Alberto Castillo realizó su TFG sobre algoritmos de control de drones en el Instituto ai2 en el año 2014. Desde entonces, su carrera ha sido meteórica: compaginó el Máster en Ingeniería Industrial de la UPV con su trabajo en los laboratorios del ai2. Luego, tras realizar su tesis doctoral con una beca FPU, fundó su propia empresa de servicios de visión artificial, Kimera Technologies. Este mes se ha embarcado en un nuevo reto: dos años de estancia en la Universidad de Virginia (USA) para trabajar en un proyecto de diseño de un páncreas artificial. Castillo nos cuenta en esta entrevista su experiencia en el ai2 y nos detalla cómo ha influido en su posterior trayectoria profesional.

Háblanos de tu paso por el Instituto ai2 y los proyectos en control de drones en los que estuviste participando allí.

El instituto ai2 puede decirse que fue mi cuna como investigador. Entré en contacto con él por primera vez con unos 22 años, cuando Pedro García, mi tutor de TFG en aquella época, y que posteriormente se convertiría en mi director de tesis, me introdujo en uno de sus laboratorios. Desde el primer momento supe que me gustaría. Empecé haciendo mi TFG allí sobre algoritmos de control de drones en 2014. Después, durante 2014-2016, compaginé el máster en Ingeniería Industrial con varios contratos como técnico de laboratorio para, finalmente en 2016-2020, hacer la tesis doctoral con un proyecto propio financiado bajo una beca FPU.

Sin duda, fue una época de aprendizaje intenso. En el laboratorio, construíamos drones prácticamente desde cero cuando éstos apenas se habían comercializado. Desde sus placas electrónicas, sus sensores y sus protocolos de comunicación internos; para después programar directamente algoritmos de control en sus microcontroladores. Buscábamos mejorar el comportamiento del dron en entornos difíciles, diseñando algoritmos que fuesen capaces de detectar y compensar perturbaciones aleatorias, como viento o cargas variables. Fue gratificante estar ahí en el momento inicial. Ahora, este tipo de algoritmos se han convertido casi en un estándar en la industria de pilotos automáticos para drones.

El paso por el ai2 me hizo comprender el poder que tienen las matemáticas y la electrónica digital en el mundo actual. ¡Una simple fórmula podía cambiar de forma radical el comportamiento del dron cuando volaba! Simplemente tenías que diseñarla bien y programarla en su CPU. Me di cuenta de que esto es algo que tiene muchísimo potencial en la sociedad actual y de lo que creo que aún no hemos visto ni la punta del iceberg.

Hace aproximadamente un año que diste un gran salto convirtiéndote en cofundador de Kimera Technologies. Cuéntanos qué servicios ofrece la firma y cómo fue el salto de los laboratorios al mundo empresarial.

Somos una StartUp con vínculos cercanos a la universidad que busca llevar a las pequeñas y medianas empresas los avances que están dándose en Inteligencia Artificial (IA) y visión por computador.

En Kimera somos en total seis personas a fecha actual. Aunque, si todo va bien, esta cifra se va a multiplicar por dos a lo largo de este año. Entre los miembros, hay tres doctores universitarios y tres personas con alta especialización en finanzas, marqueting, legal y gestión de equipos.

Buscamos llevar los últimos avances en investigación en “Computer Vision” a pequeñas y medianas empresas que no dispongan de los conocimientos suficientes como para poder implementarlos. Comercializamos desde etiquetadores de fotos automáticos hasta algoritmos de búsqueda de fotos por texto, de búsqueda en vídeos, de búsqueda por imagen (Visual Search) y muchos mas que aún están por llegar.

Este tipo de software tiene una alta demanda en sectores como el de la moda, en “market-places”, plataformas de internet o incluso a nivel particular. A largo plazo, queremos jugar un papel activo en el desarrollo de la AI y del “Computer Vision” a nivel nacional e internacional.

Sin duda, es un proyecto donde la investigación está en un primer plano y los métodos de trabajo no son muy dispares a los que te puedas encontrar en cualquier laboratorio. Pero también hay cosas diferentes que no se ve tanto en la universidad. Por ejemplo, hacemos frente a problemas complejos de programación web, “cloud-computing”, programación de servidores y de gestión de recursos.

Paralelamente a tu trabajo en Kimera, has continuado con tu labor investigadora, ahora con una estancia en USA. El proyecto en el que estás trabajando allí es muy diferente a lo que has hecho hasta ahora, ya que aúna tecnología y salud. Háblanos de él, de los retos que persigue y de cuál es tu papel en el marco del mismo.

Justo hace un mes que me trasladé a la Universidad de Virginia, en EEUU. Voy a estar aquí durante dos años para trabajar en el proyecto del Páncreas Artificial en un centro de esta universidad (el “Center for Diabetes Technology”). Me han sorprendido positivamente porque es un grupo muy fuerte, les precede la fama de líderes mundiales en este ámbito y, ahora que los estoy conociendo más a fondo, creo que se la tienen bien ganada.

El proyecto, llamado “RocketAP”, pretende comercializar la segunda generación de dispositivos de Páncreas Artificial que existe en el mercado, donde una de sus principales mejoras es eliminar los anunciamientos previos de comida por parte del paciente. Actualmente, los sistemas de páncreas artificial requieren que el paciente le comunique al algoritmo de control cuándo va a comer y qué cantidad de carbohidratos va a ingerir. Esto supone una fuerte desventaja que frecuentemente induce a errores humanos. Los pacientes cometen errores en el cálculo de comidas y frecuentemente se olvidan de avisar al sistema de que van a comer. Con esta segunda generación de dispositivos, sería el propio controlador el que automáticamente detectase cuándo el paciente está comiendo y automáticamente le inyectase un bolo de insulina para prevenir la hiperglucemia postpandrial.

Yo estoy colaborando con el grupo en el diseño de estos algoritmos para identificar cuándo el paciente está comiendo y para decidir cuánta insulina es apropiado inyectarle. Es un problema multidisciplinar, donde las técnicas de control por realimentación clásicas se entrelazan con las metodologías más recientes de observación de perturbaciones, así como con los enfoques nuevos de “machine learning” e identificación de modelos en base a históricos de datos.

¿Qué aportará al proyecto el estudio clínico que se está llevando a cabo ahora mismo?

Ahora mismo se está llevando a cabo un estudio clínico donde están testeando el comportamiento de algunos de estos algoritmos en pacientes reales. Concretamente, una de las mejoras que el grupo esta contemplando es que el sistema aprenda en promedio las horas y el tipo de comida que las personas ingieren para poder anticiparse y mejorar el comportamiento del control. Están extrayendo datos de pacientes reales para testear el comportamiento del sistema y realizar mejoras futuras.