APRÈN. Portal de la producció docent del professorat de la UPC

La relación entre la Inteligencia Artificial y los videojuegos es muy estrecha. Por un lado, la IA puede usar los videojuegos como un campo de entrenamiento, y por otro, los videojuegos pueden implementar diversas técnicas de IA para generar comportamientos y contenido innovador. En este proyecto, se está trabajando en el desarrollo de un Agente Inteligente utilizando técnicas de aprendizaje por refuerzo, con el objetivo de que pueda desenvolverse en diferentes escenarios del videojuego Kart Gaming. Asimismo, el proyecto se enfoca en la creación de nuevos escenarios jugables para el mismo juego.

Uno de los problemas más importantes que enfrenta la humanidad en la actualidad es el cambio climático, el cual tiene graves efectos en el ecosistema en todo el mundo. Las empresas tienen un impacto significativo en la utilización de recursos naturales y la generación de residuos en este contexto a través de sus actividades. Es crucial que las empresas implementen prácticas respetuosas con el medio ambiente en sus cadenas de suministro para abordar este problema y avanzar hacia un futuro más sostenible. En este escenario, contar con un software de gestión de cadena de suministro que permita documentar el impacto ambiental es primordial. La presente Tesis tiene como objetivo principal el diseño e implementación de este software, Examinamos los componentes que deben estar presentes para su creación, las características fundamentales que debe tener y las formas en que puede ayudar a las empresas a mejorar su desempeño ambiental. A través de la evaluación, supervisión y gestión del comportamiento ambiental en toda la cadena de suministro, el programa promete ayudar a las empresas a fomentar la sostenibilidad. Además, se concibe como una solución rentable para empresas de todos los tamaños que puede adaptarse a sus requisitos. Los objetivos específicos de este proyecto incluyen examinar los procedimientos de gestión de la cadena de suministro, detectar los efectos ambientales en cada nivel, establecer un módulo de informes para un análisis exhaustivo de la sostenibilidad ambiental y proporcionar una interfaz intuitiva para la supervisión en tiempo real. En conclusión, el objetivo de nuestro esfuerzo es proporcionar a las empresas una herramienta útil para operar de manera más sostenible y consciente del medio ambiente, contribuyendo a la lucha contra el cambio climático y la preservación de nuestro mundo.

El Machine Learning (o ML) es una de las ramas principales de la ingeniería basada en un aprendizaje automático donde las máquinas aprenden a detectar patrones en los datos para hacer predicciones. El ML es una de las tecnologías más novedosas y prometedoras actualmente, pero a su vez existen aún muchas incógnitas que resolver para llevar esta tecnología a su máximo exponente. En este proyecto se pretende integrar modelos de machine learning en una aplicación donde se nos permita detectar y clasificar la personalidad humana en función de mensajes de texto escritos por los propios usuarios. A su vez se realizará un estudio comparativo del efecto que puede llegar a tener el despliegue de dicha aplicación en una plataforma u otra, evaluando factores como el rendimiento o la escalabilidad.

La informàtica està present en tot arreu. Amb la creixent necessitat d'implementar solucions a problemes eficients i automàtiques d'una manera distribuïda, o d'oferir productes a clients neix l'IoT, on els dispositius estan connectats constantment a internet. Dins dels productes que es poden oferir dins de l'IoT, neixen productes que poden oferir solucions a problemes d'una manera totalment distribuïda, intentant no haver de centralitzar el processament de les dades generades per aquests dispositius d'IoT. Neix així l'Edge Computing, on s'intenten processar les dades a prop d'allà on són generades en comptes d'enviar-les a un lloc per processar-les d'una manera centralitzada. Amb el creixent augment de l'ús de la IA, sorgeixen noves aplicacions com, per exemple, la visió per computador, on de manera automàtica s'ensenya al computador a saber què hi ha a una imatge. La investigació en aquest camp millora els models per predir els objectes tant en precisió, com en velocitat de processament. Neix així YOLO, un model capaç de fer prediccions en temps real (depenent, però, del hardware). Però, què passa si volem dur aplicacions de IA a l'Edge? Neix així l'edge intelligence, disciplina a on el processament de vídeo té molt a dir. Busca millorar els temps de resposta principalment, però no tot és tan fàcil: a l'edge, possiblement, és difícil estar connectats a la corrent i molt probablement s'ha de funcionar amb bateries. Les possibles aplicacions d'això són realment punteres: smart cities, per exemple. Tot i que, molt probablement, les millors aplicacions de l'edge intelligence encara no han sigut descobertes. Neix aquí la necessitat d'aquest treball de final de grau. En aquest treball, es simula un entorn edge d'un node que obté imatges a través d'una càmera i les ha de processar. No només això, sinó que aquest node ha d'intentar aprofitar al màxim l'energia de la que disposa, i, per tant, processar amb més o menys recursos en funció de l'estat de càrrega de la bateria. En aquest treball de final de grau, s'aconsegueix executar els models de YOLO en un hardware bastant limitat, s'estudia el seu comportament per, posteriorment, oferir una solució que intenta fer un ús conscient de la bateria de la que disposa el node per tal d'intentar aconseguir que duri el màxim possible mentre segueix oferint la funcionalitat que ha d'oferir: reconèixer objectes. Tot i les limitacions trobades i la complexitat del treball, es proposa un model d'aplicació que implementa allò necessari i definit als objectius, i s'acaba avaluant la solució per tal d'obtenir una possible crítica o millora.

Este proyecto se centra en la evaluación de la precisión de tres implementaciones distintas para un sistema de posicionamiento en interiores (IPS) que utiliza tecnología Bluetooth Low Energy (BLE). Cada una de las tres implementaciones se diferencian en la técnica utilizada para realizar el posicionamiento. Estas técnicas son: el modelo Path Loss Model (PLM) y los algoritmos de aprendizaje automático Support Vector Regressor (SVR) y Multi-Layer Perceptron (MLP). Para conseguir una mayor generalización de los resultados los experimentos se han realizado en dos escenarios distintos: una habitación y una aula. Finalmente, se ha implementado una aplicación que utiliza la técnica seleccionada y que realiza el posicionamiento a tiempo real de un teléfono móvil.

This project is focused on the evaluation of the accuracy of three different implementations for an indoor positioning system (IPS) which uses Bluetooth Low Energy (BLE) technology. Each of the three implementations differs on the technology used to perform the positioning. These techniques are the Path Loss Model (PLM) and the Support Vector Regressor (SVR) and Multi-Layer Perceptron (MLP) machine learning algorithms. To achieve a greater generalization of the results, the experiments have been performed in two different scenarios: a room and a classroom. Finally, an application which uses the selected technique and performs the real-time location of a smartphone has been implemented.

El sentiment analysis és una tècnica de machine learning utilitzada per a classificar el grau de sentiment d'un text. Existeix des de la més simple classificació d'un missatge segons si expressa un sentiment positiu o negatiu, fins a la més complexa que és capaç de classificar en diferents emocions. És una tècnica que cada vegada és més utilitzada en moltes empreses i sectors, per veure la reacció de la població davant d'un nou producte o servei i reaccionar segons el que el client demana. En aquest projecte, s'aplicarà el sentiment analysis per a la classificació de missatges en xarxes socials, una tècnica molt freqüent, ja que és on la població és més expressiva, relacionats amb la Covid-19 i la pandèmia que estem vivint. L'objectiu és realitzar un estudi per veure la tendència emotiva de la població en aquest context.