En el desarrollo de los robots de asistencia un reto importante consiste en mejorar la percepción espacial de los robots para la identificación de objetos en diversos escenarios. Para ello, es preciso desarrollar herramientas de análisis y procesamiento de datos de visión estereoscópica artificial. Por esta razón, el presente artículo describe un algoritmo de redes neuronales convolucionales (CNN) implementado en una Raspberry Pi 3 ubicada en la cabeza de una réplica del robot humanoide de código abierto InMoov para estimar la posición en X, Y, Z de un objeto dentro de un entorno controlado. Este artículo explica la construcción de la parte superior del robot InMoov, la aplicación de Transfer Learning para detectar y segmentar un objeto dentro de un entorno controlado, el desarrollo de la arquitectura CNN y, por último, la asignación y evaluación de parámetros de entrenamiento. Como resultado, se obtuvo un error promedio estimado de 27 mm en la coordenada X, 21 mm en la coordenada Y y 4 mm en la coordenada Z. Estos datos son de gran impacto y necesarios al momento de usar esas coordenadas en un brazo robótico para que alcance el objeto y lo agarre, tema que queda pendiente para un futuro trabajo.

El artículo presenta los diseños y resultados de dos controladores tipo SISO de posición para un levitador magnético convencional, con la motivación de comparar las dinámicas de los sistemas posterior a la implementación de ambos métodos de control. Para el diseño de los controladores se obtuvo el modelo matemático aproximado de un levitador magnético a partir de características estáticas, de fuerza electromagnética e inductancia. Una vez establecido el modelo matemático se planteó una ley de control lineal a partir de una realimentación de estados con integrador, estimando la velocidad y corriente. Para el diseño del control no lineal se propuso una ley de control de tipo linealización entrada salida. Por último, se comparó la dinámica del sistema con los controladores implementados y se realizaron modificaciones de masa para verificar la robustez de los controladores, además de perturbaciones tales como fuerzas externas y ruido de tipo eléctrico. Finalmente, fue posible concluir que el controlador lineal tiene una respuesta satisfactoria en términos de error de estado estacionario, añadiendo un menor costo de procesamiento en comparación al controlador no lineal.