Proyectos de Ingeniería

Vitrina Tecnológica Interactiva

2026 // Arquitecto de Control Autónomo

Plataforma Híbrida Multimodal Peter

Arquitectura de control autónomo e IA Bioinspirada Embebida para locomoción híbrida (cuadrúpeda-rodante).

2025 // Lead Systems Architect & Embedded Firmware Engineer

IoT CNC PCB Monitor

Plataforma de monitoreo industrial distribuida mediante Edge AI y orquestación Serverless.

2024 // Systems & Engineering Lead

Robot SALLI

Plataforma robótica modular con locomoción biomimética de alta eficiencia.

2025 // Principal AI Research & Computer Vision Engineer

Children's Emotion Recognition System

Clasificación y regularización de expresiones faciales para registros clínicos de salud mental infantil.

Plataforma Híbrida Multimodal Peter

Arquitecto de Control Autónomo // 2026

ROS 2 Edge AI C++ Gazebo

Resumen Ejecutivo & Liderazgo

Conceptualización e ingeniería de una plataforma de locomoción multimodal híbrida. Ejecución de 60 ensayos continuos de validación con inyección de ruido estocástico uniforme ($S = 0 \to 4$), logrando una tasa de éxito operativa del 100% en evasión de obstáculos vectoriales y consolidando la transición morfológica con una fiabilidad paramétrica del 95%.

Métrica Clave // Latencia 47 ms

Bucle cerrado de control de alta frecuencia sin cuellos de botella en cache.

Precisión // Actitud ± 0.54°

Error acotado de Roll RMS y ±1.06° de Pitch RMS sobre ruido topográfico.

Leyes de Control y Selección Neuronal

La resolución de conflictos entre estímulos se rige por ecuaciones diferenciales de integración con fugas (leaky-integrator) inspiradas en la topología de los ganglios basales para actualización de tasa neuronal:

τ · (da_i / dt) = -a_i + max(0, Σ W_ij · a_j + I_i - θ)

Repositorio GitHub

IoT CNC PCB Monitor

Lead Systems Architect & Embedded Firmware Engineer // 2025

Azure IoT ESP32 TinyML MQTT

Impacto Técnico & Cloud

Ingeniería de extremo a extremo de un sistema distribuido de análisis industrial. Diseñado mediante desacoplamiento estricto de microservicios con despliegues automatizados bajo el paradigma de Infraestructura como Código (IaC).

Inferencia local // TinyML 312 ms

Clasificación de topología de placa sobre matriz RGB565 con certeza P ≥ 0.94.

Políticas // Anomalias Δt = 300s

Ventana estricta de mitigación y cooldown para alertas críticas vía Telegram API.

Integridad Operacional

La integridad estructural se evalúa constantemente comparando métricas contra las restricciones estables de borde:

T_min ≤ T ≤ T_max ∧ H_min ≤ H ≤ H_max ∧ S_vibration < 0.80

Repositorio GitHub

Robot SALLI

Systems & Engineering Lead // 2024

FreeRTOS ESP-IDF YOLOv8 Modularity

Logros de Sistemas & Diseño Mecánico

Dirección del ciclo de vida bajo lineamientos de calidad ISO 9001, reduciendo iteración de diseño en un 25%. Estructura mecánica modular "glue-less" de ensamble por cola de milano (dovetail), optimizada para impresión FDM.

Frecuencia de Red // IDF 50 Hz

Sincronización determinista de articulaciones con latencia de transporte < 15 ms.

Mantenibilidad // DownTime < 5 min

Reparación física de módulos en campo asegurada por pernos mecánicos M3.

Inferencia en el Borde

Procesamiento y detección en tiempo real a bordo de nodos ESP32-CAM gracias a la cuantización de red y reducción de footprint de memoria:

YOLOv8-Inference-Engine ~30 FPS sin Thermal Throttling

Repositorio GitHub

Children's Emotion Recognition System

Principal AI Research & Computer Vision Engineer // 2025

YOLOv8-cls PyTorch Deep Learning

Arquitectura de Visión Computacional

Orquestación de un pipeline jerárquico que filtra segmentos demográficos en tiempo real (aislando la cohorte infantil) para optimizar el cómputo de inferencias en dispositivos clínicos embebidos.

YOLOv8-cls vs ResNet18 +16.3%

Superioridad estadística de precisión absoluta debido al mecanismo de atención interna.

Métrica Final // F1-Score 0.706

Mitigación efectiva de sesgos y sobreajustes hacia expresiones mayoritarias.

Espacio Categórico de Variables Clínicas

Las geometrías faciales se mapean en un espacio categórico de 4 dimensiones correspondiente a variables estandarizadas de salud mental:

Y = { Joy, Anger, Sadness, Neutral }

Repositorio GitHub Ver Demostración