Presentación de Proyectos Laboratorio de Inteligencia Computacional: Departamento de Ingeniería Eléctrica de la Universidad de Chile
Published:
Quedé muy satisfecho con las presentaciones finales del curso Laboratorio de Inteligencia Computacional y Robótica, que dicto junto a Martín Adams. Este curso está dirigido a estudiantes de último año de la carrera, quienes lo toman como electivo. Al igual que el año pasado, el proyecto principal del curso consistió en abordar dos problemas clásicos de visión por computador apoyados por modelos de lenguaje multimodales: OCR (reconocimiento óptico de caracteres) e Image Captioning, es decir, la generación automática de descripciones textuales a partir de imágenes. Para ello, los estudiantes debían instalar, evaluar y comparar distintos modelos multimodales, utilizando una base de datos especialmente preparada para el curso y analizando tanto su desempeño en extracción de texto como en comprensión del contenido visual.
Figura 1: Resumen de la base de datos utilizada para el proyecto principal del curso.
En esta oportunidad, siete de los nueve grupos desarrollaron este proyecto, mientras que dos grupos optaron por asumir desafíos alternativos basados en problemas reales propuestos por ellos mismos.
El primero de estos proyectos distintos consistió en construir un sistema capaz de estimar, en tiempo real, la probabilidad de victoria de cada equipo durante una partida profesional de Tom Clancy's Rainbow Six Siege. Para ello implementaron diversas técnicas de reconocimiento de imágenes y OCR que permitieron identificar automáticamente información relevante de la transmisión oficial, como el número de jugadores vivos, el tiempo restante de la ronda, el mapa en disputa y el estado del defuser. A partir de esta información desarrollaron un modelo predictivo entrenado con partidas anteriores, capaz de entregar una estimación dinámica de las probabilidades de victoria a medida que transcurre cada ronda.
El segundo grupo trabajó en un problema proveniente de la biología experimental desarrollado en colaboración con investigadores de otra universidad. El objetivo fue automatizar el seguimiento del crecimiento radicular de plántulas de Arabidopsis thaliana, reemplazando un procedimiento manual que obligaba a realizar mediciones diarias en laboratorio. Los estudiantes diseñaron un sistema autónomo de adquisición de imágenes mediante un sensor óptico programado en Python y desarrollaron algoritmos de visión artificial para segmentar las raíces y medir automáticamente su longitud. Esta solución permitió generar curvas temporales de crecimiento de forma completamente automatizada, reduciendo significativamente el tiempo requerido para la obtención de datos y aumentando la precisión de las mediciones.
Figura 2: Collage de los estudiantes que mostraron su proyecto el dìa de hoy.
Las presentaciones comenzaron puntualmente y cada grupo expuso tanto las motivaciones del problema como las decisiones de diseño, implementación y evaluación de sus soluciones. Al finalizar, entregué retroalimentación personalizada enfocada en fortalecer la claridad de las presentaciones, la comunicación técnica y la discusión crítica de los resultados obtenidos. Espero que estas observaciones les sean útiles en futuras presentaciones y, especialmente, durante la defensa de sus memorias de título.
Quiero aprovechar la oportunidad para agradecer a todos los estudiantes por el compromiso demostrado durante el semestre y por la calidad de los proyectos desarrollados. También agradezco al cuerpo docente (Matías Carvajal y Camila Maire), quienes hicieron posible el buen desarrollo del curso, y a mis colegas Jorge Zambrano y Juan Pablo Pérez, con quienes seguimos actualizando esta asignatura para acercar a los estudiantes a problemas reales de ingeniería e investigación. Nuestro objetivo continúa siendo ofrecer un espacio donde puedan explorar el estado del arte en inteligencia artificial y visión por computador, aplicando estas herramientas a desafíos relevantes y de impacto.