El Laboratorio de Geomática es un sitio de trabajo multidisciplinario enfocado a realizar investigación aplicada y desarrollo tecnológico en el campo de las Tecnologías de Información Geoespacial. Su objetivo principal es desarrollar algoritmos y metodologías para extraer información a partir de imágenes adquiridas mediante dispositivos a bordo de plataformas aéreas y espaciales.

Típicamente, la información geoespacial está conformada por bases de datos masivos y de alta dimensionalidad (e.g. nubes de puntos 3D fotogramétricos e imágenes multiespectrales) por lo que nuestras propuestas de investigación consisten en el estudio de técnicas de reducción y selección de variables, incluyendo también la fusión de datos y la implementación de modelos para el reconocimiento de patrones espectrales basados en enfoques supervisados y no-supervisados de la inteligencia artificial.

En la parte teórica el laboratorio se apoya con la impartición de cursos sobre análisis de imágenes en sensado remoto y tópicos selectos en geomática, además de otros cursos complementarios que se imparten en nuestro posgrado. En la parte práctica se cuenta con equipo GPS de grado mapeo y navegadores, estaciones fotogramétricas digitales, drones y cámaras multiespectrales (óptico / térmico), estaciones para el procesado de imágenes de satélite y sistemas de información geográfica.

Nuestro propósito es generar geoinformación accionable que permita su fácil asimilación en estudios ambientales, agricultura de precisión, ecología y conservación. Así como también en proyectos de mapeo topográfico, construcción, manejo de infraestructura, seguridad y riesgos naturales, entre otros.

El Laboratorio tiene capacidad para albergar cómodamente a 10 personas y hasta un máximo de 15 personas. El laboratorio consta de 7 estaciones de trabajo con tarjetas de alto desempeño. 4 computadoras portátiles tipo estación de trabajo. Se tienen 3 robots. Un robot activmedia pioneer 2AT, un brazo manipulador de 6 grados de libertad de la marca Stäubli, un robot NAO humanoide de 26 grados de libertad. El laboratorio brinda asesorías y atención a recursos humanos de instituciones educativas y de empresas.

El laboratorio de cómputo paralelo y en la nube (ParaLab) aborda investigación avanzada en las áreas del almacenamiento, procesamiento, métodos y algoritmos para resolver problemas de optimización de recursos en entornos de computación heterogéneos distribuidos no estacionarios.

Indagamos en el diseño e implementación de modelos de optimización multi-objetivo, calendarización y encriptación, a fin de proteger y optimizar cada una de las fases en el ciclo de vida de los datos: datos almacenados, procesados y transmitidos.

Los criptosistemas convencionales pueden proteger la información almacenada o durante su transferencia, pero estas técnicas no son capaces de proteger la información al ser procesada; la extracción de valor de un conjunto de datos requiere un proceso de desencriptación.

En ParaLab utilizamos esquemas de Encriptación Homomórfica, permitiendo el cómputo de datos cifrados y posibilitando la delegación del procesamiento de datos confidenciales sin revelar información subyacente. De esta manera, una infraestructura no segura puede procesar información confidencial sin conocer la información original ni el resultado del cómputo, dado que dicha información permanece codificada en todo momento, previo, durante y posterior al procesamiento.

Diseños modelos de redes neuronales eficientes y capaces de preservar la privacidad al ser evaluados homomórficamente.

También realizamos investigaciones basadas en retos del mundo real que utilizan grandes cantidades de información sensible, como las ciudades inteligentes, la Industria 4.0, los mercados eléctricos inteligentes, etc.

ParaLab está colaborando activamente con múltiples instituciones nacionales e internacionales.

El procesamiento digital de imágenes es una disciplina que desarrolla las bases teóricas y algorítmicas para extraer automáticamente información del mundo real, a partir de una imagen observada, de un conjunto o de una secuencia de imágenes. Tal información puede relacionarse con el reconocimiento de objetos, las descripciones tridimensionales de los mismos, la posición y la orientación de objetos o la medición de cualquier propiedad espacial, tal como la distancia entre dos puntos bien definidos o la sección transversal de un objeto.

Es posible citar una gran cantidad de ejemplos donde el procesamiento de imágenes ayuda a analizar, deducir y tomar decisiones. Entre otras áreas en las cuales se han desarrollado herramientas de gran utilidad podemos mencionar las siguientes: Robótica, Medicina, Fisiología, Biometría, Astronomía, Ciencias Ambientales, Robótica, Metalúrgica, Física, Electrónica, Biología y el Reconocimiento de Caracteres (OCR).

Como aplicaciones típicas se pueden mencionar: la detección de la presencia de objetos, la reconstrucción tridimensional de objetos, localización y mapeo simultáneos – SLAM, reconocimiento de rostros y posturas humanas, la inspección visual automática, la medición de características geométricas y de color de objetos, la clasificación de objetos, la restauración de imágenes y el mejoramiento de la calidad de imágenes.

Las principales líneas de investigación se pueden dividir en tres grandes áreas:

• Detección y localización de objetos en imágenes de uno y varios componentes.
• Procesamiento de imágenes 3D con cámaras RGB-D.
• Filtrado adaptativo local en el dominio de transformadas de tiempo corto.

• Diseño de sistema visual SLAM con múltiples cámaras RGB-D.

En este proyecto se propone emplear métodos adaptativos para mejorar diversas etapas de SLAM visual basado en múltiples cámaras RGB-D. Al identificar las mejores marcas visuales, se puede reducir el tiempo de procesamiento de las etapas de correspondencia y de refinamiento de la posición, así como en las etapas de la detección del cierre del circuito y optimización del grafo de posiciones.

• Reconocimiento, clasificación y seguimiento de rostros en 3D utilizando cámaras RGB-D.

El proyecto tiene como objetivo el desarrollo de métodos de reconocimiento, clasificación y seguimiento de rostros en 3D utilizando cámaras RGB-D. Los métodos de reconocimiento se basan en correspondencia de superficies faciales que sea robusto a expresiones, cambios de iluminación y variaciones de postura. Los métodos de clasificación de expresiones faciales se basan en técnicas de aprendizaje profundo. El seguimiento facial tradicionalmente se realiza en 2-D. En este proyecto se desarrollarán métodos para el seguimiento de rostros en 3-D basado en la calculación de matrices de orientación y vectores de traslación en 3-D, así como la predicción de la posición del objeto en 3-D para el siguiente punto en el tiempo.

• Reconstrucción precisa de forma tridimensional no rígida de ganado vivo utilizando cámaras RGB-D.

Las características de los animales a menudo se miden manualmente, el procedimiento requiere mucho tiempo, es caro y estresante tanto para el granjero como para el animal. Los avances recientes en la tecnología de sensores tridimensionales proporcionan herramientas innovadoras para el diseño de sistemas automatizados sin contacto para evaluar la condición corporal del animal. El objetivo de este proyecto es diseñar un sistema automatizado de visión por computadora capaz de generar un modelo tridimensional preciso de ganado vivo. El sistema se basa en una reconstrucción de forma tridimensional no rígida que utilizando  cámaras RGB-D.

En el laboratorio de Biocomputación se desarrollan algoritmos y software de optimización y aprendizaje automático para responder preguntas básicas en biomedicina, quimioinformática y computación biomolecular. La infraestructura del laboratorio está especializada para el procesamiento, análisis, predicción y diseño de secuencias y estructuras tanto de biomoléculas como de moléculas pequeñas, así como para el uso de simuladores de procesos bioquímicos y lógicos a nivel intracelular. Cuenta con un área con escritorios, 6 PCs para visualización, 2 PCs optimizadas para el uso de GPGPUs y un servidor con capacidades de cómputo intensivo y visualización.

• Software de visualización para redes de interacción de péptidos antimicrobianos, desarrollado en el laboratorio y disponible de forma libre y gratuita.
• Software, disponible via web, desarrollado en el laboratorio para la predicción de actividad antimicrobiana en péptidos.
• Disponible en https://biocom-ampdiscover.cicese.mx/

En el Laboratorio de Innovación en Datos y Algoritmos (LIDA) nos enfocamos en la investigación fundamental y el desarrollo de algoritmos avanzados con aplicabilidad en problemas reales.

Nuestro trabajo se centra en la creación de métodos innovadores para el diseño de índices en bases de datos vectoriales, la optimización de sistemas de recuperación de información, la compresión de matrices y técnicas de clustering, así como en el manejo eficiente de datos no estructurados para optimizar el almacenamiento, transmisión y procesamiento de información. Diseñamos índices especializados para bases de datos vectoriales, una de las aplicaciones es la Recuperación Aumentada por Generación (RAG) que permite construir sistemas de información flexibles y poderosos. 

Nuestra misión es impulsar la innovación en el campo de la ciencia de datos, creando herramientas y metodologías que transformen la manera en que las organizaciones interactúan con la información, promoviendo la eficiencia y la toma de decisiones basada en datos desarrollando algoritmos fundamentales que sienten las bases para soluciones prácticas y escalables.

Parte de la investigación que se lleva a cabo en el laboratorio de algoritmos está relacionado con el área de grafos. Sobre esta área se diseñan algoritmos que corren en tiempo polinomial para ciertos problemas restringidos (cuya versión no restringida está en la clase NP-C). Algunos problemas de estos son el Conjunto Independiente Fuerte Máximo y el Club Máximo de Distancia k, ambos problemas para ciertos grafos planos restringidos.

Estos algoritmos se han diseñado tanto en el ámbito distribuido como en el secuencial. Adicionalmente, se han hecho trabajos que combinan la teoría de juegos con el diseño de algoritmos para aplicaciones en el área de redes. Se ha trabajado con en el paradigma de la auto-estabilización en combinación con los problemas mencionados anteriormente.

Se abordan problemas que por su naturaleza involucran múltiples disciplinas, incluyendo componentes de las ciencias exactas, las ingenierías e incluso las ciencias sociales, y se proponen soluciones a través del desarrollo de sistemas que integran herramientas de Interacción Humano-Computadora, Cómputo Ubicuo, Enseñanza Asistida por Computadora, Protocolos de Redes, Informática Médica, Desarrollo de Videojuegos.

En este laboratorio las Ciencias Computacionales se conjugan con la Física, Matemáticas, Electrónica y Ciencias de la Salud para resolver problemas multidisciplinarios en temas como Planificación de movimiento en Robótica Móvil, Ciencia de Datos y Aprendizaje Automático para Datos Multimodales, Localización de Agentes en Interiores, Medición y Análisis de Movimiento Humano, Reconocimiento de Actividad y Comportamiento, Seguimiento en Ambientes Virtuales, entre otros.

El enfoque de estudio es el humano, se analizan sus interacciones para identificar y detectar ciertos comportamientos o condiciones, en diferentes contextos. Buscando crear Interfaces de usuario inteligentes y naturales con un diseño centrado en el usuario e inteligencia artificial humana para la creación de prototipos y el desarrollo de interacciones innovadoras.

Se realiza análisis de datos y aprendizaje automático, buscando identificar el  impacto social a través de Investigación experimental para la medición empírica de la adopción y la eficacia.

El Laboratorio de Ciencia de Datos y Aprendizaje Automático se especializa en la aplicación de técnicas de inteligencia artificial y el procesamiento de datos multimodales para abordar desafíos en diversas disciplinas.

Sus principales líneas de investigación incluyen la medición y análisis del movimiento humano, abarcando el estudio de la marcha y la traducción de la Lengua de Señas Mexicana. Además, trabaja en el reconocimiento de actividades y comportamientos humanos, así como en el monitoreo automatizado de otras especies biológicas como perros y tiburón-ballena. También se centra en el procesamiento de datos a gran escala, incluyendo el análisis de redes sociales y datos astronómicos.

Con un enfoque interdisciplinario, el laboratorio integra tecnologías emergentes, especialmente aprendizaje profundo, para desarrollar soluciones innovadoras en accesibilidad, salud, seguridad y exploración científica.