Los vehículos autónomos se están implantando en múltiples áreas tanto industriales y de transporte como de ocio. Muchas de las operaciones que desarrollan se basan en una importante sensorización y algoritmos de IA. Sin embargo, para un funcionamiento y diseño adecuado es fundamental que el modelado e identificación de estos vehículos sea lo más preciso posible. Habitualmente dicho modelado se ha basado en los principios físicos que rigen el comportamiento de los vehículos, pero con la llegada de nuevos enfoques y algoritmos basados en inteligencia artificial, las posibilidades y alternativas de modelado e identificación han dado un vuelco posibilitando el uso de modelos híbridos y modelos basados en datos capaces de mejorar modelos anteriores y que proporcionan un nuevo abanico de posibilidades y aplicaciones.

Se analiza desde una perspectiva crítica la potencial  contribución de las tecnologías inteligentes a la satisfacción de los Objetivos de Desarrollo Sostenible de Naciones Unidas, y se presentan herramientas, metodologías y técnicas de soporte al desarrollo de aplicaciones coherentes con este propósito

En esta presentación se realizará un recorrido por la evolución de los sistemas de traducción automática, desde los primeros sistemas basados en reglas, pasando por los sistemas estadísticos, hasta llegar a los modernos modelos neuronales de aprendizaje profundo. Se explorarán las características más significativas de cada aproximación, sus ventajas e inconvenientes y sus implementaciones más conocidas. Finalmente, se analizarán los desafíos actuales a los que se enfrenta el campo de la traducción automática, como la utilización del discurso como contexto ampliado, la traducción en idiomas con pocos recursos o la traducción multimodal, entre otros.

Una introducción a los algoritmos evolutivos, junto con una descripción de diferentes aplicaciones de dichos algoritmos llevadas a cabo en el grupo de investigación SIMDA.