Líneas de investigación y proyectos
IA aplicada al sector AEC: captura 3D, gemelos digitales y optimización energética.
Mi investigación en TECNALIA aplica la ciencia de datos y la inteligencia artificial al sector AEC (arquitectura, ingeniería y construcción): de la captura 3D en tiempo real para BIM a los gemelos digitales y la optimización energética.
Scan-to-BIM y captura 3D en tiempo real
Los métodos scan-to-BIM con láser o fotogrametría requieren hardware especializado y procesado offline. Con Fast-Asset desarrollamos un marco en tiempo real y en obra que combina captura en realidad mixta, detección basada en aprendizaje y reconstrucción 3D incremental para generar nubes de puntos de pequeños elementos MEP listas para BIM.
Contribuciones y aspectos destacados:
- Captura en realidad mixta con HoloLens 2, detección de objetos con deep learning (YOLOv7) y reconstrucción 3D incremental (Open3D).
- Tiempo de captura a modelo de 3 a 10 veces menor que con escáner láser o fotogrametría, con rugosidad superficial comparable.
- Feedback visual inmediato para validar y recapturar en el propio sitio.
- Evolución web en el móvil con WebXR.
Gemelos digitales e IA en construcción (AEC)
Aplicación de la inteligencia artificial al ciclo de vida del edificio, con BIM/IFC y gemelos digitales como base. Mi trabajo parte de la ciencia de datos y la analítica para el sector de la arquitectura, la ingeniería y la construcción.
Contribuciones y aspectos destacados:
- Actualización de activos pequeños en el mantenimiento de gemelos digitales (Fast-Asset).
- Presentación Transforming Construction with Digital Twins and AI en AI in AEC 2024 (marzo de 2024), junto a Sarah Noyé.
- Día a día en TECNALIA (Digital Construction): VR/AR, detección de objetos en tiempo real, algoritmos evolutivos, series temporales y prácticas MLOps para todo el equipo.
Optimización y control energético
Control predictivo basado en modelo (MPC) con algoritmos evolutivos para sistemas combinados de almacenamiento eléctrico y térmico, sobre una base de investigación operativa.
Contribuciones y aspectos destacados:
- MPC sobre un modelo matemático generalizado para almacenamiento eléctrico y térmico, con un método para incorporar restricciones físicas.
- Comparación de tres algoritmos evolutivos: el Algoritmo Genético logra el mayor ahorro en la factura energética, con un ahorro medio diario del 38,7 %.
- Publicado en las actas de EC³ 2024 (pp. 703–710).