La Politécnica de Madrid, 'cum laude' en tecnología: mecatrónica, movilidad 5G o agrotech como ejemplos

Primero el qué y, posteriormente el porqué. El qué tiene que ver con el ascenso de la Universidad Politécnica de Madrid al puesto 55 del mundo -el mejor resultado de su historia- en el ranking QS 2023 de las mejores universidades del mundo en las áreas de Ingeniería y Tecnología.

El ranking QS analiza más de 1.540 instituciones del mundo y tiene como objetivo servir de guía a los estudiantes a nivel global a la hora de elegir un centro en el que continuar su formación.

Mejora, como decíamos, su posición respecto a los años anteriores que se encontraba en la posición 58 (2022), puesto 75 en 2021 y el puesto 90 en 2020. En este mismo ránking, la UPM se sitúa primera a nivel nacional, por delante de la Universidad Politécnica de Barcelona (puesto 65) y la Universidad de Barcelona (puesto 147).

[Isabel Díaz Ayuso sube el listón presupuestario y prevé para 2023 casi 400 millones para transformación digital]

Este ranking internacional destaca además la labor formativa de la UPM en áreas  como Ciencia de Materiales y Matemáticas, Ciencias Ambientales, Ingeniería Química, Ciencias Biológicas, Ciencias Sociales y Dirección de Empresas y Química.

Para el vicerrector Calidad y Eficiencia de la Universidad Politécnica de Madrid, Alberto Garrido, "la UPM se ha consolidado como una de las mejores universidades del mundo en Ingeniería y Tecnología, alcanzando la mejor puntuación en su historia".

Y ahora es necesario analizar el porqué. Parte del éxito de la UPM ha sido, según el vicerrector, "la creciente participación en redes internacionales de investigación o International Research Networks, con centros de reconocido prestigio internacional, tanto en Europa como en Asia y las Américas".

[Madrid planea una red de mentores para un ecosistema innovador que no quiere "caer en la autocomplacencia"]

Campos como el de la mecatrónica, la movilidad 5G e incluso el agrotech, son paradigmáticos del buen momento de la UPM.

Mano robótica

En el campo de la mecatrónica, recientemente se ha presentado ManoPla, una mano robótica cuya finalidad es la comunicación gestual. Ha sido ideada y desarrollada por investigadores del Centro de Automática y Robótica (CAR), un centro mixto de investigación de la UPM y el CSIC.

Su diseño es natural, autocontenido y de bajo peso y, con este objetivo, se han adoptado soluciones imaginativas y originales en su desarrollo.

ManoPla permitirá a robots guía o de asistencia transmitir, de forma más natural, énfasis, sentimientos y emociones, enriqueciendo de esta forma la comunicación humano-robot.

El proyecto es un prototipo funcional con 17 articulaciones controlables más cuatro pasivas. Las cuatro articulaciones de los dedos son actuadas por medio de tres motores. El pulgar, por su singularidad, controla las cuatro articulaciones con las que se ha modelado.

Recreación de la mano del proyecto ManoPla.

Además, la palma puede combarse, logrando emular de una forma excepcional la morfología humana y sus movimientos naturalmente.

Dado que ManoPla es totalmente autocontenida, tanto por los sistemas de actuación como por el control –cuenta con su propio microcontrolador para regular todos los movimientos y medir y servir la información− el problema físico más relevante que se ha dado es la limitación del espacio.

Desde la UPM explican que todas estas soluciones hacen que la mano sea un proyecto de ingeniería "minucioso con identidad propia, que ha buscado constantemente soluciones alternativas  a problemas difícilmente resolubles".

El diseño software ha sido estudiado en detalle para lograr un control absoluto en la mano robótica. Gracias a la programación del microcontrolador a bajo nivel se han podido optimizar los ciclos de ejecución y se han controlado las frecuencias de procesamiento de cada uno de los elementos.

Movilidad 5G

Otro de los ejemplos lo encontramos en el campo de la movilidad relacionada con la tecnología 5G. Los XVI Premios COITT Futuro de las Telecomunicaciones, celebrados hace unos días, han reconocido este año el talento de una alumna de la Escuela Técnica Superior de Ingeniería y Sistemas de Telecomunicación (ETSIST) de la UPM, María de los Ángeles López, quien se alzó con el tercer premio en la categoría Ingeniería en Sistemas de Telecomunicación, por su proyecto 'Positioning System of high-speed trains using 5G networks'.

El incremento de la seguridad ferroviaria es uno de los objetivos de esta iniciativa, que consiste en el estudio y simulación de un sistema de posicionamiento de trenes de alta velocidad utilizando la tecnología 5G como alternativa de los actuales sistemas (Eurobalizas, odometría, GNSS y GSM-R) que forman parte del Sistema Europeo de Control de Trenes (ETCS) y que controlan el posicionamiento de los trenes en Europa.

En concreto, se ha diseñado y simulado una arquitectura de red 5G para líneas de alta velocidad operando en la banda n258 a una frecuencia portadora de 26 GHz, sobre la cual se ha implementado un servicio de posicionamiento.

"Proponer el uso de la tecnología milimétrica 5G como base para el desarrollo futuro de un sistema de posicionamiento en un entorno hostil como es el ferroviario podría aumentar la seguridad en el transporte ferroviario, permitiendo una mayor precisión a la hora de localizar los trenes a lo largo de su recorrido, además de proporcionar una mayor capacidad de respuesta ante posibles situaciones de emergencia", explica la alumna.

La alumna de la Escuela Técnica Superior de Ingeniería y Sistemas de Telecomunicación (ETSIST) de la Universidad Politécnica de Madrid, María de los Ángeles López.

"Si nos centramos en el contexto europeo donde se usan diversos sistemas para posicionar el tren, el uso del 5G se traduciría en el despliegue de una única red independiente a los operadores ferroviarios, lo que da lugar a una mayor rapidez y facilidad de despliegue de servicios, un menor coste de instalación y mantenimiento de la infraestructura", añade.

En base a su proyecto, López apunta que el uso de tecnología 5G en el posicionamiento de trenes de alta velocidad no sólo puede mejorar la seguridad y eficiencia del transporte ferroviario, sino que también puede tener un impacto positivo en la economía.

Agrotech

Por último, también en el campo de la tecnología aplicada al mundo agrario y forestal demuestra su buen momento la UPM con proyectos como una app que permite identificar maderas a través del móvil con la ayuda de inteligencia artificial para facilitar el control del comercio en este sector.

El trabajo del Grupo Operativo Identificación de Maderas e Inteligencia Artificial (GO IMAI) de la UPM, la Universidad de Granada y la Asociación Española del Comercio e Industria de la Madera (AEIM) ha llegado a su fin con la presentación de esta herramienta que persigue mejorar la regulación y el control de comercio ilegal de madera gracias a la IA.

El proyecto tiene su origen en la necesidad por parte de los agentes de aduanas, inspectores de la Administración y los cuerpos y fuerzas de seguridad del Estado, en especial el Servicio de Protección de la Naturaleza (SEPRONA) de la Guardia Civil, de disponer de una herramienta que permita establecer una alerta temprana ante aquellos cargamentos sospechosos de madera procedente de comercio ilegal.

Los resultados son el fruto de casi dos años de trabajo conjunto y la experiencia de investigadores en los campos de anatomía de la madera e inteligencia artificial. GO IMAI ha desarrollado una solución tecnológica inteligente que en cuestión de segundos y a partir de una fotografía tomada con una lente de aumento acoplada a un teléfono móvil, reconoce con un elevado índice de acierto una especie de madera. Durante el proceso, el equipo de trabajo ha documentado y fotografiado 400 especies de madera, desde varias cámaras de móvil y lentes de aumento, determinando la configuración de mayor información útil.

A continuación, se ha procedido a analizar el dominio del problema y se ha propuesto una metodología que optimice el preprocesamiento de calidad de las imágenes macroscópicas de la madera, que son tomadas para el entrenamiento del sistema inteligente de clasificación tras procesos de segmentación y aumentado de datos.

Posteriormente, se ha optimizado el modelo basado en redes neuronales artificiales profundas o deep learning para permitir su ejecución en el propio dispositivo durante la clasificación a partir de una imagen de la muestra, sin recurrir a la computación en la nube, ahorrando así los costes de comunicación con servidores.