Recientemente se publicó el artículo “Visible Light Positioning for 2D/3D Indoor Environments Using Extreme Learning Algorithms”, desarrollado en el marco del Proyecto ANID Vinculación Internacional FOVI 240009. El trabajo, realizado por el académico David Zabala Blanco y el estudiante de pregrado Nicolás Pacheco, consolida avances en posicionamiento en interiores mediante luz visible (VLP) y forma parte del proyecto de titulación del estudiante.
El estudio analiza técnicas de localización óptica usando iluminación LED como transmisor y un fotodiodo como receptor, modelando el problema como una tarea de regresión supervisada. Se evaluaron dos bases de datos: una base 2D pública con 7.344 muestras basadas en RSS y una base 3D obtenida en una pasantía en Francia en la Universidad de Lorraine, compuesta por 27.000 muestras de entrenamiento y 18.000 de testeo, las cuales corresponden a posiciones discretas no superpuestas, generadas a partir de distintas frecuencias de modulación y de su densidad espectral de potencia (PSD).
Se compararon tres métodos: Máquina de Aprendizaje Extremo (ELM), ELM Regularizada (R-ELM) y Levenberg–Marquardt (LMA). Las ELM se seleccionaron debido a su bajo costo computacional, tiempos de entrenamiento reducidos y aplicabilidad en sistemas embebidos. La R-ELM obtuvo el mejor desempeño en ambos escenarios, alcanzando en la base 2D un error cercano a 12 cm con tiempos de entrenamiento de ~31 ms, y en la base 3D un error aproximado de 22 cm con tiempos cercanos a 1 segundo. Estos resultados evidencian su eficiencia y estabilidad frente a los demás modelos evaluados, destacándola como una alternativa viable para aplicaciones IoT y sistemas de posicionamiento óptico de baja complejidad.
