Margarita Chli - Enciclopedia

Margarita Chli es profesora asistente y líder del Laboratorio de Visión para Robótica en ETH Zürich, Suiza. Chli es una líder en el campo de la visión por computadora y la robótica y formó parte del equipo de investigadores que desarrolló el primer helicóptero completamente autónomo con localización y mapeo a bordo. Además, es la Subdirectora del Instituto de Robótica e Sistemas Inteligentes y una Catedrática Honoraria de la Universidad de Edimburgo en el Reino Unido. Su investigación actual se enfoca en desarrollar percepción visual e inteligencia en sistemas robóticos autónomos voladores.

Vida temprana y educación
Chli creció en Chipre y Grecia. Se graduó en la Universidad de Cambridge en el Reino Unido. Realizó sus estudios en Ingeniería de Información y Computación en el Trinity College. Después de obtener su título de licenciatura, continuó en el Trinity para realizar su máster en ingeniería también.

En 2006, Chli comenzó sus estudios de posgrado en el Imperial College London bajo la tutoría de Andrew Davison. Trabajó en el Grupo de Visión Robótica donde trabajó en desarrollar nuevas formas de manipular datos para permitir una navegación autónoma eficiente en dispositivos móviles. Dado que los métodos basados en la visión son clave para habilitar la navegación autónoma, Chli intentó abordar los desafíos de preservar la precisión mientras se logra un procesamiento eficiente de información. Usó los principios de la Teoría de la Información para guiar las decisiones basadas en estimaciones realizadas después de recopilar información del entorno y mostró que estos principios mejoraron la eficiencia y la consistencia de los algoritmos utilizados para estimar el movimiento y crear mapas probabilísticos del entorno. Sus algoritmos también permitieron la mapeo de características densas incluso en presencia de ambigüedades e incoherencias en la dinámica de la cámara. Chli completó su trabajo de posgrado en 2009 y trabajó un año como investigadora asociada en el Grupo de Visión Robótica.

Carrera y investigación
Después de completar su doctorado, Chli se unió al Laboratorio de Sistemas Autónomos en ETH Zürich para realizar su investigación postdoctoral y pronto se convirtió en Subdirectora del Laboratorio. Mientras estaba en ETH Zürich, impartió el curso de Robot Móvil Autónomo, que más tarde se convirtió en un curso en línea para entrenar a miles de investigadores de todo el mundo gratuitamente. En 2013, Chli fue galardonada con la Beca del Rector, y se convirtió en profesora asistente en el Instituto de Percepción, Acción y Comportamiento en la Universidad de Edimburgo. Mantuvo esta prestigiosa beca durante dos años.

En 2015, Chli fue promovida a Profesora Asistente en Visión para Robótica en la Fundación Nacional Suiza de Ciencias (SNF) en ETH Zürich y reubicó su laboratorio desde Edimburgo. Aún mantiene una Catedrática Honoraria en la Universidad de Edimburgo. Su laboratorio, el Laboratorio de Visión para Robots, o V4RL, se enfoca en desarrollar robots inteligentes para mejorar la calidad y seguridad de la vida humana. Chli tiene varias líneas de investigación en su laboratorio para lograr estos objetivos. Con el proyecto SHERPA, Chli busca utilizar sistemas robóticos inteligentes y autónomos para ayudar en las búsquedas y rescates alpinas. También participa en la investigación del proyecto myCopter, cuyo objetivo es diseñar sistemas de transporte aéreo automatizado personal para que uno pueda viajar desde el trabajo al hogar por aire a baja altitud. Finalmente, el equipo de Chli desarrolla métodos para permitir que los vehículos aéreos microscópicos cartografien entornos desconocidos a través del proyecto SFly (Enjambre de robots voladores microscópicos). Todos estos proyectos requieren enormes innovaciones en el campo de la visión por computadora y la robótica, esencialmente demandando la capacidad de que los robots manejen grandes volúmenes de datos de manera eficiente para "ver" su entorno y responder rápidamente y de manera autónoma. El equipo de Chli busca desarrollar estos sistemas inteligentes con la capacidad de percepción visual mediante el uso de aprendizaje profundo y la colaboración robótica.

= Mejora de métodos de visión por computadora =
El trabajo temprano de Chli ayudó a mejorar los enfoques de visión por computadora para habilitar la construcción de sistemas robóticos autónomos. Chli primero abordó el problema de la localización y mapeo simultáneo (SLAM) en el que un sistema robótico tiene dificultades para estimar su entorno nuevo y cambiante mientras también rastrea su propia ubicación. Dado que dividir el mapa en submapas más pequeños permitiría procesar independientemente y, por lo tanto, más eficientemente partes individuales de una escena, Chli creó un método innovador para realizar la división de submapas en mapas de SLAM. Usó el clustering jerárquico para agrupar características similares en subgrupos y reveló nuevas insinuaciones sobre la estructura de los mapas visuales que ayudaron a guiar al campo en abordar los problemas computacionales asociados con el SLAM.

El siguiente problema de visión por computadora que Chli abordó durante su tiempo como becaria postdoctoral en ETH Zürich fue la detección de puntos clave en imágenes. Desarrolló un método llamado BRISK (Puntos Clave Robustos, Invariantes y Escalables Binarios) y se ejecutó mucho más rápido y a un costo computacional mucho menor en comparación con los algoritmos de detección de puntos clave anteriores como SURF y SIFT.

= Helicóptero autónomo =
Durante su trabajo postdoctoral en ETH Zürich, Chli fue parte de un equipo que desarrolló el primer helicóptero pequeño volador de manera autónoma. El helicóptero tenía una cámara monocular como el único sensor inercial y fue capaz de navegar en entornos nuevos. Logró SLAM con una robustez extrema para permitir su vuelo autónomo.

= Navegación robótica =
Chli ha realizado investigación fundamental para mejorar los métodos de navegación robótica autónoma. Una manera en que Chli y su equipo trabajaron para mejorar la navegación robótica fue creando un algoritmo para integrar mejor la información de múltiples sensores en el robot. Anteriormente, la integración multisensorial era desafiante debido a las interrupciones sensoriales y las diferencias en las tasas y retrasos de medición. Debido a esto, Chli y su equipo desarrollaron un marco llamado Filtro de Kalman Extendido de Integración de Múltiples Sensores (MSF-EKF) que es capaz de procesar información retrasada, relativa y absoluta de una variedad ilimitada de sensores y tipos de sensores. Probearon su marco con un vehículo aéreo microscópico (MAV) que tenía un receptor GPS así como sensores visuales, inerciales y de presión y encontraron que podía auto-calibrarse y mostrar una relinearización eficiente en respuesta a las actualizaciones de estado.

Con mejoras y avances en las capacidades de SLAM, Chli se interesó en crear SLAM colaborativo de múltiples robots. La percepción de escena y el mapeo colaborativo por un grupo de robots autónomos serviría a una amplia gama de usos desde la recopilación de datos ambientales hasta la vigilancia y el rescate. En su marco, cada vehículo aéreo no tripulado (UAV) tendría un SLAM local con capacidad limitada como parte de su diseño y poder computacional, mientras que también habría un servidor central en tierra para recopilar y reunir toda la información de cada UAV individual. Este controlador central también distribuye esta información de vuelta a todos los UAV individuales para que puedan actualizar sus mapas también.

Recientemente, Chli ha estado trabajando con redes neuronales convolucionales (CNN) para mejorar su capacidad de reconocimiento de lugares para su uso en navegación robótica. Propuso nuevas características basadas en CNN para el reconocimiento de lugares creando representaciones regionales de regiones destacadas directamente desde la activación de la capa convolucional. Encontraron que su sistema tiene mayor robustez frente a variaciones de punto de vista y apariencia y compartieron sus hallazgos sobre el proceso de codificación de características que lo hace robusto a las variaciones externas en su sistema.

Premios y honores
2017 Premio Zonta
2016 25 Mujeres en Robótica que hay que conocer
2016 Mejor Editor Asociado en la Conferencia Internacional de Robótica y Automatización
2001-2005 Becas por calificaciones destacadas, Trinity College, Universidad de Cambridge, Reino Unido
2001-2005 Becas por desempeño destacado, Fundación de Becas Estatales de Chipre

Publicaciones selectas
Marco Karrer, Mohit Agarwal, Mina Kamel, Roland Siegwart, Margarita Chli: Estimación colaborativa de pose relativa 6DoF para dos UAV con campos de visión superpuestos. ICRA 2018: 6688-6693
Patrik Schmuck, Margarita Chli: CCM-SLAM: Localización y mapeo simultáneo centralizado colaborativo monocular robusto y eficiente para equipos robóticos. J. Field Robotics 36(4): 763-781 (2019)
Z. Chen, F. Maffra, I. Sa y M. Chli, "Only look once, mining distinctive landmarks from ConvNet for visual place recognition," 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Vancouver, BC, 2017, pp. 9–16, doi: 10.1109/IROS.2017.8202131.
P. Schmuck y M. Chli, "Multi-UAV collaborative monocular SLAM," 2017 IEEE International Conference on Robotics and Automation (ICRA), Singapur, 2017, pp. 3863–3870, doi: 10.1109/ICRA.2017.7989445.
S. Lynen, M. W. Achtelik, S. Weiss, M. Chli y R. Siegwart, "A robust and modular multi-sensor fusion approach applied to MAV navigation," 2013 IEEE/RSJ International Conference on Intelligent Robots and Systems, Tokio, 2013, pp. 3923–3929, doi: 10.1109/IROS.2013.6696917.
M. W. Achtelik, S. Lynen, S. Weiss, L. Kneip, M. Chli y R. Siegwart, "Visual-inertial SLAM for a small helicopter in large outdoor environments," 2012 IEEE/RSJ International Conference on Intelligent Robots and Systems, Vilamoura, 2012, pp. 2651–2652, doi: 10.1109/IROS.2012.6386270.
S. Leutenegger, M. Chli y R. Y. Siegwart, "BRISK: Binary Robust invariant scalable keypoints," 2011 International Conference on Computer Vision, Barcelona, 2011, pp. 2548–2555, doi: 10.1109/ICCV.2011.6126542.
M. Chli y A. J. Davison, "Automatically and efficiently inferring the hierarchical structure of visual maps," 2009 IEEE International Conference on Robotics and Automation, Kobe, 2009, pp. 387–394, doi: 10.1109/ROBOT.2009.5152530.
Margarita Chli, Andrew J. Davison: Matching activo para seguimiento visual. Robotics Auton. Syst. 57(12): 1173-1187 (2009)

Referencias
[No se proporcionan referencias específicas en el texto original, por lo que esta sección se mantiene vacía en la traducción al español]