El proyecto se enmarca en el ámbito de los Sistemas Inteligentes de Transporte (ITS) y aborda la optimización del enrutamiento de vehículos mediante técnicas de aprendizaje por refuerzo multiagente (Multi-Agent Reinforcement Learning -MARL). En este contexto, cada vehículo será modelado como un agente inteligente capaz de aprender estrategias de selección de rutas a partir del estado de la red viaria y de la información compartida con otros agentes vehículo.

El modelo se implementará y evaluará utilizando el simulador de tráfico SUMO, que permitirá reproducir diferentes escenarios de movilidad y niveles de congestión. Su rendimiento se analizará mediante indicadores como el tiempo de viaje, la distancia recorrida y la distribución del tráfico, con el objetivo de evaluar su capacidad para mejorar la eficiencia global de la red viaria.

El proyecto se desarrollará durante un periodo de tres meses, con dedicación a tiempo parcial, en el Centro de Investigación en Robótica y Tecnologías Subacuáticas (CIRTESU) y en el Interactive and Robotic Systems Lab (IRS Lab). Su objetivo principal será estudiar la viabilidad de un sistema de monitorización semántica en tiempo real para instalaciones de acuicultura marina, combinando técnicas de inteligencia artificial, robótica submarina y comunicaciones acústicas de ancho de banda limitado.

El trabajo se apoyará en una plataforma robótica ya disponible, formada por un vehículo de superficie tipo catamarán y un robot submarino conectado mediante un sistema automático de lanzamiento y recuperación. El vehículo submarino se comunica con el catamarán a través de un enlace inalámbrico acústico basado en sonar. Esta arquitectura ha sido desarrollada en el contexto del proyecto ARTEMISA, financiado por el programa Prometeo de la Generalitat Valenciana, y permite abordar misiones de inspección submarina manteniendo la comunicación con un operador remoto.

La actividad principal del estudiante consistirá en el entrenamiento, evaluación y utilización de una red neuronal para detectar y localizar puntos de interés en imágenes de redes de acuicultura desplegadas en el mar. Para ello, se utilizarán conjuntos de datos previamente obtenidos durante campañas experimentales realizadas en el puerto de Castellón. Entre los elementos que deberán reconocerse se incluyen agujeros o roturas en la red, bordes, uniones y vértices estructurales, rejillas, deformaciones y acumulaciones de biofouling u otros organismos adheridos.

El proyecto incluirá la revisión y organización de los datasets disponibles, el etiquetado o refinamiento de las anotaciones cuando sea necesario, la selección de una arquitectura de red neuronal adecuada y el entrenamiento del modelo. Se analizarán métricas como la precisión de detección, la tasa de falsos positivos, la capacidad de generalización y el tiempo de inferencia, prestando especial atención a su posible ejecución en sistemas embarcados con recursos computacionales limitados.

A partir de los resultados del sistema de percepción, se diseñará una representación semántica compacta de la escena. En lugar de transmitir continuamente imágenes o vídeo, el robot enviará únicamente información relevante, como el tipo de elemento detectado, su posición en la imagen, el nivel de confianza, sus dimensiones aproximadas y, cuando resulte posible, su localización respecto a la estructura inspeccionada. Esta estrategia permitirá aplicar técnicas de compresión semántica y adaptar la información transmitida a un canal acústico de aproximadamente 16 kbit/s —16.000 bit/s—, considerablemente más limitado que una conexión convencional por radio o cable.

Finalmente, se integrará y validará el flujo completo de funcionamiento: adquisición de imágenes, detección de puntos de interés, generación de la descripción semántica, codificación del mensaje, transmisión mediante el enlace acústico y reconstrucción de la información en la estación del operador. El estudiante analizará la latencia, el volumen de datos transmitidos, la frecuencia de actualización alcanzable y la calidad de la información recibida. Como resultado, se elaborará una demostración experimental y un informe técnico sobre la viabilidad de utilizar percepción artificial y comunicaciones acústicas para la supervisión remota y en tiempo real de infraestructuras de acuicultura.

Los robots humanoides aparecen cada vez más habitualmente en eventos sociales, aunque principalmente exhiben comportamientos preprogramados, rígidos y poco inteligentes. Se propone el desarrollo de mecanismos autónomos para potenciar la interactividad y "naturalidad" del robot con las personas de su alrededor. Estos comportamientos incluirán desde el mantenimiento activo de una distancia y navegación social en un espacio compartido, hasta el inicio de interacciones con las personas cercanas, incluyendo el intercambio de objetos entre humanos y robots, de forma totalmente autónoma.

Las técnicas de Minería de Procesos (MP) pueden utilizarse para analizar procesos empresariales a partir de los registros de eventos obtenidos durante su ejecución. En algunos dominios, como el de la salud, los algoritmos de descubrimiento tradicionales generan modelos excesivamente complejos, lo que da lugar al denominado efecto "espagueti". Para resolver este problema, la Minería de Procesos Interactiva (MPI) surge con el objetivo de involucrar a expertos del dominio en el proceso de descubrimiento, interactuando con la herramienta de MP. Aunque se plantea la hipótesis de que la aplicación de técnicas de MPI por el experto mejora la comprensibilidad de los modelos resultantes, es necesario validar experimentalmente dicha hipótesis mediante una evaluación cuantitativa. Para ello, se plantea adaptar e integrar en una herramienta de MPI, concretamente PMApp, métricas estructurales y lógicas ampliamente validadas en los ámbitos de la Ingeniería del Software y la Gestión de Procesos de Negocio.