XIII ValgrAI Matinal de Investigación
ValgrAI se complace en anunciar la decimotercera edición de los «ValgrAI Matinales de Investigación» el próximo 13 de diciembre a las 9am, manteniendo su compromiso de proporcionar un espacio para el intercambio y la discusión sobre las últimas innovaciones en el campo de la inteligencia artificial. Este evento se llevará a cabo de forma virtual a través de Teams, ofreciendo una excelente oportunidad para que investigadores, académicos y profesionales conecten y exploren las nuevas tendencias y desarrollos en IA.
Invitamos a todas las personas interesadas en la tecnología de vanguardia a participar en este matinal, donde se expondrán dos investigaciones revolucionarias realizadas por destacados académicos. Esta sesión virtual será una ocasión única para aprender cómo la inteligencia artificial está transformando sectores clave y abriendo nuevas posibilidades.
Ponencias del XIII ValgrAI Matinal de Investigación:
Shifting the software testing paradigm: From creating scripts towards instructing intelligent agents
Ponente: Fernando Pastor Ricós, Personal técnico de investigación en la Universitat Politècnica de València (UPV)
TESTAR is a scriptless software testing automation tool that uses accessibility APIs and frameworks to connect and test desktop, web, mobile, and eXtended Reality (XR) video game applications at the system-GUI level. Over the past decade, the TESTAR team has proven to be a valuable complement to the manual and scripted testing solutions widely used in the industry.
Nowadays, with advancements in Large Language Models (LLMs) and other AI technologies, the TESTAR team aims to transcend its role as a complementary tool. The future vision being researched in the AUTOLINK project is to shift the software testing paradigm, moving from creating test scripts to instructing intelligent agents capable of autonomously testing industrial requirements and user stories that currently depend on manual and scripted solutions.
Evaluación de posturas de equilibrio de la batería corta de rendimiento físico mediante cámaras de dispositivos móviles
Ponente: Arturo Gascó
El envejecimiento de la población presenta retos significativos para los sistemas sanitarios mundiales, en particular en la gestión de la fragilidad. Esta tesis explora la digitalización de las pruebas de equilibrio de la Short Physical Performance Battery (SPPB) utilizando modelos de aprendizaje profundo integrados en una aplicación móvil. Aprovechando la accesibilidad de las cámaras RGB en los dispositivos móviles, el estudio evalúa el rendimiento de varios modelos, incluyendo CNNs personalizadas, ResNet50, VGG16, MobileNetV3Small, Vision Transformers, y YOLOv8, en la clasificación de posturas de equilibrio. Los resultados indican que YOLOv8, en particular sus versiones ligeras, ofrece un equilibrio óptimo entre precisión y velocidad, lo que lo hace adecuado para su implementación en tiempo real en plataformas móviles. Los procesos de aumento de datos y segmentación manual fueron esenciales para entrenar modelos robustos, a pesar del limitado conjunto de datos. El estudio concluye que este enfoque no sólo proporciona una herramienta accesible para la evaluación de la fragilidad, sino que también pone de relieve la necesidad de una mayor optimización y ampliación de datos para una aplicabilidad más amplia en entornos del mundo real.
