Contexto
Proyecto académico desarrollado en la materia Implementación de Robótica Inteligente (Gpo 502) durante el semestre enero–junio 2025 (6º semestre) de la carrera de Ingeniería en Robótica y Sistemas Digitales en el Tecnológico de Monterrey. El equipo se llamó Malvados y Asociados y el trabajo se realizó en colaboración con Manchester Robotics, sobre su plataforma PuzzleBot.
El reto planteado fue lograr conducción autónoma de un robot diferencial: mantener el seguimiento de una línea/pista, navegar de forma autónoma y detectar señales de tránsito y semáforos para reaccionar en consecuencia (frenar, avanzar o modificar la trayectoria), integrando percepción, control y telemetría en un solo sistema.
Qué hace / Alcance técnico
El robot recorre una pista de forma autónoma combinando visión por computadora para el seguimiento de línea y la detección de señales, con control de motores y odometría basada en encoders para estimar el desplazamiento.
Arquitectura:
- Robot diferencial con navegación basada en cámara + encoders.
- Jetson Nano 2GB para ROS 2 y la carga de visión por computadora.
- Hackerboard (ESP32) para control de motores y lectura de sensores.
- ROS 2 Humble sobre Ubuntu 22.04 como middleware de integración.
- micro‑ROS para la comunicación entre el firmware embebido y los nodos de ROS 2.
Pipeline de conducción:
- Seguimiento de línea para mantener la trayectoria sobre la pista.
- Percepción con YOLOv8 para reconocer señales y semáforos en tiempo real y disparar la conducta correspondiente.
- Odometría con encoders para telemetría de distancia recorrida y estimación de giros, cerrando el lazo de control.
Mi rol en el proyecto
- Integración y comprensión de micro‑ROS para la comunicación embebida con los nodos de ROS 2.
- Lectura de encoders y telemetría de distancia recorrida (cm).
- Pruebas de giro y estimación de rotaciones para calibrar la odometría.
- Curación y etiquetado del dataset utilizado para entrenar el modelo de detección con YOLOv8.
- Pruebas finales, validación y depuración del sistema integrado.
Resultado
Se logró la conducción autónoma del robot combinando percepción visual (seguimiento de línea y detección de señales con YOLOv8) con control cerrado apoyado en la odometría. El sistema se comportó de forma estable durante las pruebas integradas y la validación final de la materia.
El proyecto se completó dentro del semestre enero–junio 2025 y su desarrollo fue reconocido en una publicación de Manchester Robotics.