Monthly Archive 17 de julio de 2021

El pasado 16 de Julio, el Prof. Sergio Martín impartió la ponencia invitada «IoT Education through Remote Laboratories» en el IEEE 7th World Forum on Internet of Things.

Abstract: One of the most challenging issues in special education is how to facilitate Science, Engineering, Technology and Mathematics (STEM) experimental activities in technical fields. Laboratory practice is essential in STEM disciplines to help students assimilate correctly the theory concepts and can acquire the practical skills to be used in their professional career once their degree is finished. Traditionally, on-campus education provides hand-on practice sessions where students can physically conduct experimentation with technical equipment once a week. However, students with physical, psychic or sensory disability, or serious conduct disorder may find problematic to attend to a physical laboratory to conduct such practices.

One potential solution to this problem can be found in the use of virtual and remote laboratories. The use of these on-line labs in engineering education is becoming more and more important everyday because of the need of providing flexible, scalable and high quality access to acquire practical competences with real instrumentation at anytime and anyplace, not only within a classroom. This presentation will introduce some remote laboratories to facilitate IoT learning at University level. They will help students to acquire technical skills related to electronics, communications and computer science without having to attend an on-campus laboratory.

Hoy, 6 de Julio de 2021, se ha defendido el Trabajo Fin de Máster titulado «Adversarial Domain Adaptation of Synthetic 3D Data to Train a Volumetric Video Generator Model«, dirigido por el Prof. Sergio Martín, y enmarcado en el Electronics for Information and Communication Technologies Master de la UNED.

A continuación os dejamos el resumen del trabajo:

El entrenamiento de un modelo de aprendizaje automático requiere datos de entrenamiento representativos de la aplicación de destino. En algunos casos, los datos no están disponibles en la cantidad requerida o solo están disponibles datos similares de otro dominio de datos. Los datos se pueden generar sintéticamente traduciendo datos de un dominio a otro dominio. La adaptación de un dominio adversario es el proceso de traducir datos de un dominio de origen a un dominio de destino utilizando enfoques de aprendizaje contradictorio. Dado que ninguna de las muestras está disponible en ambos dominios, la adaptación del dominio adversario es un problema de aprendizaje no supervisado.

El marco CycleGAN es una red de confrontación generativa que se utiliza para tareas de traducción de datos a datos no emparejados. Se construye a partir de un generador y un discriminador para cada dominio que se entrena simultaneamente. El desafío de entrenar CycleGANs radica principalmente en la gran cantidad de hiperparámetros y la diferencia de complejidad entre el discriminador y el generador. Además, el objetivo de aprendizaje es cualitativamente más complejo para el generador que para el discriminador. Además, especialmente para redes convolucionales que traducen imágenes multicanal de alta resolución, los modelos se vuelven complejos y requieren muchos recursos para entrenar.

En este estudio, hay dos dominios diferentes de imágenes RGBD con las dimensiones 512x512x4. Las imágenes del primer dominio se generan mediante fotogrametría y las imágenes del segundo dominio se generan desde un teléfono móvil utilizando un escáner LIDAR.

El objetivo de este trabajo es traducir imágenes RGBD generadas mediante fotogrametría a imágenes que podrían ser del dominio generado por el escaneo LiDAR. Debido a la similitud de ambos dominios, el modelo necesita aprender características complejas. Además, el tamaño de las imágenes implica un modelo con muchos parámetros entrenables. Al mismo tiempo, los recursos de capacitación son limitados y solo se encuentran disponibles unas pocas muestras de capacitación.

En este trabajo se investigan diferentes arquitecturas CycleGAN basadas en arquitecturas novedosas como el discriminador basado en UNet y el discriminador One-Shot GAN. Estas arquitecturas se adaptan y optimizan cuidadosamente teniendo en cuenta las limitaciones mencionadas anteriormente.

El pasado 6 de Julio de 2021, se ha defendido el Trabajo Fin de Máster titulado «DEVELOPMENT OF AN IOT REMOTE LAB BASED ON ARDUINO», dirigido por el Prof. Sergio Martín, y enmarcado en el Electronics for Information and Communication Technologies Master de la UNED.

Esta tesis de master describe el desarrollo de un laboratorio remoto basado en Raspberry Pi y microcontroladores ESP8266 para dar soporte a entornos de prácticas y aprendizaje remoto de IoT on-line, que son muy importantes para ofrecer programas de educación en línea de calidad sobre IoT.

Este trabajo evoluciona la plataforma Arduino Lab desarrollada por UNED integrándole nuevas funcionalidades, como el monitor serie, el uso de un nuevo tipo de placa (NodeMCU), además de proponer una serie de nuevos experimentos más orientados al Internet de las Cosas, sobre todo basados en el uso del protocolo MQTT y la plataforma NodeRED.

Los estudiantes pueden acceder a través de un navegador web a un IDE basado en el lenguaje Arduino y programar tres placas nodeMCU de forma remota de una manera similar a usar el IDE de Arduino conectado a una placa Arduino localmente.

El código se puede compilar y cargar con aviso de errores y adicionalmente existen algunas funcionalidades como cargar un nuevo código localmente, guardar el código escrito en su computadora, cargar algunos ejemplos predefinidos, un monitor serie y el acceso a la plataforma Node Red.

Hoy, 6 de Julio de 2021, se ha defendido el Trabajo Fin de Máster titulado «BLE Mesh Indoor Localization System», dirigido por el Prof. Sergio Martín, y enmarcado en el Electronics for Information and Communication Technologies Master de la UNED.

A continuación os dejamos el resumen del trabajo:

Global Positioning System (GPS) es la tecnología más usada para posicionamiento en exteriores gracias a su precisión. Sin embargo, GPS no puede mantener la misma precisión en interiores, así que otras tecnologías son consideradas para interiores debido a su mayor exactitud comparadas a GPS.

Los dispositivos Bluetooth Low Energy (BLE) son usados extensamente en múltiples campos en el mundo gracias a su baja complejidad y bajo consumo de potencia. BLE mesh mejora y amplía el rango de aplicaciones con capacidades de red, que permiten la implementación de nuevos escenarios, especialmente en sistemas de posicionamiento en interiores.

Este trabajo presenta la implementación de un sistema interactivo de localización BLE mesh a través del desarrollo firmware y software en placas de evaluación. 

La placa utilizada fue una Nordic Semiconductors nRF52-DK, que cuenta con una solución de chip único con suficientes capacidades para los servidores Mesh BLE, nRF52832, y un microcontrolador adicional (ATSAM3U2CA) para la interfaz Segger J-Link incorporada y la comunicación USB, entre otras capacidades, requeridas especialmente para la estación de nodo de puerta de enlace del cliente.