Prof. Juan Diego Sánchez-Torres
ITESO · Universidad Jesuita de Guadalajara, México
Semblanza
El Prof. Juan Diego Sánchez-Torres es profesor titular en ITESO, Universidad Jesuita de Guadalajara, desde junio de 2021. Imparte cursos de optimización convexa en la Maestría en Ciencia de Datos, matemáticas financieras, métodos de Monte Carlo y finanzas cuantitativas.
Sus contribuciones de investigación incluyen el desarrollo de modelos de optimización y algoritmos predictivos para sistemas energéticos y aplicaciones financieras. Ha supervisado tesis doctorales en métodos basados en Lyapunov para estabilización en tiempo fijo, sistemas de control no lineales en tiempo discreto, diseño óptimo de sensores nanoestructurados y toma óptima de decisiones para gestión de viajes corporativos.
Actualmente dirige tesis doctorales sobre diseño de máquinas de soporte vectorial para predicción de variables clave del sector eléctrico mexicano, control tolerante a fallas en procesos químicos y aprendizaje federado para predicción y toma de decisiones en mercados de energía. Ha colaborado internacionalmente con equipos de investigación en Francia, contribuyendo a tesis doctorales de doble grado, y ha dirigido tesis de maestría en sistemas de control, optimización, ingeniería financiera y ciencia de datos. Ha publicado más de 100 artículos arbitrados en revistas y congresos de alto impacto.
Entre 2015 y 2021 fue profesor asociado en ITESO, donde diseñó e impartió cursos sobre procesos estocásticos, finanzas cuantitativas y métodos de optimización, además de realizar investigación en algoritmos de control con colaboraciones internacionales. De 2013 a 2015 fue profesor asistente en la misma institución, donde introdujo técnicas computacionales para modelado estocástico usando R y enseñó temas relacionados con ecuaciones de Black-Scholes, valuación de derivados y cálculo estocástico.
Resumen de la conferencia
Los sistemas multi-robot enfrentan retos de despliegue cada vez más exigentes. La simple convergencia no es suficiente: las flotas de almacén deben coordinarse dentro de tiempos especificados y los equipos cooperativos deben reagruparse antes de que las fallas se propaguen. La pregunta central es si los agentes pueden alcanzar consenso con la rapidez necesaria.
Este desafío habilita aplicaciones como flotas industriales programables contra fechas límite, manipulación cooperativa cerca de humanos y drones que operan dentro de ventanas temporales definidas. Un marco adecuado debe ofrecer robustez ante perturbaciones acotadas, garantías de desempeño en entornos difíciles y convergencia rápida especificada por el diseñador.
La charla discute cómo los métodos de modos deslizantes aportan robustez, mientras que la teoría de tiempo predefinido establece garantías temporales. También se analizan retos derivados de retardos de transmisión, cuantización, comunicación basada en eventos, pérdida de paquetes y pérdida no programada de agentes. El marco propuesto opera en los niveles de decisión y coordinación, y concluye con líneas de investigación en modos deslizantes, optimización distribuida, comunicación resiliente, percepción basada en aprendizaje, extensiones SE(3)/SO(3) e interoperabilidad con Industria 4.0.