienen mediante un criterio de cota cuadrática basado en Lyapunov para mejorar la robustez frente a perturbaciones externas desconocidas. Así, se asegura la convergencia dentro de límites elipsoidales de error mediante formulaciones de desigualdades matriciales lineales (LMI). Los resultados de simulación validan la robustez y capacidades de seguimiento del enfoque. En segundo lugar, se introduce un nuevo controlador de retroalimentación de estado para sistemas LPV, enfocado a la aglomeración de pulso dentro de múltiples DR-regiones. Utilizando teoremas de colocación parcial de polvo, el diseño se formula como LMI, lo que permite una solución eficiente. Además, se permite la modificación en tiempo real de las ubicaciones de los polos de lazo cerrado en función de las variaciones de los parámetros, mejorando el rendimiento del sistema en diversas condiciones de operación. Las simulaciones muestran la efectividad de este enfoque para conseguir las colocaciones de polvo deseadas. Además, se presenta un diseño de controlador de retroalimentación de estado para sistemas LTI con perturbaciones, con el objetivo de conseguir una colocación parcial de polos dentro de regiones DR específicas utilizando una estrategia de control H∞. La técnica H∞ mitiga adicionalmente las perturbaciones, mejorando y los resultados de simulación demuestran la capacidad para mantener el rendimiento frente a incertidumbres. Por último, se diseña un controlador de lógica difusa para guiar a un UGV autónomo equipado únicamente con sensores limitados. El controlador difuso, basado en reglas lingüísticas derivadas de los datos de los sensores, proporciona una guía con menos oscilaciones y un error cuadrático medio (MSE) menor que el controlador de referencia basado en reglas, demostrando una mayor precisión y estabilidad. Por otra parte, se estudia el aprendizaje por refuerzo (RL), específicamente agentes SARSA y DDPG, para el propio sistema de vehículo y sensores. La naturaleza discreta de las señales de los sensores representa una novedad, con SARSA gestionando acciones discretas y DDPG utilizando acciones continuas. Comparando los controladores basados ​​en reglas y los controladores difusos, se destacan las ventajas y limitaciones de cada enfoque: el agente DDPG,entrenado para manejar acciones continuas, supera las estrategias SARSA y basadas en reglas pero muestra un menor rendimiento respecto al controlador difuso en determinados escenarios. La validación experimental demuestra el potencial de las técnicas de RL para la navegación autónoma en sistemas con sensores limitados, estableciendo una base para futuras exploraciones en ese campo.

Autor/a: ZHANG, SHUANG
Enlace a la tesis: http://hdl.handle.net/10803/694457
Programa: AUTOMÁTICA, ROBÓTICA Y VISIÓN
Departamento: Instituto de Organización y Control de Sistemas Industriales (IOC)
Modalidad: Normal
Fecha de lectura: 25/04/2025
Director/a de tesis: PUIG CAYUELA, VICENÇ | IFQIR, SARA

Tribunal:
     PRESIDENT: MAMMAR, SAID
     SECRETARI: NEJJARI AKHI-ELARAB, FATIHA
     VOCAL: COMBASTEL, CHRISTOPHE
Resumen de tesis: Teniendo en cuenta que la técnica de Sistemas Lineales con Parámetros Variables (LPV) ha demostrado ser una forma efectiva de representar sistemas no lineales, los resultados relacionados con el diseño de observadores y controladores en el marco LPV han sido ampliamente estudiados. Esta tesis contribuye al estado del arte en el campo de la estimación robusta de estados, el diagnóstico de fallos y el control de sistemas LPV, especialmente en presencia de perturbaciones de procesamiento y ruido de medición.La investigación está motivada por los sistemas de seguridad crítica, como los vehículos autónomos, que requieren esquemas de diagnóstico de fallos confiables para detectar e identificar posibles fallos en actuadores y sensores bajo incertidumbres, así como estrategias de control capaces de manejar tanto las incertidumbres como los fallos para lograr un rendimiento óptimo y confiable.La estimación de estados desempeña un papel crucial tanto en el diagnóstico de fallos como en el diseño de controladores. Para garantizar un rendimiento robusto, se desarrolla un método de estimación de estados por conjuntos para sistemas LPV sujetos a perturbaciones y ruidos de medición. Se asume que estas incertidumbres son desconocidas pero acotadas por zonotopos. Las estimaciones óptimas de los estados se obtienen minimizando el radio del zonotopo que acota los estados, formulado como un problema de optimización en forma de Desigualdades Matriciales Lineales (LMIs). Además, el método propuesto se extiende para manejar la detección y estimación de fallos en escenarios más complejos, incluidos los sistemas LPV conmutados y los sistemas No Lineales con Parámetros Variables (NLPV). Adicionalmente, se caracterizan las Faltas Mínimamente Detectables (MDF) y las Faltas Mínimamente Aislables (MIF) mediante un enfoque de invariancia de conjuntos zonotópicos.En el área de control, esta tesis desarrolla un control Zonotópico Lineal Cuadrático (LQZ) para el problema de retroalimentación de estados en presencia de incertidumbres, en el cual el lazo de retroalimentación se cierra utilizando las estimaciones óptimas proporcionadas por un Filtro de Kalman Zonotópico (ZKF). El control LQZ propuesto es menos conservador, ya que modela las incertidumbres utilizando conjuntos zonotópicos en lugar de distribuciones de probabilidad gaussiana. Esta formulación establece al control LQZ como una contraparte zonotópica del bien conocido control Lineal Cuadrático Gaussiano (LQG). Además, en presencia de un fallo en el actuador, se desarrolla una estrategia de Control de Seguimiento Tolerante a Fallos (FTTC). Esta estrategia comprende un ZKF para la estimación de estados y fallos, un mecanismo de compensación de fallos y un controlador de retroalimentación de estados diseñado para lograr un rendimiento $H_\infty$.Las contribuciones mencionadas anteriormente se han aplicado a la estimación de estados, el diagnóstico de fallos y el control de seguimiento de trayectorias en la dinámica lateral de vehículos. La aplicación a datos reales registrados con un vehículo prototipo equipado demuestra la relevancia y eficiencia de los enfoques propuestos.