Computación y robótica móvil: navegación, sensores y control

Los robots móviles se han vuelto discretos, casi invisibles. Limpian pasillos en hospitales a las 3 de la mañana, llevan piezas en fábricas, inspeccionan granjas solares y recorren almacenes con la naturalidad de quien conoce el camino. Debajo de esa apariencia tranquila viven decisiones duras: qué sensores montar, cómo filtrar datos ruidosos, qué mapa elegir, cuándo ceder el paso o cuándo esperar. La computación y la robótica forman un matrimonio pragmático, y el secreto del éxito está en integrar navegación, sensores y control sin promesas grandilocuentes, con oficio.

He pasado los últimos años poniendo ruedas a algoritmos y algoritmos a ruedas. Lo que sigue no es una receta universal. Es una guía práctica sobre cómo piensa un robot que se mueve por el mundo, con atajos útiles para quien venga de la robotica educativa, la automatizacion y robotica industrial, o simplemente busque entender qué es la robotica más allá de las imágenes de robotica que circulan en redes.

Muchas definiciones suenan académicas. Me quedo con esta: un robot móvil es un sistema físico que percibe, decide y actúa, con el objetivo de desplazarse de forma autónoma y segura. Percibir implica sensores. Decidir exige computación. Actuar demanda control y potencia. Las tres capas se tocan constantemente. Cambiar un sensor obliga a replantear el filtro. Ajustar el control modifica la latencia, y con ello la navegación.

Dentro de computacion y robotica, la movilidad añade un ingrediente que complica todo: el mundo no se queda quieto. Personas, carritos, puertas abiertas o cerradas, suelos que resbalan. La incertidumbre manda.

Suelo dividir la navegación en tres niveles que se retroalimentan:

Esta es la única lista que vas a ver por un buen rato. Conviene abordarlos con ejemplos.

Un robot puede moverse con coordenadas relativas, integrando ruedas. Funciona durante los primeros metros. Luego aparece el deslizamiento, el polvo, el pequeño error angular en cada curva. A los 50 metros, ese error ya dibuja un mapa que no existe. Por eso usamos SLAM, una familia de técnicas de Simultaneous Localization and Mapping. Con LIDAR, cámaras, IMU y odometría, el robot estima en tiempo real su posición y va pintando un mapa.

Los LIDAR 2D de 270 grados y 10 a 20 Hz siguen siendo un caballo de batalla en almacenes y hospitales. Sufren con vidrio, humo y reflejos, pero dan un contorno fiable de paredes y obstáculos. Cuando necesitamos entender alturas, pasillos con rampas o estanterías con huecos, entran los LIDAR 3D y las cámaras de profundidad. En exteriores, donde la textura visual cambia con el sol y las sombras, un GPS RTK reduce el error a centímetros, siempre que el cielo se vea bien. Debajo de árboles densos o en cañones urbanos, no hay milagros.

En proyectos de robotica educativa conviene enseñar primero odometría e IMU, luego un LIDAR barato en un pequeño chasis, y recién después cámaras. La visión añade potencia, pero también calibración, iluminación, balance de blancos, foco y más posibilidades de equivocarse. A un equipo que empieza le pido un mapa 2D robusto antes de soñar con SLAM visual.

El mapa es la simplificación que permite razonar sin ahogarse en datos. Para interiores, los mapas de ocupación 2D valen oro. Son grecas de celdas con probabilidades de estar libres u ocupadas. Se actualizan rápido y ocupan poca memoria. En exteriores complejos, las representaciones 3D con nubes de puntos o voxeles dan contexto, aunque exijan más computación y buenas políticas de poda.

Aprendí por las malas a mantener un mapa local cercano que se actualiza segundo a segundo, y un mapa global más estable que se actualiza con parsimonia. El mapa local se alimenta de sensores crudos, sin esperar consenso. El global, en cambio, filtra falsos positivos (bolsas de plástico que vuelan, reflejos, personas que pasan) y refuerza lo persistente.

Planificar es escoger una ruta que balancee distancia, seguridad y tiempo. En almacenes con pasillos, un A* clásico sobre un mapa de ocupación es suficiente. Si hay robots y personas moviéndose, un planificador global debe ser conservador, y un planificador local debe reoptimizar cada pocos centímetros.

Una lección de campo: cuanto más torpe el control, más inteligente debe ser la planificación local. Por ejemplo, en un robot diferencial con ruedas pequeñas y centro de masa alto, evito curvas cerradas. Prefiero rutas con radios amplios, aunque sean más largas. Esa elección reduce la probabilidad de patinar o volcar con carga. Al revés, con una base omnidireccional y ruedas Mecanum, puedo permitirme giros en el sitio, pero debo vigilar el consumo y la tracción en suelos lisos.

En exteriores, la elección del costo del terreno define la experiencia. Un césped mojado puede ser inofensivo para una oruga y un infierno para ruedas de goma. En estos casos, entrenar un clasificador simple con datos de vibración, consumo de corriente y slip real ayuda a etiquetar el terreno en caliente y a ajustar la velocidad.

Nada tensa más que un carrito de limpieza que sale de una puerta cuando llevas 80 kg de carga. Los esquemas de reactivos con campos potenciales o DWA (Dynamic Window Approach) siguen siendo útiles, siempre que se restrinja la velocidad según la distancia y se considere la inercia. La verdadera diferencia la marca la latencia. Un pipeline de percepción que tarda 200 ms frente a uno de 60 ms cambia el margen de seguridad en un pasillo estrecho. Si hay que recortar, recorto resolución antes que frecuencia.

La tentación de montar todos los sensores es grande. Luego llega la factura de la integración, el consumo y la calibración. Menos es más, siempre que ese menos esté bien elegido.

Para entornos estructurados, el LIDAR 2D sigue mandando. Es robusto a iluminación, entrega distancias precisas y simplifica el SLAM. Sus dolores de cabeza vienen del vidrio y los espejos. En hospitales aprendimos a identificar puertas de vidrio por su marco de metal y por el eco tenue en el umbral. Cuando dudamos, reducimos velocidad y buscamos confirmación con un bumper virtual de visión o con ultrasonidos.

El LIDAR 3D abre la puerta a navegación en rampas y a detección de huecos. No es siempre necesario. Si el caso permite rutas predecibles, un 2D bien colocado, a 25 o 30 cm del suelo, resuelve el 80 por ciento.

Las cámaras dan información rica: señales, personas, texto, color del suelo. A cambio, piden iluminación y cómputo. Para detección de personas, me ha funcionado mejor combinar un detector ligero con seguimiento por características que correr una red enorme a 60 FPS. La pista bien mantenida aguanta oclusiones y reduce falsos positivos. La calibración intrínseca y extrínseca, con patrones impresos bien hechos, ahorra horas de depuración. La frecuencia de recalibración depende del maltrato. Un robot que viaja en camioneta entre sitios necesita revisar cámaras cada pocas semanas.

En exteriores, la exposición automática traiciona a la visión estereoscópica. Un parche de sol saturado falsea la disparidad. En esos casos, usar una cámara con rango dinámico alto o limitar el control de exposición por zonas marca la diferencia.

La IMU estabiliza todo. Aunque derive, integra microaceleraciones y giros que permiten anticipar. Si el LIDAR entra en sombra por un vidrio, la https://robotica10.com/ IMU mantiene el rumbo suficiente para no perder el mapa. La odometría, bien medida y con calibración de radios y separaciones reales, es el pegamento. Siempre pierdes algo de precisión. A cambio, ganas continuidad.

Algo que no se cuenta lo suficiente: los bumpers físicos siguen salvando robots. En un entorno nuevo, con una zona cargada de reflejos, un microcontacto frontal evitó que un robot se metiera debajo de una escalera. Esa señal simple desencadenó un backup suave y una marca en el mapa para revisar.

En automatizacion y robotica industrial, la seguridad se diseña primero. Barreras fotoeléctricas, LIDAR de seguridad con zonas configurables, botones de paro de emergencia y balizas acústicas no son opcionales. El control se integra con PLC o con relés de seguridad. En navegación colaborativa con personas, la velocidad se limita por zonas. No es lo mismo moverse en una línea de producción con vallas que en un área de picking abierta. A igualdad de robotica, el contexto manda.

La navegación decide el qué. El control hace el cómo. Si el control es tosco, el robot serpentea, patina y agota baterías. Si es fino, parece inteligente.

La base diferencial es noble. Un controlador de seguimiento de trayectoria que combine feedforward de velocidad, feedback de posición y un pequeño término de curvatura corrige desalineaciones sin sobrepasarse. Para trayectorias con curvas cerradas, bajar la velocidad proporcional a la curvatura mantiene la adherencia y reduce vibraciones que confunden la percepción.

En bases omnidireccionales, el reparto de velocidades por rueda requiere conocer bien el radio efectivo y el modelo de rozamiento. Los modelos ideales engañan. Si el robot vibra al moverse lateralmente, seguramente hay una rueda descargada o una diferencia de presión. La solución no es un PID más agresivo, sino nivelar el chasis y revisar el reparto de peso.

No hay que tenerle miedo al PID. Bien sintonizado, resuelve el 80 por ciento de los problemas de velocidad y giro. Mi método: primero, una rama de control puro en lazo cerrado con el motor aislado. Luego, integrar el lazo en el sistema con carga. Por último, afinar el control de trayectoria, que siempre hereda de ambos.

Cuando el robot es rápido o pesado, un modelo dinámico con feedforward de aceleraciones mejora la respuesta. Para aplicaciones complejas, el control predictivo basado en modelo (MPC) da una capa extra de suavidad y cumple restricciones como no superar inclinaciones. El costo computacional ya no es prohibitivo con miniPC modernos.

Nada rompe más que la latencia. Una pila de percepción a 30 Hz con 120 ms de retraso rinde peor que otra a 15 Hz con 60 ms. Prefiero un pipeline que reconozca menos clases pero lo haga rápido. En control de bajo nivel, 100 a 200 Hz es un rango razonable. Si uso MPC, me cuido de no bajar de 20 a 30 Hz para el lazo externo. La IMU corre a más, pero no todo el sistema necesita esa velocidad.

Los sistemas de robotica viven en capas. En mi experiencia, separar módulos con mensajes bien definidos salva proyectos. También ayuda a dormir.

ROS y ROS 2 se han convertido en un estándar de facto en computacion y robotica. Lo importante no es la marca, sino la disciplina. Un nodo que se cuelga no debe derribar el sistema. Los tópicos críticos no pueden depender de redes inestables. Si un robot hace misiones largas en naves industriales, cierta lógica debe vivir cerca del metal, no en la nube.

El registro de datos es un seguro de vida. Guardar series temporales con tiempos precisos y versiones de firmware permite reconstruir fallos que, de otro modo, parecerían magia. La honestidad en la telemetría - corrientes, temperaturas, señales de sensor crudos - ahorra culpas mal asignadas.

En flotas, los mapas no pueden ser archivos copiados a mano. Se versionan, se distribuyen y se validan. Una mala actualización deja robots perdidos. Se evita con canarios: un robot prueba primero en una ruta controlada, se monitorean métricas, luego se despliega al resto. Los cambios físicos del entorno requieren políticas de refresco. Un pasillo clausurado no puede esperar al mantenimiento nocturno.

La simulación ahorra golpes, pero engaña si se abusa. Para validar control, dinámica y lógica básica de navegación, sirve. Para probar sensores, hay que recordar que un LIDAR simulado no emula el ruido del vidrio, y una cámara sintética rara vez reproduce los brillos de un piso encerado. Yo uso la simulación para probar esquinas lógicas, colisiones y tiempos, y me paso al mundo real antes de sentirme cómodo.

Los robots que no llegan al final del turno mueren en la pila de proyectos. La batería es el presupuesto real.

Un cálculo rápido sirve de brújula: si la base motriz consume 80 a 120 W a velocidad de crucero y la computación 25 a 40 W, con sensores que suman otros 15 a 30 W, una batería de 600 Wh da entre 3 y 5 horas reales, contando picos y pérdidas. La carga de 80 kg subiendo rampas puede doblar el consumo por tramos cortos. El ambiente también juega. A 0 grados, la capacidad baja notablemente, y los motores requieren más corriente.

La ventilación interna no es glamorosa, pero define la vida de la electrónica. He visto SOM potentes estrangularse por polvo en filtros. Un sensor láser calentado por el sol sobre acrílico transparente pierde rango. Colocar toldos, canalizar aire y evitar chasis que se convierten en hornos es parte de hacer robotica, aunque no aparezca en las imágenes de robotica de marketing.

En automatizacion y robotica industrial, los estándares no son papel mojado. ISO 3691-4 para robots móviles, ISO 13849 para partes relacionadas con seguridad, y guías locales obligan a diseñar con categorías de seguridad, MTTFd, canales redundantes y diagnóstico. Cumplirlos desde el diseño es más barato que reconstruir después.

La interacción humana es otra capa. Un robot que se acerca en silencio por detrás asusta. Un juego de luces que indique intención, beep suave en cruces y un comportamiento predecible evitan sustos. En pasillos con mucho tráfico, reducir velocidad no es solo por riesgo de colisión, también por cortesía operativa. La robotica convive con personas, no compite con ellas.

Muchos llegan desde la robotica educativa, con robots pequeños y entornos controlados. El salto está en la robustez y la repetibilidad. Un consejo: escalar de a poco. Pasar de un chasis de 3 kg a uno de 15 kg enseña sobre inercia. Añadir un sensor de verdad, con su consumo y su latencia, cambia el juego. Llevar el robot fuera del laboratorio, sobre baldosas irregulares, revela resonancias que no se ven en suelo de goma.

Para quienes preguntan que es robotica como campo, mi respuesta siempre incluye lo feo y lo bonito. Lo bonito es ver un robot navegar y cumplir su misión. Lo feo son los cables mal crimpados que arruinan una mañana. La madurez está en diseñar para tolerar lo feo.

En hospitales, la confidencialidad limita subir datos crudos a la nube. Todo debe procesarse local. El LIDAR 2D y las cámaras con visión por eventos han demostrado reducir falsas detecciones de reflejos en pisos pulidos. En almacenes, la congestión durante picos de temporada obliga a algoritmos de prioridad de paso, no solo a buena navegación individual. Una flota sin gestor de tráfico termina bloqueándose en intersecciones. En agricultura, el polvo exige sellado IP65 y filtros accesibles para limpieza diaria. Aquí, las ruedas altas y el torque importan más que el acabado estético.

Cada caso obliga a elegir. Menos sensores con buena integración vencen a un arsenal mal atado. Un LIDAR 2D de calidad con IMU y buena odometría supera, en muchos interiores, a un set de cámaras mal calibradas. En exteriores, una antena RTK bien instalada, con vista despejada, da más valor que una nube de puntos gigantes que no puedes procesar a tiempo.

Un robot operativo no es solo software. Es rutina.

La robotica sin métricas navega a ciegas. Las que más me han servido son sencillas: porcentaje de misiones completadas, tiempo por misión, eventos de parada por hora, desaceleraciones de emergencia, energía por kilómetro, y número de replanificaciones locales. Cuando una métrica empeora, siempre hay una historia detrás. Tal vez una zona agregada en el almacén, un rodamiento con juego, o una actualización de software que añadió latencia. Medir permite encontrar el hilo y tirar de él.

Los avances en percepción con redes ligeras, el abaratamiento de LIDAR 3D, la estandarización de ROS 2 y las nuevas baterías con mejor densidad ayudan. También crecen las expectativas. Se habla de robots que comparten pasillos con personas y negocian espacios como si fueran peatones. Llegaremos, pero el camino pasa por bases sólidas: filtrado sensato, control fino, mapas bien mantenidos, seguridad funcional y operación disciplinada.

Para quienes todavía se preguntan que es robotica desde fuera, diría que es el oficio de unir ideas con tornillos y probarlas hasta que funcionen siempre, no solo una vez. En computacion y robotica móvil, eso significa que el robot no solo llega del punto A al B, sino que sabe cuándo no debe salir, cuándo esperar y qué hacer si algo cambia. Esa prudencia, que parece simple, es la diferencia entre un demo y un producto.

La fotos llamativas, las imagenes de robotica con luces y ángulos perfectos, atraen. El valor real está en que un robot haga su trabajo sin alardes, día tras día. Diseñar para esa constancia, con navegación robusta, sensores elegidos con cabeza y control que privilegia la suavidad, es la meta. Y cuando el carrito de limpieza salga de esa puerta otra vez, el robot frenará a tiempo, cederá el paso y seguirá. Eso, para mí, es la robotica hecha con respeto por el mundo donde vive.