Biografía:
Jesús Tordesillas obtuvo el Grado y Máster de Ingeniería Industrial por la Universidad Politécnica de Madrid en 2016 y 2019 respectivamente, especializándose en Electrónica y Automática. Posteriormente, recibió el Máster y Doctorado por el Massachusetts Institute of Technology en Aeronáutica y Astronáutica en 2019 y 2022 respectivamente, especializándose en Robótica. En 2019 también trabajó un tiempo en el Jet Propulsion Laboratory de la NASA en California. En 2022 realizó un posdoctorado en el Massachusetts Institute of Technology, y posteriormente un posdoctorado en ETH Zúrich durante 2023-2024, ambos de Robótica. En Junio de 2024 se incorporó como Profesor Colaborador Asistente al Departamento de Electrónica, Automática y Comunicaciones de Comillas ICAI
Áreas de interés:
Aprendizaje profundo, Navegación Autónoma para Robots, Inteligencia Artificial, Optimización.
Habilidades:
Software
Lenguajes: C, C++, Python, VHDL.
Robotica: ROS, Gazebo, Eigen, PCL, PyTorch, Chainer, OpenCV, CGAL, Vrep, RobotStudio.
Optimización: IPOPT, CasADi, Gurobi, CVXGEN, YALMIP, Google OR-Tools, GPOPS.
Ingeniería: Matlab, Mathematica, Labview, SysML, Ladder Logic (KOP), Grafcet, Rapid.
Modelado: Autodesk Inventor, SolidWorks, Autodesk Autocad, Autodesk Factory Design, Adobe Illustrator, KeyShot, Autodesk Simulation Mechanical, SolidThinking.
Electrónica: Xilinx ISE, OrCad, Atmel Studio, Proteus, Psim.
Hardware
Sensores: Velodyne, Realsense, ZED.
Ordenadores de a bordo y pilotos automáticos: Snapdragon Flight, Jetson TX2, Intel NUC, Naze32.
MOCAP: Vicon and Optitrack.
Otras placas: AtMega2560, FPGAs, Arduino, inverters and rectifiers.
Mecatrónica: 3D-Printers, PCB design, laser cutting, welding and metal lathes.
JCR: 4,600 Q2 (2023) - SJR: 2,119 Q1 (2023) 
Tordesillas Torres, J., How, J.P., PANTHER: Perception-Aware trajectory planner in dynamic environments. IEEE Access. Vol. 10, pp. 22662 - 22677, 2022. [Online: Febrero 2022]
JCR: 3,900 Q2 (2022); 3,400 Q2 (2023) - SJR: 0,926 Q1 (2022); 0,960 Q1 (2023)
JCR: 4,300 Q1 (2022); 3,000 Q2 (2023) - SJR: 0,814 Q1 (2022); 0,791 Q1 (2023)
JCR: 7,800 Q1 (2022); 9,400 Q1 (2023) - SJR: 2,716 Q1 (2022); 3,669 Q1 (2023)
JCR: 7,800 Q1 (2022); 9,400 Q1 (2023) - SJR: 2,716 Q1 (2022); 3,669 Q1 (2023) Carrio, A., Tordesillas Torres, J., Vemprala, S.H., Saripalli, S., Campoy, P., How, J.P., Onboard detection and localization of drones using depth maps. IEEE Access. Vol. 8, pp. 30480 - 30490, 2020. [Online: Febrero 2020]
JCR: 3,367 Q2 (2020); 3,400 Q2 (2023) - SJR: 0,587 Q1 (2020); 0,960 Q1 (2023) 
