Entrenamiento de modelos de segmentación semántica 3D utilizando datos sintéticos en robots móviles autónomos

Abstract

Este estudio se centra en la generación de datos sintéticos como una estrategia para optimizar el desempeño de los modelos de aprendizaje profundo ante la escasez de datos reales. Se destacan aplicaciones en vigilancia, medicina, agricultura, manufactura y seguridad, donde la visión computacional permite automatizar tareas como la detección de personas, enfermedades, plagas y defectos en productos. El objetivo principal es implementar un sistema de visión robusto que combine datos reales y sintéticos, utilizando sensores LiDAR y técnicas SLAM, integrado en una plataforma móvil autónoma. El documento concluye que esta combinación mejora la precisión de los modelos y amplía su capacidad operativa en entornos reales, ofreciendo una solución eficiente para sistemas de vigilancia inteligentes.