Construyo sistemas de inteligencia artificial aplicada y robótica social que conectan modelos locales, voz, recuperación de conocimiento y hardware real.
Mi trabajo se centra en convertir prototipos en productos utilizables: instalación automática, procesamiento privado, trazabilidad de datos, diagnóstico y una experiencia sencilla para quien utiliza el sistema.
IA local · Reachy Mini · RAG · Voz · Computer Vision · Data Engineering
⚖️ LexIA
Asistente jurídico por voz para Reachy Mini. Combina documentación oficial, recuperación trazable, Qwen local, Faster-Whisper, Piper y expresión robótica. Se instala desde el catálogo de aplicaciones y prepara automáticamente modelos, base de conocimiento e índices.
Asistente de comedor escolar para Reachy Mini. Permite consultar, corregir y aprobar menús hablando, con reglas deterministas para precios, alérgenos y cumplimiento del pliego.
Pipeline reproducible para construir y auditar datasets arqueológicos de visión artificial: calidad de imagen, duplicados, embeddings DINOv2, FAISS, outliers y revisión humana.
Repositorios de estudio y adaptación técnica que complementan los proyectos propios. Se identifican por separado porque parten de trabajos existentes.
| Repositorio | Enfoque |
|---|---|
| RAG + llama.cpp Starter | Arquitectura RAG local y despliegue dockerizado |
| Dask 500 GB | Procesamiento distribuido desde un portátil y salida a S3 |
| OpenArm | Hardware abierto y physical AI para manipulación robótica |
| Área | Qué construyo |
|---|---|
| Robótica social | Experiencias de voz, gestos y estados para Reachy Mini |
| Modelos locales | Qwen, llama.cpp, cuantización y ejecución sin APIs externas |
| Sistemas RAG | Recuperación híbrida, SQL, evidencia y trazabilidad de fuentes |
| Voz | VAD, Faster-Whisper, Piper, streaming e interrupciones naturales |
| Visión artificial | DINOv2, FAISS, validación y auditoría de datasets |
| Data engineering | Procesamiento distribuido, Spark, Dask, Kafka y almacenamiento S3 |
| Producto | Bootstrap automático, caché, diagnósticos, dashboards y despliegue |
- Privacidad por diseño: procesar localmente siempre que el caso lo permita.
- Evidencia antes que elocuencia: una respuesta debe poder justificar su origen.
- Automatización real: instalar y arrancar sin pedir al usuario que configure Python.
- Hardware con propósito: los movimientos y la voz forman parte de la interfaz.
- Medir antes de optimizar: precisión, latencia y errores por etapa.
Construyendo IA que sale de la pantalla y funciona en el mundo real.