Aprendizaje Máquina y Procesamiento de Lenguaje Natural
Esta línea se enfoca en el desarrollo y aplicación de métodos avanzados para el tratamiento y comprensión de información a partir de datos. Abarca como temas principales de investigación: Aprendizaje Máquina y Procesamiento de Lenguaje Natural. A través de estos enfoques, Se buscamos contribuir al avance del conocimiento científico y al desarrollo de aplicaciones prácticas en diversas áreas, desde la Ciencia de Datos hasta la Iinteligencia Aartificial Aaplicada.
Aprendizaje Máquina
Aprendizaje Máquina abarca el estudio y la creación de arquitecturas y algoritmos innovadores que permiten a los sistemas computacionales aprender de datos, adaptarse a nuevas situaciones y hacer predicciones con precisión mejorada. Nuestro trabajo incluye el desarrollo de modelos avanzados basados en métodos de regresión, máquinas de vectores de soporte (SVM), algoritmos de estimación de distribuciones para datos complejos, redes neuronales profundas, etc. que han demostrado ser efectivos en una variedad de aplicaciones como la predicción en biomedicina, la optimización de sistemas industriales, soluciones inteligentes para entornos urbanos. Exploramos tanto los enfoques tradicionales como los de vanguardia, buscando mejorar el rendimiento y la capacidad de generalización de los modelos.
El equipo de investigación se centra en el desarrollo de técnicas estadísticas y computacionales para la identificación y clasificación de patrones en conjuntos de datos complejos. En este sentido, el reconocimiento de patrones es fundamental para aplicaciones en campos como la visión por computadora, la detección de anomalías, el análisis de imágenes médicas, y la minería de datos, entre otros. Las investigaciones incluyen el uso de métodos supervisados y no supervisados, así como por ejemplo técnicas de agrupamientoclustering, métodos de reducción de dimensionalidad, y métodos de clasificación. que buscan mejorar la precisión y eficiencia en la identificación de patrones significativos.
Procesamiento de Lenguaje Natural (PLN)
El Procesamiento de Lenguaje Natural se enfoca en modelos y estrategias automáticas que permiten a las máquinas comprender, interpretar y generar lenguaje humano de manera eficiente. Utilizamos arquitecturas de última generación con base en los Transformers capaces de integrar datos de diversas fuentes (e.g., texto, imágenes, audio) para una comprensión más rica del lenguaje. En está misma línea explotamos también arquitecturas con base en Diffusers, que combinados con grandes modelos de lenguaje (LLMs), permiten generar modelos generativos de inteligencia artificial multimodales, uniendo capacidades de generación de texto con imágenes o audio para crear respuestas más coherentes y creativas en múltiples formatos. Nuestro trabajo tiene aplicaciones en traducción automática, análisis de sentimientos, asistentes virtuales, y extracción de información de grandes repositorios de documentos, con usos prácticos en las áreas de Salud, Seguridad y Ciencias Sociales.
Importancia de la investigación en Inteligencia Artificial
Es importante destacar que, debido a la naturaleza compleja y multidimensional de los problemas actuales, el uso de herramientas de inteligencia artificial requiere, con frecuencia, un enfoque multidisciplinario que combine diversas técnicas de las áreas mencionadas. Por ello, nuestra investigación no solo contribuye al desarrollo teórico de cada uno de estos campos, sino también a su integración práctica para resolver problemas del mundo real, impulsando así avances significativos en ciencia y tecnología. Cabe señalar que las técnicas basadas en métodos de aprendizaje automático, en particular las redes neuronales, son ampliamente utilizadas por varios investigadores del CIMAT en otras líneas de investigación, lo que fomenta la colaboración entre investigadores del Departamento de Computación y aquellos de otras disciplinas, como estadística, probabilidad y matemáticas aplicadas.
Oferta educativa
Investigadoras e Investigadores Titulares
Investigadoras e Investigadores por México
Post-Doctorantes
Organización de eventos académicos recientes como:
Mexican International Conference on Artificial Intelligence (MICAI 2025)
Mexican Conference on Pattern Recognition 2025 (MCPR 2025), CIMAT, Guanajuato.
XI Seminario y Escuela Nacional en Aprendizaje e Inteligencia Computacional (SENAIC 2023), organizado por CIMAT, INAOE, RedICA y SMCC.
Encuentro Nacional de Computación (ENC 2023), realizado en formato híbrido en CIMAT, Guanajuato.
Escuela de Verano Mexicana de PLN 2024 @NAACL2024.
Estudiantes e Investigadores participan seguido en concursos obteniendo como por ejemplo un segundo lugar en el concurso de mejor tesis de maestría en IA por la Sociedad Mexicana de Inteligencia Artificial (Emilio Villa, 2024), y un segundo lugar en el concurso de tesis de maestría en Estadística por la Asociación Mexicana de Estadística (Lizette Lemus, 2022). , best paper awards en...
Aragón, M. E., López-Monroy, A. P., González-Gurrola, L. C., & Montes, M. (2022). Information fusion for mental disorders detection: multimodal BERT against fusioning multiple BERTs. Procesamiento del Lenguaje Natural, 69, 27-38.http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6425/3833https://x.com/sepln/status/1573239403144781825
Adrián Pastor López Monroy, Co-Investigador Principal: Towards Understanding and Modeling the Language of Mental Health Disorders. Financiado con $496,000 Francos Suizos por la Swiss National Science Foundation (SNSF). Colaboradores: IDIAP-Suiza y el Instituto Nacional de Psiquiatría Ramón de la Fuente Muñiz (INPRFM), 2024-2028
Johan Van Horebeek, responsable: Seminario-taller sobre Visualización de datos, Proyecto con el INEGI, $500,000 M.N., 2021-2022.
Adrián Pastor López Monroy:, Grandes Modelos de Lenguaje Especializados para Detectar Ciberacoso y Violencia Digital., Convocatoria Ciencia Básica y de Frontera 2025-2028, $1,250,000 M.N.
Ingeniería del Software
El Grupo de Ingeniería de Software del CIMAT esta dedicado al diseño, desarrollo y mejora de sistemas de software mediante enfoques sistemáticos, disciplinados y basados en principios de ingeniería. El grupo tienen una trayectoria de 15 años, y ha fortalecido su estructura, integrando siete investigadores (dos de estos posdoctorantes), y cuenta con colaboraciones activas entre Zacatecas, Aguascalientes y Guanajuato. Sus miembros pertenecen al SNII y mantienen una trayectoria sólida en investigación, desarrollo tecnológico y formación de recursos humanos en posgrado. El grupo ha publicado en revistas de alto impacto como IEEE Computer, Automated Software Engineering, Journal of Biomedical Informatics, IEEE Transactions on Affective Computing, entre otras, y participa de manera constante en congresos especializados como CONISOFT, EUROSPI, ENC, CISTI, HCI International y WorldCIST. Además, organiza eventos relevantes como CIMPS, ENC-TIS y HackCIMAT, y participa activamente en redes y organismos internacionales, incluyendo el Grupo 24 del ISO/IEC JTC1 SC7, SMCC, AMEXCOMP y REDMISOFT.
Su trabajo de investigación se articula en dos grandes líneas. La primera, Tendencias y Aplicaciones en Ingeniería de Software, Esta línea se enfoca en crear y aplicar métodos, técnicas y buenas prácticas que mejoren la calidad y seguridad del software conforme a estándares internacionales. Incluye el estudio de procesos, metodologías, arquitecturas y entornos de desarrollo. También aborda UX, diseño de interfaces, sistemas distribuidos y dirección de equipos. Su propósito es optimizar cómo se desarrolla, gestiona y mantiene el software. La segunda, Aplicaciones de Inteligencia Artificial a la Ingeniería de Software, Esta línea integra IA y comportamiento humano para resolver problemas en industria, educación y salud. Estudia el procesamiento y análisis de datos, incluyendo flujos provenientes de IoT. Sus investigaciones aplican machine learning, deep learning, sistemas inteligentes y NLP para crear soluciones prácticas. Se orienta tanto a generar conocimiento como a resolver retos reales mediante cómputo avanzado e IA.
El grupo mantiene una amplia red de colaboración nacional e internacional con instituciones de México, Perú, Colombia, España, Chile, Argentina y Canada, y su agenda de investigación incluye proyectos en aprendizaje adaptativo con IA, diagnóstico automático de software, software de clasificación de estados afectivos con señales fisiologicas, interacción humano-máquina, y ecosistemas digitales con AR/VR. Esta combinación de experiencia, producción científica y cooperación global posiciona al grupo como un referente en innovación y desarrollo en Ingeniería de Software.
Investigadoras e Investigadores Titulares
Investigadoras e Investigadores Asociados
Investigadoras e Investigadores por México
Post-Doctorantes
Técnicos
Métodos numéricos, cómputo paralelo y optimización
En el grupo de modelación, optimización y cómputo paralelo nos centramos en desarrollar métodos computacionales aplicables a la resolución de problemas en ámbitos de ingeniería, física, logística y planificación, entre otros. Somos especialistas en las diferentes metodologías involucradas en este tipo de problemas, incluyendo la modelación de sistemas, generalmente a través de ecuaciones diferenciales, así como los métodos de optimización, incluyendo tanto métodos clásicos como métodos heurísticos.
En la actualidad muchos de los problemas que se modelan y optimizan requieren el uso de grandes cantidades de datos y cómputo, por lo que en muchas ocasiones recurrimos al uso de cómputo paralelo a través de los laboratorios de cómputo de alto rendimiento con los que se cuentan en CIMAT. Somos expertos en el desarrollo de algoritmos paralelos incluyendo sistemas de memoria compartida y distribuida, así como GPU.
Una característica importante de este grupo de investigación en CIMAT es que no nos limitamos a utilizar librerías existentes para el desarrollo de aplicaciones, sino que innovamos en el desarrollo de técnicas para simulación y optimización, lo que lleva en la mayor parte de los casos a desarrollar software propio, prestando especial atención al desarrollo de algoritmos eficientes y efectivos. Por ello también se trabaja en el desarrollo de algoritmos y estructuras de datos que permitan implementar los algoritmos en forma eficiente y que puedan aprovechar el hardware reciente.
En el área de Optimización se realiza investigación tanto en las áreas mono-objetivo como multi-objetivo, utilizando técnicas estocásticas de optimización como los algoritmos evolutivos, los algoritmos meméticos o los de estimación de distribución, entre otros. También se desarrollan técnicas de programación matemática y métodos de gradiente. Se aplican a problemas de diseño y optimización global y restringida que surgen en diversos ámbitos como logística, criptografía o ingeniería civil. A través de la formación de equipos de trabajo con los estudiantes interesados en estos temas, tenemos tradición de participar en concursos de optimización con el fin de validar y mostrar las ventajas de las innovaciones realizadas en esta área. Esto ha dado visibilidad al grupo, consiguiendo diversos premios internacionales.
En el área de Modelación se estudian y desarrollan modelos de solución numérica de ecuaciones diferenciales parciales usando Elemento Finito, Volumen Finito, Diferencias Finitas, y recientemente Cálculo Exterior Discreto (DEC). Estas técnicas son utilizadas para resolver problemas en aplicaciones de ingeniería como en diseño de celdas de combustible, modelado térmico en sólidos, modelado de fluidos en sistemas físicos, diseño de estructuras complejas en ingeniería civil, desarrollo de nuevos materiales, aplicaciones en materiales biológicos y modelado numérico de aguas subterráneas e inundaciones, entre otros.
En cómputo paralelo se trabaja en diferentes tecnologías y paradigmas de paralelización como OpenMP, MPI y CUDA, aplicando estas herramientas a la paralelización de algoritmos de modelación y optimización. Somos especialistas en el uso eficiente de este tipo de hardware, ofreciendo servicios de consultoría y capacitación.
Los miembros de este grupo realizan colaboraciones con diversos grupos de investigación de numerosas instituciones tanto nacionales como internacionales. Algunas de las instituciones con las que se ha colaborado son las siguientes: CIMNE, Universidad de la Laguna y Universidad de Málaga, en España, Universidad de Napier, en Escocia, Universidad de Leipzig, en Alemania, Universidad de Guanajuato, Universidad Autónoma de Zacatecas, Universidad Michoacana San Nicolás de Hidalgo ITESM, CINVESTAV, CentroGeo, CICESE, ITAM, Instituto Tecnológico de Mérida, Universidad Autónoma de Yucatán y CICY, en México. A través de estas colaboraciones se consigue ampliar el conjunto de problemáticas y técnicas con las que se cuenta con experiencia en el equipo, así como desarrollar equipos multidisciplinarios para abordar los problemas.
Investigadoras e Investigadores Titulares
Investigadoras e Investigadores Asociados
Investigadoras e Investigadores por México
Post-Doctorantes
Líderes actuales en la obtención de los mejores resultados conocidos en diversos problemas de optimización combinatoria: problema de asignación de frecuencias, problemas de particionado de grafos, ordenación lineal o Job-Shop Scheduling, entre otros.
Ganadores o obtención de primeras posiciones en diversos concursos de optimización y modelación: PACE Challenge 2024, ICPC Huawei Challenge 2023, Wind Farm Layout Optimization Competition, PACE Challenge 2018.
Co-organización en varios de los congresos más importantes del área, como IEEE Congress On Evolutionary Computation, Genetic and Evolutionary Computation Conference.
Organizadores por más de 20 años de la Escuela de Modelación y Métodos Numéricos, donde se han presentado aplicaciones en diversas áreas: ecuación de advección-difusión-reacción en problemas hidrológicos; supercómputo y aplicaciones; problemas de gran escala en geofísica y análisis numérico; modelación computacional de sistemas biológicos; modelado para ciencias de materiales y aplicaciones industriales; modelación y simulación computacional de riesgos y desastres naturales.
Diseño del primer algoritmo de aproximación para dos problemas de optimización combinatoria: el problema del conjunto independiente fuerte, y el problema del cubrimiento de hubs mínimo.
Proyecto IRSES-TCAINMAND otorgado por la Comunidad Económica Europea (2014-2017). Este proyecto ganó el premio de CONAHCYT al proyecto de mayor proyección internacional de los CPI en los 25 años del CONAHCYT. El proyecto Tri Continental Alliance in Numerical Methods applied to Natural Disasters (TCAINMAND) se desarrolló en colaboración entre el CIMNE, Swansea University, Tsinghua University y Cimat. Plantea la cooperación entre regiones de Asia, Latinoamérica y la Comunidad Económica Europea, para mitigar los daños producidos por desastres naturales. Enlaces con información ampliada: http://tcainmand.cimne.com/, http://tcainmand.cimne.com/spacehome/1/0, https://cordis.europa.eu/project/id/612607, https://futur.upc.edu/14900003, https://www.pressreader.com/mexico/milenio/20140403/283085592152545
Simulación Numérica y Optimización de Celdas de Combustible. Este proyecto se realiza con la participación del Centro GEO y el CICY, que también forman parte del Sistema de Centros Públicos del CONACYT. Este proyecto se inició en el 2020, y ha permitido realizar desarrollos interesantes en el modelado numérico de sistemas de generación de energía renovable, acelerando los rendimientos de producción a un bajo costo. Se ha realizado optimización de materiales utilizados en la manufactura de los sistemas manteniendo un alto grado de eficiencia en su funcionalidad. Se han logrado publicar 6 artículos de revista y 3 de congreso en ese lapso de tiempo.
Procesamiento de señales, imágenes y visión por computadora
La línea de investigación Procesamiento de Señales y Visión por Computadora cuenta con cuatro áreas de investigación: Procesamiento y Análisis de Señales e Imágenes, Procesamiento de Imágenes Médicas, Visión por Computadora y Transmisión Multimedia.
En el área de Procesamiento y Análisis de Señales e Imágenes, se hace investigación en:
En el área de Procesamiento de Imágenes Médicas se tienen colaboraciones en:
En el área de Visión por Computadora, las investigaciones recientes del grupo cubren temas relacionados al desarrollo de algoritmos para el análisis de imágenes de escenas urbanas: detección de objetos/irregularidades en carretera, rastreo visual, conteo, predicción de trayectorias; se realizan también investigaciones en visión 3D (reconstrucción de escenas, SLAM…) con técnicas recientes de representación implícitas o explícitas (Nerfs, Gaussian splatting).
En el área de Transmisión Multimedia, las investigaciones se enfocan en el desarrollo de esquemas robustos y seguros para la comunicación de audio, imagen y video en tiempo real sobre el Internet. En particular, los esfuerzos van dirigidos a la optimización de recursos del Internet (ancho de banda limitado) para mantener una buena calidad en el servicio, con la participación de los mismos usuarios para la distribución del contenido. Bajo este esquema, se han desarrollado sistemas o estrategias de comunicación basadas principalmente en dos tecnologías:
Los miembros de este grupo realizan colaboraciones con diversos grupos de investigación de numerosas instituciones tanto nacionales como internacionales. Algunas de las instituciones con las que se han colaborado son las siguientes: La Università degli Studi di Verona (Italia), la EPFL (Suiza), el Institut National de Recherches en Informatique et en Automatique (INRIA, Francia), la University of California Riverside, el Instituto de Óptica del Consejo Superior de Investigaciones Científicas (España), el Centro de Modelización Matemática (ModeMat) de la Universidad Politécnica Nacional (Ecuador), El Instituto de Neurobiología de la UNAM, el Laboratorio de Aprendizaje Computacional e Investigación de Imágenes (CLIR) de la Facultad de Matemáticas de la UADY, Instituto Tecnológico de Mérida (ITM), Centro de Investigación en Ciencias de Información Geoespacial (CentroGeo), Laboratorio Urbano de la Universidad Modelo (LU-UM), Centro Regional de Investigación en Salud Pública (CRISP) del Instituto Nacional de Salud Pública (INSP).
A través de estas colaboraciones se consigue ampliar el conjunto de problemáticas y técnicas con las que se cuenta en el equipo, así como desarrollar equipos multidisciplinarios para abordar los problemas.
Investigadoras e Investigadores Titulares
Investigadoras e Investigadores Asociados
Investigadoras e Investigadores por México
Post-Doctorantes
Organización desde hace 25 años de la Reunión de Neuroimágenes y Visión Computacional NeuroVisión junto con el Instituto de Neurobiología de la UNAM. Esta reunión es la más importante en el país, ya que conjunta métodos de visión computacional y aplicaciones en imágenes médicas.
Pat-Chan, A. E., Hernandez-Lopez, F. J., & Moreno-Sabido, M. R. (2023). Seguimiento de objetos en video mediante el método de emparejamiento de bloques. Research in Computing Science, 152(8), pp. 21-33. ISSN: 1870-4069 Latindex. 1er lugar en el premio al mejor poster del COMIA-2023.
Martínez-López, J. A., De-la-Torre-Gutierrez, H., & Hernandez-Lopez, F. J. (2023). Detección de antiespacios urbanos usando YOLO: caso de estudio Mexicali. Research in Computing Science, 152(9), pp. 21-33. ISSN: 1870-4069 Latindex. 3er lugar en los premios a los mejores artículos del COMIA-2023.
Se organiza el Seminario de Matemáticas Aplicadas y Computación (SMAC) de forma conjunta con Facultad de Matemáticas de la UADY, el cual sesiona cada 15 días invitando a estudiantes e investigadores a compartir sus conocimientos con el fin de dar a conocer sus respectivos trabajos de investigación y crear nuevas colaboraciones.
El equipo liderado por investigadors de Cimat (Alonso Ramírez-Manzanares, José L. Marroquín, Mariano Rivera et. al.) ganó el primer lugar en modelación computacional en el workshop White Matter Modelling Challenge dentro del International Symposium of Biomedical Imaging 2015 llevado a cabo en la ciudad de NY, EU. El título del trabajo es “Empirical Diffusion-and-Direction Distributions (ED^3) to Estimate White Matter Microstructure”.
PRONACES: 321075 “Movilidad urbana rural integrada e innovación en electromovilidad en Yucatán” de la convocatoria 2021-2024 Proyectos nacionales de investigación e incidencia para transitar a un sistema energético social y ambientalmente sustentable. Universidad Modelo. 2022-Actualmente. Participación como colaborador con el Laboratorio Urbano de la Universidad Modelo. Responsable del proyecto: Dr. Alfredo Arias Trinidad de la Escuela de Ingeniería de la Universidad Modelo. Logros: Dos tesis de maestría en proceso, una de la maestría en Cómputo Estadístico del Cimat-Monterrey y otra de la maestría en Ciencias de la Computación y Matemáticas Industriales del Cimat-Guanajuato.
Análisis de sistemas de flujo urbano para el diseño de ciudades inteligentes de la convocatoria de apoyo a la investigación científica y tecnológica 2019 de Institutos Tecnológicos Federales y Centros. Modalidad Posgrado PNPC. Instituto Tecnológico de Mérida. Ene-Dic/2019. Participación como colaborador. Logros: Codirector de tesis de dos alumnos de maestría del ITM, “Estimación de tráfico vehicular en capturas de video aéreo” y “Reconocimiento de señales de tránsito utilizando redes neuronales artificiales y realidad aumentada”.
Participación institucional en el subproyecto “Detección satelital de Sargazo en Imágenes de Radar de Apertura Sintética”, dentro del proyecto denominado “Sistemas de Observación y Alerta Temprana del Sargazo (Proyecto Piloto)”, apoyado por los Programas Nacionales Estratégicos de Ciencia, Tecnología y Vinculación con los sectores Social, Público y Privado del CONACyT, No. Proyecto 321367, 2022.
Robótica y sistemas inteligentes
El grupo de Robótica y Sistemas Inteligentes (RSI) en Cimat cuenta con una trayectoria de más de 15 años realizando investigación en robótica móvil. Su enfoque teórico, que trasciende a lo práctico, ha hecho que el grupo de RSI de Cimat se haya posicionado como un referente dentro de la comunidad de robótica en México. Los trabajos de investigación de sus integrantes constantemente se publican en los foros más importantes del área, tal como lo son el IEEE Transactions on Robotics (IEEE TRO), International Journal of Robotics Research (IJRR), IEEE Robotics and automation Letters (IEEE RAL), Robotics and Autonomous Systems (RAS), Autonomous Robots (AURO), Automatica, ISA Transactions, IEEE Transactions on Control Systems Technology, Journal of the Franklin Institute, Control Engineering Practice, IEEE Transactions on Visualization and Computer Graphics, IEEE Transactions on Affective Computing, Virtual Reality, IEEE International Conference on Robotics and Automation (ICRA), International Workshop on the Algorithmic Foundations of Robotics (WAFR), International Conference on Intelligent Robots and Systems (IROS), entre otros.
El grupo está integrado por doce miembros permanentes, todos ellos en el Sistema Nacional de Investigadoras e Investigadores (SNII) – un investigador con nivel 3, cuatro con nivel 2, cinco con nivel 1, y dos con nivel candidato. Las líneas de investigación del área se concentran globalmente en la planificación de movimientos, la teoría de control, la percepción, la modelación de incertidumbre, y la integración de estos diferentes niveles de estimación y decisión a través de esquemas de retroalimentación coherentes y eficaces. Más específicamente, las más recientes líneas de investigación del área han abordado problemas a través de técnicas como control óptimo, control no lineal con retroalimentación sensorial, control predictivo basado en modelo, control distribuido basado en consenso, control visual, procesos de decisión de Markov parcialmente observables, modelos generativos de predicción, filtrado Bayesiano y combinatorio, geometría computacional, métodos de planificación basados en muestreo, entre otros. El rango de aplicaciones de la investigación cubre robots terrestres y aéreos, por ejemplo búsqueda y reconstrucción de objetos, exploración de ambientes desconocidos, formaciones de múltiples robots, persecución/evasión, locomoción humanoide, coches autónomos y realidad virtual.
El grupo de investigación mantiene actualmente colaboraciones internacionales con Georgia Tech, U. de Sherbrooke, LAAS-CNRS, INRIA, U. of Oulu, Université de Technologie de Compiègne, U. de Zaragoza y colaboraciones nacionales con Intel Labs Guadalajara, CINVESTAV Saltillo y Guadalajara, INAOE, CICESE, CIO Ags. y la U. de Guanajuato.
Investigadoras e Investigadores Titulares
Investigadoras e Investigadores Asociados
Investigadoras e Investigadores por México
Post-Doctorantes
Técnicos
1er lugar en reto LARC-VSSS (Very Small Size Soccer), Torneo Mexicano de Robótica 2024.
2do lugar en reto de drones autónomos, Torneo Mexicano de Robótica 2024.
2do lugar en reto de conducción autónoma: automodel car, Torneo Mexicano de Robótica 2024.
1er lugar en reto de drones autónomos, Torneo Mexicano de Robótica 2023.
Motion Strategies for Multiple Autonomous Robots in Unknown Crowded Environments, financiado por Intel Corporation, como parte de la colaboración con Intel Labs Guadalajara realizada entre 2017 y 2019.
Vision-based Autonomous Landing in Populated Environments, a crucial aspect for urban deployment, financiado por la Oficina de Investigación Naval, USA.
Optimization and Learning for Automatic Pipe Routing, financiado por Intel Corporation, 2025.
