La escalada indoor ha visto un auge en popularidad, pero la creación de nuevas rutas o problemas de escalada (route setting) sigue siendo un proceso mayoritariamente manual, costoso y dependiente de personal cualificado. Este Proyecto de Fin de Grado aborda este desafío mediante el desarrollo de VETTA, un sistema integral para la generación automática de problemas de escalada. Los objetivos principales del proyecto fueron: desarrollar un modelo de visión por computador para la detección precisa de presas en un muro, implementar un sistema de inteligencia artificial capaz de generar rutas coherentes y ajustadas a una dificultad específica, y encapsular la solución en una aplicación móvil Android intuitiva para el usuario final. La metodología empleada se basó en una arquitectura cliente-servidor. Para la detección de presas, se entrenó un modelo de aprendizaje profundo basado en la arquitectura Mask R-CNN, que realiza una segmentación de instancia sobre una imagen del muro para identificar la posición y forma de cada presa. Posteriormente, un segundo modelo de aprendizaje automático, entrenado con un conjunto de datos de problemas existentes, analiza las características espaciales de las presas detectadas para generar secuencias de movimientos que constituyen una nueva ruta de una dificultad determinada. La interacción con el sistema se realiza a través de una aplicación nativa para Android desarrollada en Kotlin, la cual se comunica con un backend programado en Python y Flask que aloja los modelos de IA. Como resultado, se ha obtenido un prototipo funcional del sistema VETTA. El modelo de detección de presas ha demostrado una alta precisión en la identificación de los agarres en diferentes condiciones de iluminación. El sistema de generación es capaz de producir problemas de búlder viables y correctamente categorizados por su dificultad (escala V). La aplicación móvil se integra satisfactoriamente con el backend, ofreciendo una experiencia de usuario fluida desde la captura de la imagen hasta la visualización de la ruta generada. La principal conclusión de este trabajo es que la aplicación de técnicas de visión por computador e inteligencia artificial es una solución viable y eficaz para automatizar y democratizar el proceso de route setting. El sistema VETTA no solo ofrece una herramienta para reducir costes y aumentar la variedad de rutas en los rocódromos, sino que también abre nuevas vías para el entrenamiento personalizado y la gamificación de la escalada. Este proyecto demuestra el potencial de la tecnología para enriquecer la experiencia deportiva de una manera accesible e innovadora.
La escalada indoor ha visto un auge en popularidad, pero la creación de nuevas rutas o problemas de escalada (route setting) sigue siendo un proceso mayoritariamente manual, costoso y dependiente de personal cualificado. Este Proyecto de Fin de Grado aborda este desafío mediante el desarrollo de VETTA, un sistema integral para la generación automática de problemas de escalada. Los objetivos principales del proyecto fueron: desarrollar un modelo de visión por computador para la detección precisa de presas en un muro, implementar un sistema de inteligencia artificial capaz de generar rutas coherentes y ajustadas a una dificultad específica, y encapsular la solución en una aplicación móvil Android intuitiva para el usuario final. La metodología empleada se basó en una arquitectura cliente-servidor. Para la detección de presas, se entrenó un modelo de aprendizaje profundo basado en la arquitectura Mask R-CNN, que realiza una segmentación de instancia sobre una imagen del muro para identificar la posición y forma de cada presa. Posteriormente, un segundo modelo de aprendizaje automático, entrenado con un conjunto de datos de problemas existentes, analiza las características espaciales de las presas detectadas para generar secuencias de movimientos que constituyen una nueva ruta de una dificultad determinada. La interacción con el sistema se realiza a través de una aplicación nativa para Android desarrollada en Kotlin, la cual se comunica con un backend programado en Python y Flask que aloja los modelos de IA. Como resultado, se ha obtenido un prototipo funcional del sistema VETTA. El modelo de detección de presas ha demostrado una alta precisión en la identificación de los agarres en diferentes condiciones de iluminación. El sistema de generación es capaz de producir problemas de búlder viables y correctamente categorizados por su dificultad (escala V). La aplicación móvil se integra satisfactoriamente con el backend, ofreciendo una experiencia de usuario fluida desde la captura de la imagen hasta la visualización de la ruta generada. La principal conclusión de este trabajo es que la aplicación de técnicas de visión por computador e inteligencia artificial es una solución viable y eficaz para automatizar y democratizar el proceso de route setting. El sistema VETTA no solo ofrece una herramienta para reducir costes y aumentar la variedad de rutas en los rocódromos, sino que también abre nuevas vías para el entrenamiento personalizado y la gamificación de la escalada. Este proyecto demuestra el potencial de la tecnología para enriquecer la experiencia deportiva de una manera accesible e innovadora. Read More
Related posts:
Diseño de un curso para mujeres escaladoras con el fin de brindarles autonomía en la práctica de la escalada
Modelado termo-mecánico de un panel solar para misiones espaciales en condiciones de espacio profundo
Aterrizaje Autónomo de Drones en Plataformas Móviles. Modelado y Caracterización
Sistema automatizado de clasificación de partes de peces en video para el análisis y estudio de su comportamiento
ROMERIN: Organismo robótico escalador basado en patas modulares con ventosas activas
Situación de aprendizaje sobre entrenamiento de fuerza en 2ºESO