Robot Autónomo
Sistema de navegación autónoma en tiempo real con visión por computador, control embebido y modelos de percepción ligeros ejecutándose en hardware de bajo consumo.
Stack de autonomía embebida con visión por computador, fusión sensorial y modelos ligeros de percepción; bucles de control y planificación de rutas optimizados para hardware de bajo consumo.
Duración
Introducción
Diseñé y desplegué un sistema de navegación autónoma capaz de percibir, planificar y ejecutar de forma fiable en hardware restringido. El stack integra visión por computador y fusión sensorial con modelos ligeros de percepción, bucles de control en tiempo real y planificación de rutas ajustada a dispositivos embebidos de bajo consumo.
El Desafío
El reto era habilitar navegación autónoma sin mapas previos y con recursos limitados. Como estudiante, tuve que asimilar los fundamentos de robótica resolviendo problemas reales: percepción en tiempo real, planificación, evitación de obstáculos e integración de hardware, todo con presupuesto universitario y cómputo reducido.
Solución y Enfoque
Desarrollé un sistema autónomo completo desde cero, iterando rápido y priorizando fiabilidad:
Pipeline de Visión por Ordenador y ML
- Detección de objetos con redes ligeras en Jetson Nano.
- Modelos personalizados para obstáculos específicos de la competición.
- Clasificación de imágenes (obstáculos, fondo, línea, señales) con 99.5% de precisión.
- Estimación de profundidad con cámaras estéreo para percepción 3D.
- Procesamiento a 20 FPS con recursos limitados.
Sistema de Toma de Decisiones
- Árboles de decisión basados en ML para elecciones de navegación.
- Aprendizaje por refuerzo para optimizar rutas.
- Respaldo por reglas para operación robusta.
- Fusión de sensores en tiempo real (visión, ultrasonidos, IMU).
Control e Integración
- Arquitectura basada en ROS conectando percepción y control.
- Controladores PID para movimiento suave y posicionamiento preciso.
- Drivers personalizados para integrar sensores.
- Entorno de simulación para pruebas sin hardware.
Rendimiento en Competición
- Desafíos de navegación autónoma completados con fiabilidad.
- Seguimiento de línea y respuesta a señales conforme a la clasificación (99.5% de acierto).
- Evitación de obstáculos e identificación de objetivos.
- Funcionamiento continuo durante pruebas de competición.
- Aprendizajes clave sobre retos de robótica en el mundo real.
Resultados e Impacto
El sistema alcanzó navegación estable, evitación robusta de obstáculos y seguimiento suave de trayectorias bajo limitaciones de hardware, demostrando primitivas de autonomía de nivel producción aplicables a robótica, drones y casos de uso de IA en el edge.
Logros Técnicos
- Competición en ActaUPM con robot completamente autónomo.
- Percepción y control en tiempo real en sistemas embebidos.
- Inferencia de modelos a más de 20 FPS en el borde (edge).
- Integración completa: de sensores a actuadores.
Resultados de Aprendizaje
- Experiencia práctica con ML/DL en robótica.
- Habilidades en visión por ordenador y sistemas en tiempo real.
- Trabajo dentro de restricciones de hardware y presupuesto.
- Base sólida para futuros proyectos de robótica e IA.
Proyecto académico, sin ambición comercial, que reforzó mi interés por la robótica aplicada. Construir un sistema autónomo completo desde cero fue una base valiosa para mi trabajo posterior en entornos de producción.