Topics offered

Diseño e implementación de un modelo de datos que represente el estado, comportamiento y contexto de un 'gemelo digital humano' (Human Digital Twin, HDT), interoperable con los estándares del Web of Things (W3C Thing Description). El estudiante desarrollará un prototipo funcional que exponga un HDT como una 'Thing' consumible por otros sistemas, cubriendo su ciclo de vida completo: creación, actualización y baja.

Desarrollo de un agente inteligente, basado en modelos de lenguaje (LLM), capaz de analizar el histórico de acciones de un usuario y detectar desviaciones respecto a patrones esperados, generando explicaciones en lenguaje natural. Un primer paso hacia agentes digitales con capacidad de autoobservación y validación de conducta.

Diseño e implementación de una interfaz web que traduzca las recomendaciones y alertas generadas por un agente inteligente en explicaciones visuales, claras y comprensibles para usuarios sin conocimientos técnicos. El trabajo combina diseño de interacción persona-ordenador con visualización de datos aplicada a sistemas de IA.

Prototipo de un protocolo ligero de comunicación (basado en tecnologías como MQTT o buses de eventos) que permita sincronizar el estado de varios Human Digital Twins desplegados en distintos nodos, incluyendo resolución básica de conflictos. Sienta las bases de la infraestructura de comunicación necesaria para ecosistemas digitales distribuidos.

Diseño de un conjunto de escenarios y métricas (precisión, latencia, capacidad de detección de desviaciones) para evaluar sistemáticamente prototipos de Human Digital Twins. El resultado será una infraestructura de evaluación reutilizable para futuros desarrollos del grupo de investigación.

Definición de un marco conceptual y formal (mediante ingeniería dirigida por modelos) que describa las fases del ciclo de vida de un agente digital dotado de capacidad de autoobservación, validación y adaptación de su propio comportamiento. El trabajo incluye la implementación de una prueba de concepto y su validación en un caso de uso real, con proyección investigadora hacia una publicación científica.

Diseño e implementación de una arquitectura multiagente en la que distintos modelos de lenguaje cooperan entre sí: uno observa el comportamiento de un usuario o sistema, otro lo valida frente a normas o conocimiento previo, y un tercero genera explicaciones comprensibles. El trabajo investiga cómo estructurar esta cooperación para simular procesos de metacognición en sistemas digitales.

Diseño e implementación de un esquema de aprendizaje federado que permita a distintas instancias de Human Digital Twins compartir conocimiento agregado sobre patrones de comportamiento sin exponer datos individuales. Incluye experimentación cuantitativa sobre el equilibrio entre privacidad, coherencia y rendimiento.

Diseño de una metodología de evaluación que combine métricas técnicas (precisión, latencia) con medidas de aceptación y confianza del usuario, empleando modelos validados de adopción tecnológica. El resultado será un banco de pruebas riguroso, aplicable a distintos demostradores.

Desarrollo de una arquitectura integral que combine capacidad de autoobservación mediante modelos de lenguaje, sincronización federada entre nodos distribuidos y un panel de explicabilidad de decisiones. El trabajo integra y valida los resultados de otras líneas en un demostrador único, con clara proyección hacia la investigación y publicación científica.

Línea de investigación orientada a establecer las bases teóricas y arquitectónicas de una nueva generación de gemelos digitales humanos dotados de capacidad de autoobservación, validación y adaptación de su propio comportamiento. La tesis abordará la formalización de estos agentes mediante ingeniería dirigida por modelos, su integración con sistemas de razonamiento basados en modelos de lenguaje, y su validación en ecosistemas digitales reales, contribuyendo a un marco conceptual y metodológico transferible a distintos dominios de aplicación (salud, industria, movilidad).

Línea de investigación centrada en los mecanismos de coordinación, sincronización y aprendizaje colaborativo entre múltiples gemelos digitales humanos desplegados en nodos heterogéneos, preservando la privacidad y la autonomía de cada instancia. La tesis explorará técnicas de aprendizaje federado adaptadas a estos escenarios, así como metodologías de evaluación de la confianza y aceptación por parte de los usuarios finales, con el objetivo de establecer criterios rigurosos para el despliegue de estos sistemas en entornos reales..