Autonomous Parking Systems (APSs) are rapidly evolving, promising enhanced convenience, safety, and efficiency. This review critically examines the current strategies in perception, path planning, and vehicle control, alongside system-level aspects like integration, validation, and security. While significant progress has been made, particularly with the advent of deep learning and sophisticated sensor fusion, formidable challenges persist. This paper delves into the inherent trade-offs, such as balancing computational cost with real-time performance demands; unresolved foundational issues, including the verification of non-deterministic AI components; and the profound difficulty of ensuring robust real-world deployment across diverse and unpredictable conditions, ranging from cluttered urban canyons to poorly lit, ambiguously marked parking structures. We also explore the limitations of current technologies, the complexities of safety assurance in dynamic environments, the pervasive impact of cost considerations on system capabilities, and the critical, often underestimated, need for genuine user trust. Future research must address not only these technological gaps with innovative solutions but also the intricate socio-technical dimensions to realize the full potential of APS.

The optimal extubating moment is still a challenge in clinical practice. Respiratory pattern variability analysis in patients assisted through mechanical ventilation to identify this optimal moment could contribute to this process. This work proposes the analysis of this variability using several time series obtained from the respiratory flow and electrocardiogram signals, applying techniques based on artificial intelligence. 154 patients undergoing the extubating process were classified in three groups: successful group, patients who failed during weaning process, and patients who after extubating failed before 48 hours and need to reintubated. Power Spectral Density and time-frequency domain analysis were applied, computing Discrete Wavelet Transform. A new Q index was proposed to determine the most relevant parameters and the best decomposition level to discriminate between groups. Forward selection and bidirectional techniques were implemented to reduce dimensionality. Linear Discriminant Analysis and Neural Networks methods were implemented to classify these patients. The best results in terms of accuracy were, 84.61 ± 3.1% for successful versus failure groups, 86.90 ± 1.0% for successful versus reintubated groups, and 91.62 ± 4.9% comparing the failure and reintubated groups. Parameters related to Q index and Neural Networks classification presented the best performance in the classification of these patients.

This paper proposes a Track-before-Detect framework for a multibody motion segmentation (named TbD-SfM). Our contribution relies on a tightly coupled tracking before detection strategy intended to reduce the complexity of existing Multibody Structure from Motion approaches. Efforts were done towards an algorithm variant closer and aimed to a further embedded implementation for dynamic scene analysis while enhancing processing time performances. This generic motion segmentation approach can be transposed to several transportation sensor systems since no constraints are considered on segmented motions (6-DOF model). The tracking scheme is analyzed and its performance is evaluated under thorough experimental conditions including full-scale driving scenarios from known and available datasets. Results on challenging scenarios including the presence of multiple and simultaneous moving objects observed from a moving camera are reported and discussed.

El programa de Ingeniería Mecatrónica adscrito a la Facultad de Ingeniería de la Universidad Autónoma de Bucaramanga, concibe dentro de su plan de estudios un grupo de cursos que conforman el núcleo integrador, dentro del cual se desarrolla un proyecto integrador. El núcleo integrador se orienta a la creación de competencias profesionales (i.e relacionadas con el saber hacer) y personales (i.e relacionadas con el ser) en cada una de las líneas de conocimiento propias (automatización, diseño y electrónica) del programa que permitan a los estudiantes dar solución a una problemática propuesta bajo una mirada crítica de la realidad social, científica y profesional. El proyecto integrador se caracteriza por abordar el desarrollo progresivo del aprendizaje basado en la aplicación de los conceptos fundamentales en cada nivel de la carrera. Para lograrlo, en el inicio de cada semestre/ciclo, el profesorado responsable selecciona temáticas para llevar a cabo el proyecto, las cuales representan un desafío para el estudiante ya que debe dar solución de manera integral, versátil, amigable al usuario/cliente, de fácil implementación y factible económicamente (i.e bajo costo), incluyendo a su vez, el uso de las TIC, programación y dispositivos electromecánicos (i.e PLC’s, Actuadores etc.), además de establecer un plan (i.e cronograma) y metodología realizable en el lapso de tiempo de un semestre/ciclo. Este trabajo pretende reportar la experiencia de aula en la aplicación del núcleo integrador a través de su proyecto integrador ubicado en el séptimo semestre y coordinado en el curso de Automatización Industrial, en este curso específicamente, dada la convergencia y sinergia de las cuatro áreas de la mecatrónica: mecánica, computación, electrónica y control, generando subáreas como simulación, modelamiento de sistemas, sistemas embebidos y sensores. Es un espacio de formación investigativa que involucra a los estudiantes con la realidad, centra su acción en la elaboración de soluciones integrales a un problema, integrando sus conocimientos y desarrollando habilidades para obtener resultados innovadores. Además, pretende mostrar la contextualización sobre el núcleo integrador en el programa de Ingeniería Mecatrónica, y la metodología usada desde el diseño conceptual hasta el desarrollo del producto final teniendo en cuenta estrategias de formación tales como aprendizaje basado en proyectos o aprendizaje basado en retos del núcleo integrador. Finalmente, a través de un análisis de fortalezas y debilidades que han sido observadas a partir de la rúbrica utilizada para la evaluación del núcleo integrador y establecer el plan de mejora para el curso.