W. X. Quevedo

Quito, Ecuador · Remoto · UTC−5 · Disponible para roles internacionales

WashingtonX. Quevedo

Ingeniero de IA y XR. Llevo machine learning a producción, desde detección en el dispositivo para un proyecto de Stanford hasta sistemas de recuperación que citan sus fuentes.

Ver mi historiaIr al trabajo seleccionado
Retrato de Washington X. Quevedo, sonriente, con suéter oscuro sobre un fondo gris claro

  • 0.96

    mAP50, detección (validación) · detector de atún en el dispositivo, Stanford

  • 49 ms

    de inferencia por imagen en un servidor de 2 núcleos

  • 14

    índice h · 640 citas · más de 30 artículos

  • 2016

    el año desde el que construyo XR en Unity

La historia

De un simulador de robótica en 2016 a la detección en el dispositivo en 2026. Fotos de los proyectos originales.

  1. 2015

    Empiezo a estudiar inteligencia artificial en la ESPE.

    Simulador Unity3D-MatLab: un robot manipulador móvil escaneando rocas en un terreno virtual
    Simulador de robótica Unity3D–MatLab
  2. 2016

    Primer artículo: un simulador Unity3D–MatLab en tiempo real para robótica. 88 citas, sigue siendo el más citado.

    Interfaz de realidad aumentada para teleoperar un pequeño robot móvil, con telemetría alrededor de la vista
    Teleoperación de un robot en realidad aumentada
  3. 2016

    Primer lugar en los Galardones Nacionales de la SENESCYT.

    Piezas de un motor ordenadas sobre una mesa de trabajo virtual
    Capacitación en realidad virtual para ensamblaje automotriz
  4. 2018

    Fundo Inmersoft y registro una patente de software.

    Un dron octocóptero con dos brazos robóticos volando sobre el agua
    Instrumentación virtual de un dron
  5. 2020

    En Bagó desarrollo herramientas interactivas y de IA, como una plataforma asistida por IA para las sesiones creativas de los product managers.

    Vista aérea de un edificio colonial reconstruido con un patio central
    Reconstrucción virtual de un edificio histórico
  6. 2026

    Stanford: detección en el dispositivo para Buscapez.

    Una persona con visor de realidad virtual corre sobre una caminadora en un laboratorio
    VR Runner, correr en realidad virtual sobre una caminadora real

Trabajo seleccionado

Machine learning en producción, sistemas de recuperación y las herramientas que uso a diario.

  1. Destacado · Proyecto de Stanford · 2026

    Buscapez

    Un detector de atún que corre en el dispositivo, construido para un proyecto de Stanford. Un modelo YOLO de 4 clases entrenado en PyTorch funciona sin conexión en iOS y Android con ExecuTorch, y el mismo modelo se sirve con ONNX Runtime en el servidor. La detección es muy precisa; la clasificación de especie sigue mejorando a medida que el equipo valida más fotos reales.

    mAP50, detección (validación)
    0.96
    por imagen, servidor de 2 núcleos
    49 ms
    • PyTorch
    • YOLO
    • ExecuTorch
    • ONNX Runtime
    • FastAPI

    En desarrollo

  2. Recuperación · 2026

    Ask Washington

    Un asistente de recuperación que responde preguntas sobre mi trabajo y cita sus fuentes públicas. Búsqueda híbrida sobre pgvector, respuestas escritas por Claude, con presupuesto diario y registros.

    • FastAPI
    • LangChain
    • LlamaIndex
    • pgvector
    • Claude

    Ver demoRepositorio

  3. Plataforma de IA generativa

    Localia

    Una plataforma autoalojada y solo por invitación que convierte modelos locales de LLM y ComfyUI en servicios configurables, con cola de trabajos en Redis y progreso en tiempo real por WebSockets.

    • Laravel
    • React
    • Redis
    • Reverb
    • ComfyUI

    Repositorio

  4. Herramientas para agentes

    Agent Office Visualizer

    Una oficina 3D en vivo, en la web y en iPhone, que muestra qué hace cada agente de Claude Code en cada máquina, con aprobación de permisos y equipos dirigidos por un orquestador.

    • FastAPI
    • SQLite
    • 3D web
    • iOS

    Repositorio

  5. Visión por computador

    Focus

    Seguimiento de la mirada con una webcam común: una CNN ETH-XGaze, calibración de pantalla por sesión y una capa transparente sobre el escritorio, sin hardware infrarrojo. Precisión: 3,97° en general (2,51° en la zona central).

    • PyTorch
    • MediaPipe
    • PyQt6
    • CUDA

    Repositorio

Prueba el detector

Este es el modelo de Buscapez: un detector YOLO para cuatro especies de atún, exportado a ONNX. Elige un ejemplo o usa tu propia foto.

Corre en tu navegador. Tu foto nunca se sube.

Fotos de ejemplo: Tuna Fish Detection, de Washington X. Quevedo, Roboflow Universe, CC BY 4.0. Modelo: Ultralytics YOLO26n, AGPL-3.0.

Descarga una vez el modelo (9,8 MB) y el motor (entre 4 y 7 MB, aprox.).

Cargando el detector

 

Ejemplos

o suelta una imagen sobre el marco

Ingeniería XR, desde 2016

Realidad virtual y aumentada para capacitación, robótica y patrimonio, hecha en Unity.

Ver más en Behance

Investigación

Más de 30 artículos revisados por pares sobre realidad virtual, robótica y tecnología educativa, publicados por Springer, ACM e IEEE. Índice h 14, 640 citas.

Más citados

  1. Unity3D-MatLab simulator in real time for robotics applications

    2016 · 88 citas

    International Conference on Augmented Reality, Virtual Reality and Computer Graphics (AVR, Springer LNCS)

  2. Augmented reality as a new marketing strategy

    2018 · 55 citas

    International Conference on Augmented Reality, Virtual Reality and Computer Graphics (AVR, Springer LNCS)

  3. Virtual reality on e-Tourism

    2017 · 54 citas

    IT Convergence and Security 2017 (Springer LNEE)

Perfil en Google Scholar
Salud y rehabilitaciónRobótica y simulaciónEducaciónCapacitación industrialMarketing y turismo3D en la web Unity3D-MatLab simulator in real time for robotics applications (2016, 88 citas) Augmented reality as a new marketing strategy (2018, 55 citas) Virtual reality on e-Tourism (2017, 54 citas) Virtual reality system for training in automotive mechanics (2017, 50 citas) Multi-user industrial training and education environment (2018, 41 citas) Transparency of a bilateral tele-operation scheme of a mobile manipulator robot (2016, 36 citas) Teaching-learning process through VR applied to automotive engineering (2017, 30 citas) Virtual reality integration with force feedback in upper limb rehabilitation (2016, 29 citas) Haptic stimulation glove for fine motor rehabilitation in virtual reality environments (2018, 28 citas) Virtual training for industrial automation processes through pneumatic controls (2018, 26 citas) Assistance system for rehabilitation and valuation of motor skills (2017, 20 citas) Unity3D virtual animation of robots with coupled and uncoupled mechanism (2016, 20 citas) Training for bus bodywork in virtual reality environments (2018, 16 citas) Oil processes VR training (2018, 15 citas) Immersive industrial process environment from a P&ID diagram (2016, 14 citas) Performance of WebGL standard for displaying 3D applications on mobile devices (2021, 11 citas) Teaching-learning of basic language of signs through didactic games (2017, 11 citas) Realism in audiovisual stimuli for phobias treatments through virtual environments (2017, 11 citas) Virtual rehabilitation system for fine motor skills using a functional hand orthosis (2018, 10 citas) Virtual reality system for assistance in treating respiratory disorders (2018, 10 citas) Sales maximization based on neuro-marketing techniques in virtual environments (2018, 10 citas) Tourism marketing through virtual environment experience (2017, 9 citas) Performance evaluation of WebGL and WebVR apps in VR environments (2019, 7 citas) Real-time virtual reality visualizer for unmanned aerial vehicles (2018, 7 citas) System of evaluation for reading based on eye tracking (2017, 6 citas)
Cada punto es un artículo, agrupado por tema y con tamaño según sus citas.

Pregúntame lo que quieras

Ask Washington responde preguntas sobre mi experiencia usando solo fuentes públicas: mi CV, artículos y repositorios. Cada respuesta cita de dónde sale.

Abrir Ask Washington en una pestaña nueva

Las respuestas se generan a partir de fuentes públicas y pueden contener errores.