The University of Informatic Sciences (Spanish: Universidad de las Ciencias Informáticas; UCI, also known as the University of Information Sciences and University of Informatics Sciences) is a Cuban university research center based in the ward of Wajay, Boyeros municipal borough, Havana.
We propose tttLRM, a novel large 3D reconstruction model that leverages a Test-Time Training (TTT) layer to enable long-context, autoregressive 3D reconstruction with linear computational complexity, further scaling the model's capability. Our framework efficiently compresses multiple image observations into the fast weights of the TTT layer, forming an implicit 3D representation in the latent space that can be decoded into various explicit formats, such as Gaussian Splats (GS) for downstream applications. The online learning variant of our model supports progressive 3D reconstruction and refinement from streaming observations. We demonstrate that pretraining on novel view synthesis tasks effectively transfers to explicit 3D modeling, resulting in improved reconstruction quality and faster convergence. Extensive experiments show that our method achieves superior performance in feedforward 3D Gaussian reconstruction compared to state-of-the-art approaches on both objects and scenes.
Purpose Brain–computer interfaces (BCIs) offer a pathway to restore ambulation in indi-viduals with spinal cord injury (SCI). However, existing BCI systems for gait are unidirectional and lack sensory feedback. This study aimed to demonstrate that a bidirectional brain–computer interface (BDBCI) can simultaneously enable real-time brain-controlled walking and artificial leg sensation via electrical stimulation of the sensory cortex. Methods Epilepsy patients undergoing bilateral interhemispheric subdural electrocorticog-raphy (ECoG) implantation were recruited for this proof-of-concept study. Motor mapping identified electrodes in the leg motor cortex for decoding stepping intent, while sensory stimu-lation mapping determined stimulation sites in the somatosensory cortex to elicit artificial leg percepts. A custom embedded BDBCI decoded motor intent in real time to actuate a robotic gait exoskeleton (RGE) from ECoG signals and delivered leg swing sensory feedback via direct cortical stimulation. Performance was assessed through correlations between cued and decoded states, sensory reliability tasks, and control experiments. Results One subject was recruited and achieved a high decoding performance (ρ = 0.92 ± 0.04, lag of 3.5 ± 0.5 s) across 10 runs of operating the BDBCI-controlled RGE. Bilateral leg percepts were validated through a blind step-counting task (92.8% accuracy, p < 10−6). Control experiments verified that decoding was not affected by stimulation artifacts. No adverse events were reported. Discussion This study establishes the feasibility of an embedded system BDBCI for restor-ing both motor control and artificial sensation of walking. Leveraging interhemispheric leg sen-sorimotor cortices is safe and yields superior decoding compared to prior lateral brain convexity approaches. These findings provide a foundation for translating BDBCI technology into fully implantable systems for SCI patients with paraplegia.
La producción acuícola es una actividad en permanente desarrollo y expansión que constituye una fuente de trascendental importancia para la aspirada seguridad alimentaria en Cuba. El éxito y consolidación de la industria acuícola descansa en el monitoreo y control de las variables que se manejan durante el cultivo. En el manejo de estas variables la recolección de datos es útil, así como su tratamiento. A través de los métodos tradicionales ya se vuelve ineficiente el trabajo con grandes volúmenes de datos, por lo que en este contexto el desarrollo de proyectos basados en técnicas de Inteligencia Artificial y Big Data es vital. El objetivo del presente trabajo es diseñar la arquitectura de un Sistema de predicción de la calidad del agua en sistemas de acuicultura mediante el uso de Big Data para perfeccionar la gestión del cultivo de peces que se pueda replicar en empresas pesqueras en Cuba. Para cumplir con el objetivo planteado se modela la arquitectura y finalmente se valida a través del criterio de expertos usando computación con palabras.
La investigación tuvo como objetivo valorar las potencialidades de la inteligencia artificial generativa para favorecer la visualización matemática en el proceso de formación del concepto de integral definida en la Educación Superior. Para ello se empleó Copilot AI en la generación de 20 propuestas didácticas orientadas a la interpretación geométrica, representación dinámica y modelación de procesos asociados a la integral definida. La investigación se desarrolló mediante trabajo metodológico con 18 profesores de la asignatura Matemática 2 de la Universidad de las Ciencias Informáticas de Cuba, y la implementación práctica de las actividades con 106 estudiantes. Las propuestas fueron organizadas, analizadas y validadas colectivamente mediante talleres metodológicos, preparación docente, observaciones a clases y controles metodológicos. Los resultados evidenciaron adecuados niveles de pertinencia metodológica, aceptación docente y motivación estudiantil. Así mismo, se constató que la integración entre IA generativa, GeoGebra y visualización matemática favoreció la comprensión conceptual de la integral definida, particularmente en aspectos relacionados con acumulación, aproximación y representación geométrica del área bajo la curva. La validación general confirmó la viabilidad y coherencia metodológica de la propuesta para su implementación en el contexto universitario.
