Segmentación del comportamiento
RAZOR-φ utiliza algoritmos de aprendizaje autosupervisado para segmentar las trayectorias en episodios de comportamiento, sin necesidad de datos previamente etiquetados.
Proyecto
Cuantificar el comportamiento a partir del movimiento.
RAZOR-φ analiza trayectorias con inteligencia artificial para identificar patrones, detectar cambios y comparar cómo se desplazan los individuos y utilizan el espacio a lo largo del tiempo.
La telemetría acústica permite seguir el movimiento de los peces en su entorno natural, pero conocer sus posiciones no basta para saber qué están haciendo. A menudo no disponemos de observaciones directas ni de etiquetas que relacionen cada tramo de la trayectoria con un comportamiento conocido. Sin esas referencias, resulta difícil cuantificar el comportamiento, reconocer sus cambios y comparar individuos o periodos. El reto es extraer información comparable del movimiento sin depender de datos previamente etiquetados. RAZOR-φ aborda este problema mediante aprendizaje autosupervisado, identificando patrones y transiciones en las trayectorias cuya interpretación se contrasta con el contexto biológico.
RAZOR-φ utiliza algoritmos de aprendizaje autosupervisado para segmentar las trayectorias en episodios de comportamiento, sin necesidad de datos previamente etiquetados.
Estos algoritmos permiten asignar puntuaciones comportamentales a los segmentos para cuantificar y comparar patrones de movimiento entre individuos y a lo largo del tiempo.
Análisis de movimientos registrados mediante telemetría acústica para cuantificar patrones de comportamiento, comparar individuos y estudiar cómo utilizan su hábitat.
Segmentación y scoring comportamental de recorridos, por ejemplo a partir de datos GPS, para explorar cambios de actividad y comparar patrones de desplazamiento.
Análisis de recorridos obtenidos mediante datos AIS o el seguimiento visual de OJOS para cuantificar patrones de actividad náutica y explorar cambios en el uso del espacio marino.
RAZOR-φ es un proyecto de investigación que combina inteligencia artificial y ecología del movimiento para estudiar cómo cuantificar el comportamiento a partir de trayectorias sin datos previamente etiquetados. Su desarrollo incluye pruebas con trayectorias sintéticas, registros GPS de movimiento humano y telemetría acústica de peces en su entorno natural. El trabajo evalúa cómo la segmentación y el scoring comportamental ayudan a comparar patrones, reconocer cambios y formular hipótesis sobre la actividad de los individuos. La interpretación de los resultados se contrasta con el contexto y con evidencias independientes.