Emulando amplificadores y pedales de guitarra eléctrica con inteligencia artificial

Ponente: Javier Jiménez Santana (Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 24 de octubre de 2025, 10:00.

Resumen: Durante este seminario se presentarán los resultados de mi trabajo fin de grado (curso 2023/2024) centrado en el uso de inteligencia artificial (IA) desplegada sobre una Raspberry Pi 5. El objetivo del proyecto fue replicar, con alta fidelidad y en tiempo real, los efectos de distorsión y amplificación, característicos de pedales de distorsión/overdrive y amplificadores de guitarra eléctrica.

El modelo de IA y la aplicación de procesamiento en tiempo real se implementaron a partir del trabajo original de Alec Wright et al. [1] y de las contribuciones de la comunidad, como las de Keith Bloemer (también conocido por el alias GuitarML).

Al revisar el estado del arte de la comunidad de entusiastas de machine learning aplicado al mundo de la guitarra eléctrica (sorprendentemente amplia), se observó que las redes neuronales convolucionales como WaveNet solían limitarse a aplicaciones de escritorio, mientras que los modelos LSTM, más ligeros, se habían logrado desplegar en Raspberry Pi 4 a modo de prototipo de pedal digital. La principal contribución de este proyecto fue corroborar que un modelo como el propuesto es capaz de ejecutarse en tiempo real sobre hardware de baja potencia, como la Raspberry Pi 5, algo que hasta ahora no se había intentado.

En esta charla exploraremos el estado del arte de la inteligencia artificial en el mundo de la producción musical (concretamente en el ámbito del rock), las bases teóricas de WaveNet y su relación con el text-to-speech, así como el proceso de implementación, diseño y despliegue del pedal desarrollado. También hablaremos de la trayectoria mediática que ha tenido el proyecto, así como del trabajo futuro de investigación y emprendimiento que plantea.

Finalmente, haremos una demostración en vivo de la aplicación, comparando la inferencia del modelo con los efectos de guitarra originales.

[1] Wright, A.; Damskägg, E.-P.; Juvela, L.; Välimäki, V. Real-Time Guitar Amplifier Emulation with Deep Learning. Appl. Sci. 2020, 10, 766. https://doi.org/10.3390/app10030766

Reconocimiento de acciones humanas basado en modelos de Transformers para tareas de montaje industrial de gran precisión

Ponente: Mayra Vanessa Alvear Gallón (IR Soluciones, Universidad de La Rioja).

Lugar: Seminario Mirian Andrés (Edificio CCT).

Hora: viernes 10 de octubre de 2025, 10:00.

Resumen: En este seminario vamos a tratar el reconocimiento de acciones humanas (HAR). Esta tarea presenta retos importantes en escenarios de montaje industrial, principalmente debido a las ligeras diferencias en los patrones de movimiento entre acciones muy precisas. En este trabajo abordamos el problema del reconocimiento de acciones en tareas de montaje empleando datos del esqueleto para representar movimientos humanos detallados. Para capturar eficazmente las dependencias espaciales y temporales entre las articulaciones, aplicamos una arquitectura basada en Transformers y llevamos a cabo una evaluación exhaustiva variando la dimensión del modelo para analizar su efecto en el rendimiento del reconocimiento. Además, dada la gran similitud semántica y estructural entre ciertas clases de acciones, proponemos una estrategia de fusión de clases que combina acciones muy similares en categorías unificadas. Esto no solo simplifica la tarea de clasificación de las acciones, sino que también mejora el rendimiento general del reconocimiento al reducir la ambigüedad. 

Los resultados experimentales demuestran la eficacia de los modelos de Transformers para el reconocimiento de acciones detalladas en entornos industriales, destacando la importancia tanto del ajuste de la arquitectura como del refinamiento de las etiquetas cuando se trata de acciones humanas estrechamente relacionadas.

El objetivo de esta charla es contar la investigación realizada durante una estancia de investigación en Italia y, además, realizar una prueba de tiempo para el congreso 2025 IECON – 51st Annual Conference of the IEEE Industrial Electronics Society, que se celebra en Madrid del 14 al 17 de octubre.