Proyectos

Este proyecto busca conectar al ecosistema de la ciencia y tecnología con las fortalezas y necesidades de la sociedad enmarcado en el territorio de la Macrozona Centro Sur, que abarca las regiones del Libertador Bernando O’Higgins, del Maule, de Ñuble y del BioBío. Se han analizado siete dimensiones relevantes para el desarrollo de la Ciencia como son la infraestructura, el equipamiento disponible, el capital humano, la investigación, la innovación y emprendimiento, los laboratorios naturales y el sector productivo. Desde este análisis han emergido las áreas OECD de la Agricultura, la Ingeniería, la Educación y la Salud con potenciales de crecimiento y mayor impacto en sus habitantes. Los objetivos específicos son: 1) Implementar un modelo de gobernanza de acuerdo a los desafíos y oportunidades identificadas y que permita mejorar la competitividad de Universidades, Centros de Investigación, y otras organizaciones representativas del ámbito público y privado; 2) Fortalecer competencias en innovación abierta, complejidad de innovación y ciencia abierta en el ecosistema de ciencia y tecnología, para analizar desafíos y oportunidades de la macrozona en un lenguaje común; 3) Implementar métodos y mejores prácticas de Ciencia abierta para su aplicación en el ecosistema de ciencia y tecnología de la macrozona en el desarrollo de hipótesis robustas y conectados con sus capacidades y ventajas territoriales. Para realizar esta tarea se creará un comité de coordinación de la macrozona con la participación de la SEREMI de CTCI que convocará a académicos de disciplinas múltiples en concordancia con mesas temáticas transversales y específicas, en conjunto con el sector público y privado, grupo que denominaremos el ecosistema de ciencia y tecnología bajo el paradigma de ciencia abierta (eCTCI-CA), para co-crear un modelo de Ciencia abierta aplicado a la discusión de iniciativas las temáticas específicas propuestas: 1) Creación de modelos asociativos para el capital creativo, 2) Estructuras de convergencias de servicios territoriales, 3) Incorporación de nuevos modelos educativos, 4) Implementación de datos abiertos para el desarrollo de hipótesis, 5) Desarrollo de agricultura de nueva generación, 6) Inclusión de ruralidad sustentable, 7) Adaptación al cambio climático, 8) Desarrollo de Bioeconomía sostenible, 9) Implementado manufactura avanzada y nanomateriales, 9) Prevención y resiliencia del desastre, 10) Conectando investigación básica con la clínica aplicada a la salud pública. Durante la ejecución del proyecto por 2 años el eCTCI-CA será guiado en actividades de creación de confianza y de competencias en el desarrollo de proyectos utilizando metodologías de ciencia abierta, innovación abierta y ágiles. Colaborando en equipos multidisciplinarios con actores claves del sector público y privado para fortalecer la vinculación de las preguntas de investigación con el territorio y la sociedad componente. El impacto esperado de este proyecto es fortalecer la vinculación de las preguntas científicas con su territorio y sociedad, generar hipótesis y conocimiento desde equipos multidisciplinarios y colaborativos, y de manera recíproca conectar las políticas públicas con los requerimientos de eCTCI-CA bajo un paradigma de Ciencia Abierta. Para mantener la sustentabilidad en el tiempo de la iniciativa se propone la creación de una gobernanza con responsabilidades y liderazgo compartidos entre los asociados al proyecto y la creación de un modelo de transferencia de conocimiento al sistema público y privado.

aaaa

The field of remote sensing is experiencing an unprecedented acceleration. Besides the large public programs such as Sentinel (see e.g. https://sentinel.esa.int/web/sentinel/missions/sentinel-2), private actors are creating fleets of micro-satellites capable of monitoring of the earth with daily revisits. This abundant and cheap data is creating opportunities for developing novel applications for the monitoring of industrial and agricultural activity. The automatic exploitation of this data is bound to specific application domain knowledge, which requires a mastery of advanced techniques such as computer vision and machine learning, as well as expert knowledge in the field of agriculture. To do this, the team must master earth observation satellites, be able to define the adequate mathematical detection theories, and build on a deep knowledge of satellite image processing, while also including expert knowledge in agriculture. This project aims at uniting competences across the fields of computer vision and machine learning, remote sensing to address emerging applications in agronomy. This project will in addition foster the creation of reproducible research by adopting a reproducible research methodology thus contributing the resulting algorithms to the journal Image Processing On-Line (IPOL). The IPOL journal is an initiative to establish a clear and reproducible state-of-the-art in the domain of image processing and computer vision.

The field of remote sensing is experiencing an unprecedented acceleration. Besides the large public programs such as Sentinel (see e.g. https://sentinel.esa.int/web/sentinel/missions/sentinel-2), private actors are creating fleets of micro-satellites capable of monitoring of the earth with daily revisits. This abundant and cheap data is creating opportunities for developing novel applications for the monitoring of industrial and agricultural activity. The automatic exploitation of this data is bound to specific application domain knowledge, which requires a mastery of advanced techniques such as computer vision and machine learning, as well as expert knowledge in the field of agriculture. To do this, the team must master earth observation satellites, be able to define the adequate mathematical detection theories, and build on a deep knowledge of satellite image processing, while also including expert knowledge in agriculture. This project aims at uniting competences across the fields of computer vision and machine learning, remote sensing to address emerging applications in agronomy. This project will in addition foster the creation of reproducible research by adopting a reproducible research methodology thus contributing the resulting algorithms to the journal Image Processing On-Line (IPOL). The IPOL journal is an initiative to establish a clear and reproducible state-of-the-art in the domain of image processing and computer vision.

Los laboratorios de fabricación digital son espacios que cuentan con maquinaria y personal capacitado para facilitar el diseño y desarrollo de prototipos y para promover la innovación en productos, procesos y servicios. Se conciben como laboratorios que facilitan herramientas de fabricación avanzada y capacidades a la comunidad en general, pudiendo ser más enfocados a emprendedores, empresas e institutos de investigación. Una característica común es que sirven como plataforma para estimular el aprendizaje y la invención en la comunidad. Las máquinas y capacidades técnicas instaladas en estos laboratorios brindan la oportunidad de encontrar soluciones innovadoras a problemas comunes y ser incubadores de microemprendimientos que resuelvan problemas de forma innovadora y sustentable. El primer laboratorio de fabricación digital, junto con el concepto FabLab, aparece en el MIT (Massachussets Institute of Technology, Estados Unidos) en el año 2000. Actualmente, existe una red mundial de alrededor de 3000 FabLabs distribuidos en 5 continentes. En Chile se pueden encontrar 17 de estos laboratorios, la mayoría de ellos concentrados en la Región Metropolitana; 2 en la Región del Maule y ninguno en la Región de O’Higgins. La ausencia de un laboratorio regional está en concordancia con estadísticas del año 2016 que reportan apenas 118 m2 de espacios dedicados a innovación en la Región de O’Higgins frente a 27 936 m2 en la Región Metropolitana. En ese contexto, la Región de O’Higgins es la segunda región con menor superficie dedicada a innovación. La instalación de un laboratorio de fabricación digital en la Región de O’Higgins se identifica como una gran oportunidad para promover la innovación, brindando acceso a equipos y a capacitaciones sobre herramientas de fabricación avanzada a industrias y emprendedores regionales.

Los laboratorios de fabricación digital son espacios que cuentan con maquinaria y personal capacitado para facilitar el diseño y desarrollo de prototipos y para promover la innovación en productos, procesos y servicios. Se conciben como laboratorios que facilitan herramientas de fabricación avanzada y capacidades a la comunidad en general, pudiendo ser más enfocados a emprendedores, empresas e institutos de investigación. Una característica común es que sirven como plataforma para estimular el aprendizaje y la invención en la comunidad. Las máquinas y capacidades técnicas instaladas en estos laboratorios brindan la oportunidad de encontrar soluciones innovadoras a problemas comunes y ser incubadores de microemprendimientos que resuelvan problemas de forma innovadora y sustentable. El primer laboratorio de fabricación digital, junto con el concepto FabLab, aparece en el MIT (Massachussets Institute of Technology, Estados Unidos) en el año 2000. Actualmente, existe una red mundial de alrededor de 3000 FabLabs distribuidos en 5 continentes. En Chile se pueden encontrar 17 de estos laboratorios, la mayoría de ellos concentrados en la Región Metropolitana; 2 en la Región del Maule y ninguno en la Región de O’Higgins. La ausencia de un laboratorio regional está en concordancia con estadísticas del año 2016 que reportan apenas 118 m2 de espacios dedicados a innovación en la Región de O’Higgins frente a 27 936 m2 en la Región Metropolitana. En ese contexto, la Región de O’Higgins es la segunda región con menor superficie dedicada a innovación. La instalación de un laboratorio de fabricación digital en la Región de O’Higgins se identifica como una gran oportunidad para promover la innovación, brindando acceso a equipos y a capacitaciones sobre herramientas de fabricación avanzada a industrias y emprendedores regionales.

The field of remote sensing is experiencing an unprecedented acceleration. Besides the large public programs such as Sentinel (see e.g. https://sentinel.esa.int/web/sentinel/missions/sentinel-2), private actors are creating fleets of micro-satellites capable of monitoring of the earth with daily revisits. This abundant and cheap data is creating opportunities for developing novel applications for the monitoring of industrial and agricultural activity. The automatic exploitation of this data is bound to specific application domain knowledge, which requires a mastery of advanced techniques such as computer vision and machine learning, as well as expert knowledge in the field of agriculture. To do this, the team must master earth observation satellites, be able to define the adequate mathematical detection theories, and build on a deep knowledge of satellite image processing, while also including expert knowledge in agriculture. This project aims at uniting competences across the fields of computer vision and machine learning, remote sensing to address emerging applications in agronomy. This project will in addition foster the creation of reproducible research by adopting a reproducible research methodology thus contributing the resulting algorithms to the journal Image Processing On-Line (IPOL). The IPOL journal is an initiative to establish a clear and reproducible state-of-the-art in the domain of image processing and computer vision.

Investigación básica en problemas de optimización estocástica.

Investigación básica en problemas de optimización estocástica.

The field of remote sensing is experiencing an unprecedented acceleration. Besides the large public programs such as Sentinel (see e.g. https://sentinel.esa.int/web/sentinel/missions/sentinel-2), private actors are creating fleets of micro-satellites capable of monitoring of the earth with daily revisits. This abundant and cheap data is creating opportunities for developing novel applications for the monitoring of industrial and agricultural activity. The automatic exploitation of this data is bound to specific application domain knowledge, which requires a mastery of advanced techniques such as computer vision and machine learning, as well as expert knowledge in the field of agriculture. To do this, the team must master earth observation satellites, be able to define the adequate mathematical detection theories, and build on a deep knowledge of satellite image processing, while also including expert knowledge in agriculture. This project aims at uniting competences across the fields of computer vision and machine learning, remote sensing to address emerging applications in agronomy. This project will in addition foster the creation of reproducible research by adopting a reproducible research methodology thus contributing the resulting algorithms to the journal Image Processing On-Line (IPOL). The IPOL journal is an initiative to establish a clear and reproducible state-of-the-art in the domain of image processing and computer vision.