AIR4S (Artificial Intelligence and Robotics for Sustainable Development Goals)
AIR4S (Artificial Intelligence and Robotics for Sustainable Development Goals) es un Centro de Innovación Digital (DIH) que opera en la Comunidad de Madrid (CM) y está coordinado por la Universidad Politécnica de Madrid (UPM). El DIH ha sido reconocido como uno de los 30 DIH más relevantes en el ámbito de la Inteligencia Artificial que forman la red de AI DIH Network desde marzo de 2019 y se ha convertido en ventanilla única de la Comunidad de Madrid para tener acceso a recursos e infraestructuras a las que las PYMEs y startups tienen difícil acceso, ya sea por tiempo o por recursos.
El DIH madrileño ofrece provisión de servicios a empresas (especialmente pymes, que conforman más del 90% del tejido industrial madrileño) y a la Administración Pública para soporte y mejora de sus negocios o procesos mediante el uso e integración de la Inteligencia Artificial y la Robótica.
Su misión está alineada con los Objetivos de Desarrollo Sostenible (ODS) definidos por las Naciones Unidas, buscando un compromiso entre el cumplimiento de los códigos sociales, legales, económicos y éticos alrededor de las tecnologías mencionadas y el impulso y crecimiento de las organizaciones de una manera sostenible, tratando de repercutir su inversión en un beneficio general hacia el bien social y el ciudadano.
Un proyecto en un “ecosistema complejo”
El proyecto se enmarca en un ecosistema complejo con muchas y muy diversas partes interesadas. De hecho, estamos ante un consorcio de siete socios estratégicos coordinados por la UPM que deben llegar a un consenso en cada actuación a seguir. Por otro lado, nos movemos en el ámbito regional de la Comunidad de Madrid, en el que se busca ese impulso en la tecnología de IA y Robótica en un tejido industrial en el que la gran mayoría son PYMEs, Startups o emprendedores que, por sus características y falta de recursos, tiempo y conocimientos, necesitan un impulso en su camino a la digitalización.
Y, por último, formamos parte del ámbito europeo, que tiene entre sus objetivos escalar puestos en el ranking de esta área de conocimiento para ponerse a la altura de grandes potencias como EEUU y China. También formamos parte de la Red de DIHs que se coordinan y cooperan para lograr el progreso digital en los países miembros.
Así vemos que este proceso innovador tiene detrás muy diversos intereses que surgen de todos los ámbitos: interno, regional, nacional y europeo. Por esta razón, es muy importante dar prioridad a la coordinación entre todas las partes, la participación activa en las diferentes redes que han surgido en pro de la digitalización y construir y mantener redes de relaciones con el fin de construir un mapa consolidado de DIHs y entidades que trabajan por un mismo fin.
Desafíos en la gestión del proyecto
Es evidente que en este proyecto confluyen de una manera muy visible todos los elementos de Competencias IPMA, aunque unos con mayor fuerza e importancia que otros dadas sus características específicas.
Debido a la complejidad del proyecto desarrollar un sistema de gobernanza eficaz sustentada en las decisiones e intereses de los siete socios fundadores; construir una estructura sólida a la par que dinámica que responda a las diferentes necesidades estratégicas de todos los socios del consocio y de los dos niveles en los que se enmarca el ámbito en el que nos movemos; y llevar a cabo procesos realistas que se adapten a las diferentes situaciones a las que se enfrenta se vuelve todo un reto. Por un lado, intentamos responder a muy diferentes necesidades regionales relacionadas con la robótica y con la Inteligencia Artificial, pero que se enmarcan en muy diversos sectores. Debemos dar soluciones al desarrollo de la IA y la Robótica en la PYME de la Comunidad de Madrid independientemente del sector al que pertenezcan las mismas, además de prestar servicios que respondan a las necesidades de la Administración Pública. Evidentemente, aunque, la Comisión Europea no lo contemple, los servicios del DIH también están a disposición de medianas y grandes empresas. Nuestro objetivo general es contribuir a la aceleración de la implantación de tecnologías basadas en la IA y la robótica en todos los ámbitos a través de una serie de servicios que incluyen ensayo y experimentación tecnológica, formación, apoyo a la búsqueda de fuentes de financiación y apoyo al ecosistema de innovación y acceso a redes.
En este sentido, nos vemos obligados a trabajar a dos velocidades y en dos entornos en los que existen diferentes estándares y regulaciones, pero con la obligación de integrar ambos en unos objetivos comunes alcanzando los objetivos regionales que exige Europa y ayudando a otros DIHs menos desarrollados compartiendo nuestro how know y casos de éxito, a la vez que contribuimos a crear una red de cooperación internacional que ayude a Europa a escalar puestos en el campo del desarrollo de la Inteligencia Artificial y la Robótica. Finalmente, también debemos adaptarnos al marco europeo y las necesidades y exigencias de las redes internacionales que trabajan en un desarrollo ético, con integridad personal y centrado en las personas de la IA y la robótica. El DIH cuenta con siete socios fundadores coordinados por la Universidad Politécnica de Madrid (Cámara de Comercio de Madrid, Ayuntamiento de Madrid, ACCENTURE, ESCP EUROPE Business School, CSIC, Funding Box) y una entidad colaboradora (Comunidad de Madrid), con lo que hay que trabajar en un sistema de comunicación y participación sólido y eficaz para mantener a todas las partes informadas, organizar las tareas de cada uno y llegar a decisiones consensuadas.
Las reuniones periódicas abiertas a la comunicación y debate para buscar el consenso entre los socios con el fin de avanzar en los objetivos y metas a alcanzar son clave para lograr una coordinación y cooperación que nos haga avanzar hacia adelante e impida que nos estanquemos en los puntos más complicados.
Asimismo, también cobra gran importancia los desafíos en la competencia de Cambio y transformación,para dar respuesta a este proceso de transformación digital de la economía y de la sociedad. Una de las dificultades a las que se enfrenta el DIH en este punto surge porque la Inteligencia Artificial y Robótica es campo transversal a todos los sectores productivos e industriales, con lo que se requiere un conocimiento especializado muy amplio de los principales sectores industriales de la región. Es más, esta rama se ha convertido en piedra angular de la transformación y el cambio.
El trabajo en equipo es otro gran desafío no sólo a nivel interno ya que el consorcio forma parte de diferentes redes tanto por al área de conocimiento que ocupa (IA y robótica), como por su situación geográfica. Asimismo, la autorreflexión y autogestión hay que tenerla muy en cuenta, ya que, una vez, todas las partes presentan sus opiniones, ideas y experiencias, se debe iniciar un proceso en el que se decida cuales se van a integrar en los procesos y estructuras del DIH, cuales no y por qué.
Lecciones Aprendidas
Durante el proyecto, una de las lecciones aprendidas más valiosas fue la de tener un profundo conocimiento del entorno de los sectores específicos más habituales entre los receptores de los servicios, de las partes interesadas y de los mismos clientes en sí para contribuir de forma eficaz y eficiente al desarrollo de las tecnologías basadas en robótica e IA adaptadas a las necesidades de cada parte y a la vez responder a los intereses de todas las partes interesadas. Algo muy complejo y difícil en un proyecto como el que nos ocupa. En este sentido, fue necesario coordinar a expertos, entidades, socios y clientes para conformar un extenso mapa que cubriera todo de forma coordinada y cooperativa.
Asimismo, aprendimos que es muy importante la coordinación entre expertos para lograr el avance eficiente del conjunto del proyecto. Por muy bien que cada uno haga su trabajo por su parte, sin una visión global es imposible avanzar con éxito hacia los objetivos fijados. También comprobamos que la motivación, la escucha activa y el reconocimiento del trabajo de cada uno beneficia a la participación activa de todas las partes.
Ejemplos de buenas prácticas
Dentro del sector de la salud se han desarrollado herramientas para integrar los datos de los ensayos clínicos entre la empresa Custodix y la UPM. En este proyecto en concreto, el Grupo de Informática Biomédica trabajó en diferentes tareas relacionadas con la integración de datos clínicos dentro de la plataforma InSite y la UPM contribuyó a la normalización de la información clínica de los hospitales de toda Europa, para el uso secundario en la investigación clínica.
Se ha avanzado en la robótica aplicada a los servicios médicos para el diseño y la evaluación de nuevos dispositivos que requieran la contribución de equipos multidisciplinares. Los investigadores en robótica son cruciales en la integración de las últimas tecnologías que permiten una mejor personalización del paciente y un mayor nivel de automatización. Las aplicaciones médicas centradas en la rehabilitación y la asistencia (diseño de dispositivos protésicos y ortopédicos) requieren continuamente la inclusión de nuevos avances en robótica, como sistemas de análisis de la marcha, exoesqueletos, interfaces robóticas naturales, interfaces humano-robóticas, procesamiento de neuroseñales, etc. Los ejemplos más relevantes de casos de éxito son las tres spin-offs relacionadas con el ámbito médico desarrolladas por investigadores de la UPM, que son:
- Marisi Bionics. Más de 20 años de conocimientos sobre locomoción robótica se han transferido a esta PYME, que ahora explota y lleva al mercado los resultados de la investigación sobre ayudas robóticas para la locomoción humana y la rehabilitación de la marcha. www.marsibionics.com
- Wearium Solutions. Especializada en tecnologías emergentes, ofrece grandes oportunidades para crear soluciones innovadoras, de bajo coste y fáciles de usar que sirvan de herramienta de apoyo al personal clínico o a cualquiera que necesite un sistema objetivo y fiable. www.weriumsolutions.com
- AURA Innovative Robotics. Centrada en soluciones robóticas médicas innovadoras y asequibles que son eficientes, sencillas y fáciles de usar para los médicos. Basada en conceptos de robótica e inteligencia artificial, AURA desarrolla novedosas tecnologías médica para el diagnóstico y el pronóstico de enfermedades neurodegenerativas. aurarobotix.com
En cuanto a agronomía e industria alimentaria, desde el Centro de Automática y Robótica del CSIC de la UPM se han desarrollado sistemas de monitorización de cultivos que se utilizan para la toma de decisiones como las aplicaciones de tasa variable en cultivos de alto valor, por ejemplo, los viñedos. Los implementos inteligentes para el control de precisión de plagas que tienen como objetivo la reducción de pesticidas y la mejora del rendimiento de la cosecha y la calidad del producto son igualmente necesarios en la cadena. Raimat (Codorniú) presentó novedosos sistemas basados en herramientas informáticas para la monitorización de cultivos en 2D y 3D.
La Sociedad Cooperativa “Tomates del Guadiana” pretende ser líder en tecnología e innovación para que sus productos puedan competir en nuevos mercados gracias a su alto nivel de calidad. Demandaban el uso de nuevos implementos para la gestión del cultivo y la gestión de la flota de tractores. Desde el Hub propusimos una solución innovadora basada en nuevos actuadores finales capaces de reducir los daños de la maquinaria durante la cosecha y el uso de modelos satelitales para el seguimiento de los cultivos y la programación de la cosecha. Estas herramientas han permitido competir en el mercado con los medios técnicos más novedosos e innovadores del sector. La correcta integración de las tecnologías TIC en las aplicaciones agrícolas supone un paso adelante en la digitalización de este ámbito, donde la aplicación de métodos de IA y sistemas robóticos aumentará significativamente el rendimiento de los cultivos.
Con respecto al sector de Smart Cities, Graffter es una PYME cuyo objetivo inicial era desarrollar una red social para la ciudad inteligente. Querían cambiar la forma en que las personas interactúan dentro de una red social utilizando la ciudad como elemento de apoyo. Necesitaban una tecnología avanzada de visión por ordenador y gráficos para ofrecer realidad aumentada en dispositivos móviles, acceso a financiación pública de I+D+i para apoyar el desarrollo, y formación y desarrollo de habilidades para su mano de obra. Tras la colaboración con la UPM, Graffter ha desarrollado una tecnología que permite el desarrollo de una estrategia B2C para utilizar las fachadas de los edificios como medio de publicidad y marketing digital. La Universidad Politécnica de Madrid apoyó a Graffter en proporcionar servicios de consultoría en visión por ordenador, acogió a la empresa en la incubadora de empresas de la UPM, reclutó personal cualificado entre los graduados de máster y doctorado de nuestras escuelas, asoció a la empresa en convocatorias de financiación pública competitiva con éxito, y proporcionó formación avanzada y desarrollo de habilidades al personal a través de sus programas de máster y doctorado en Inteligencia Artificial.
En cuanto a la navegación autónoma de vehículos y la movilidad multimodal, es un campo en continuo crecimiento debido a los avances en áreas como SLAM, sensores para entornos sin GPS, métodos compartidos hombre-máquina, arquitecturas de toma de decisiones, etc. Todas estas tecnologías permiten aumentar la autonomía de los vehículos y el análisis sin fisuras de la movilidad en otros modos de transporte. Los investigadores de la UPM han desarrollado numerosos proyectos de I+D+í que han contribuido en este campo. Algunos ejemplos de estos avances son:
- PRYSTINE, un proyecto europeo orientado a la industria en el contexto de la conducción autónoma, en el que la UPM ha desarrollado una arquitectura de toma de decisiones en caso de fallo que es capaz de identificar y habilitar automáticamente el nivel de automatización requerido y la intervención humana.
- Cogdrive, incorpora innovadoras capacidades cognitivas para mejorar la solidez de la navegación y la interacción.
- GASNATURAL, imágenes/vídeos adquiridos se procesan de forma autónoma para el reconocimiento y la detección de escenas mediante técnicas de Machine Learning en relación a inspección de calderas.
- Airbus, inspección de aviones dentro y fuera del hangar.
