Revista de Ciencias Tecnológicas (RECIT). Volumen 3 (1): 10-22
Revista de Ciencias Tecnológicas (RECIT). Universidad Autónoma de Baja California ISSN 2594-1925
Volumen 4 (4): 353-364. Octubre-Diciembre. https://doi.org/10.37636/recit.v44353364.
ISSN: 2594-1925
353
Interfaz gráfica para el control de seguimiento de
trayectorias de un robot sanitizador en espacios
controlados
Graphical interface for the control of the trajectory following of a
sanitizing robot in controlled spaces
Carlos Guillermo Miguélez Machado , Ángel Israel Soto Marrufo , Israel Ulises Ponce Monárrez ,
Francesco García Luna
Instituto de Ingeniería y Tecnología IIT, Universidad Autónoma de Ciudad Juárez, Ciudad Juárez,
Chihuahua, México.
Autor de correspondencia: Ángel Israel Soto Marrufo, Instituto de Ingeniería y Tecnología IIT,
Universidad Autónoma de Ciudad Juárez, Ciudad Juárez, Chihuahua, México. E-mail:
angel.soto@uacj.mx. ORCID: 0000-0001-6471-9127.
Recibido: 15 de Septiembre del 2021 Aceptado: 12 de Noviembre del 2021 Publicado: 24 de Noviembre del 2021
Resumen. –En el presente trabajo se propone un Desarrollo de Interfaz Gráfica de Usuario para la
interacción con un modelo de simulación tridimensional de un robot higienizador en una sala simulada
para las pruebas de algoritmos de navegación implementados en el mismo. Al mismo tiempo, se
implementan los comportamientos de exploración y planificación de rutas de desinfección. El modelo
simulado del robot se basa en la Rueda Omnidireccional Nexus 4WOmni de la que también se propone
el modelo cinemático. Además, se propone una interfaz gráfica de usuario para dar comandos básicos al
robot simulado. Los resultados de la implementación se comprueban mediante la implementación de
algoritmos de navegación al robot, también los comportamientos de exploración, planificación de rutas
y seguimiento de trayectoria de desinfección e interacción de la interfaz gráfica con la simulación.
Palabras clave: Interfaz gráfica de usuario; Robot desinfectante; Modelo simulado del robot;
Planificación de trayectorias y seguimiento de trayectorias.
Abstract. – In the present work, a Development Graphical User Interface for interaction with a
tridimensional simulation model of a sanitizing robot in a simulated room is proposed for navigation
algorithms tests implemented on it. At the same time, the behaviors of exploration and disinfection path
planning are implemented. The simulated model of the robot is based on the Omnidirectional Nexus
4WOmni Wheel of which the kinematic model is also proposed. Additionally, a graphic user interface to
give basic commands to the simulated robot is proposed. The results of the implementation are proved
through the implementation of navigation algorithms to the robot, also the behaviors of exploration, path
planning, and disinfection trajectory tracking, and interaction of the graphic interface with the simulation.
Keywords: Graphic user interface; Sanitizing robot; Simulated model of the robot; Path planning and
trajectory tracking.
354 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
1. Introducción
La pandemia generada por la enfermedad COVID-
19 ha planteado la necesidad de hacer un mayor
uso de la tecnología para disminuir el contacto de
los humanos con la misma [1]. En este contexto,
los robots se unen al personal médico en la primera
línea, especialmente los robots móviles que
utilizan lámparas de luz ultravioleta tipo C (UV-C)
para desinfectar locales [2]–[4]. Específicamente,
en el sistema de navegación del robot de
desinfección con lámparas ultravioletas se
necesitan algoritmos de planeación de rutas que
garanticen el acercamiento del robot a los objetos
a desinfectar [5], [6]. A su vez, el sistema debe ser
capaz de gestionar las metas que administra dicho
algoritmo al mismo tiempo que deja la opción al
usuario de tele operar el robot. Finalmente, se han
realizado estudios de la radiación recibida por
unidad de área comprobando la eficacia de los
sistemas autónomos móviles de desinfección. [7],
[8].
Es necesario resaltar, que los proyectos de
robótica, por lo general, requieren de alto
presupuesto para implementar los algoritmos
sobre un robot real. Por lo tanto, es bastante como
un plantear resultados iniciales de un proyecto en
simulación. Específicamente, en el campo de la
navegación de robots móviles, Phunopas e
Inoue[9] plantean los resultados de un sistema para
corregir la medición de odometría de un robot
móvil mediante el uso de la simulación. Por su
parte, Nguyen et al. [10] proponen un sistema de
navegación autónoma usando aprendizaje por
reforzamiento y es probado en un modelo
simulado de un robot omnidireccional de 4 ruedas.
Los resultados del estudio anterior son presentados
en un entorno de simulación en Gazebo y la
arquitectura del sistema fue desplegada en Robotic
Operating System (ROS). Cabe destacar, las
dificultades que enfrentan los autores y los
desarrolladores en el uso de los simuladores. Por
ejemplo, consumo computacional del simulador,
la fidelidad a la realidad del mismo y la
construcción del modelo simulado del robot,
constituyen algunas de estas dificultades. En
este contexto, los autores Afsal et al. [11]
realizaron un estudio de los principales
problemas que presentan los motores de
simulación actuales mediante encuestas online
a desarrolladores y autores en el ámbito de la
robótica.
En el presente trabajo se propone una interfaz
gráfica de usuario para interactuar con el
modelo de simulación de un robot de
desinfección con luces ultravioletas.
Adicionalmente, se explica la arquitectura de
software que incluye el sistema de navegación.
Por su parte, el sistema de generación de metas
de desinfección es basado en el mapa
construido por el robot mediante la exploración
autónoma del local. Los resultados de la
arquitectura son mostrados en un entorno
simulado. Adicionalmente, se plantea el
modelo cinemático y la dinámica de los
actuadores de la plataforma móvil sobre la cual
se intenta implementar el sistema. Es
importante definir como limitante, que esta
investigación no propone un control de bajo
nivel para la generación de las velocidades del
robot real, este aspecto se planea tratar en futura
investigación. Adicionalmente, aunque se
plantea el modelo del robot real a utilizar, no es
contenido de esta investigación realizar el
levantamiento instrumental de todo el hardware
necesario para la puesta en marcha del robot
real. El alcance de este trabajo llega hasta el
diseño de un entorno simulado para el robot
móvil con la tarea de desinfección, al igual que
el diseño de una interfaz gráfica de usuario y las
pruebas del algoritmo de desinfección sobre
distintos mapas de entornos reales y virtuales.
El trabajo se estructura de la siguiente manera,
en la sección 2 dos, marco teórico, se cubren los
principales conceptos de interés como lo son
355 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
ROS, generación de trayectorias y el modelo
cinemático y la dinámica de los actuadores. En la
sección 3, Materiales y Métodos, se describe la
interfaz diseñada para la interacción con el robot a
nivel de usuario. En la sección 4, Resultados y
Discusión, se plantean los resultados principales
del trabajo. Por último, se realizan las conclusiones
del mismo.
1. Marco Teórico
1.1 Plataforma experimental
Los resultados de la implementación del sistema
se prueban en un entorno simulado con un modelo
de simulación basado en el robot Nexus 4Womni
ver figura 1 que posee 4 ruedas omnidireccionales.
Figura 1. Robot Nexus 4WOmni utilizado como base
para el modelo de simulación del proyecto
1.2 Modelo cinemático
Primeramente, se define R como el radio del centro
del robot hasta el centro de las ruedas, r como el
radio de las ruedas w1;w2;w3;w4 como las
velocidades angulares de cada una de las ruedas y
las velocidades Vx; Vy; como las velocidades en
los ejes (x, y) y la velocidad angular del robot [9].
Luego, El modelo cinemático directo viene dado
por la ecuación 1
󰇯
󰇰 (1)
Donde
󰇛
󰇜 󰇛
󰇜 󰇛
󰇜 󰇛
󰇜
󰇛
󰇜 󰇛
󰇜 󰇛
󰇜 󰇛
󰇜
(2)
A su vez, el modelo cinemático inverso viene
dado por la expresión 3
󰇯
󰇰
(3)
1.3 Modelo dinámico de los Actuadores
Para analizar la dinámica de un motor se toman
los siguientes parámetros
Tabla 1. Parámetros del robot y de los motores
Término
Descripción
Valor
Unidad
v
Voltaje de
armadura
V
Ia
corriente del
motor
A
Ra
resistencia de
armadura
1.9
Ω
Ka
constante de
torque
13,4x10-3
N-
m(
)
Kb
constante de
fuerza contra-
electromotriz
13,4x10-3

Jm
inercia del eje
del motor
5,7x10-3
Kgm2
Fm(qm)
fricción en el
eje del motor
0.001
Nm
re
relación de
reducción de
engranes
64:1
φ
ángulo en la
rueda i
Rad
Tφi
torque en la
rueda i
Nm
Las ecuaciones que describen el
comportamiento del motor son
356 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364

󰇗 (4)
󰇗
󰇗 (5)

󰇘 
󰇘 (6)
 (7)

󰇘 󰇛󰇗󰇜
(8)
1.4 Generación de trayectorias
La navegación autónoma requiere de sistemas que
permitan generar y seguir la ruta hasta los puntos
deseados. Por lo cual, se necesita un planeador
global que sea capaz de tomar como entradas el
mapa (2D o 3D) del mundo, la postura del robot y
la meta deseada, para generar una trayectoria que
guiara al robot de su posición y orientación actual
a la deseada. Luego, se necesita de un planeador
local que tome como entradas el plan global y la
percepción que tiene el robot del ambiente, para
generar las velocidades lineares y angulares que el
mismo deberá alcanzar para seguir el plan global y
evitar colisionar con obstáculos [12].
El estado del arte actual de los sistemas de
navegación muestra familias extensas de
algoritmos tanto de planeadores globales como
locales. Las familias más denotadas de
planeadores globales incluyen técnicas como
grafos de visibilidad, exploración de árboles
aleatorios [13], hojas de ruta probabilísticas y
funciones de navegación [12]. Mientras que, entre
los planeadores locales más destacados se
encuentran en enfoque de ventanas dinámicas
(DWA) [14], el enfoque de banda elástica (EBand)
y el enfoque temporal de la (TEB) [12], [15].
Robotic Operating System (ROS) provee de
capacidades de navegación en su colección de
paquetes move base el cual utiliza planeadores
globales y locales. Por consiguiente, corresponde
al desarrollador de la aplicación elegir entre los
distintos planeadores que ofrece ROS o
implementar uno propio, posibilidad que se tiene
por la flexibilidad que ofrece ROS como
middleware. Entre los planeadores globales
implementados en ROS están navfn y global
planner [16]. A su vez, los planeadores locales
de mayor relevancia implementados en ROS
son los ya mencionados DWA, EBand y TEB
[14], [17], [18].
En aras tomar la elección entre los navegadores
más adecuados para la aplicación, Los autores
Cybulski1 y Wegierska [15] compararon las
implementaciones en ROS de los algoritmos
DWA, EBand y Time Elastic Band (TEB) en
simulación y en un robot real. Del estudio
anterior, los autores concluyeron que DWA
posee mayor repetibilidad. Mientras que,
EBand posee mayor precisión al arribar a la
meta. Por último, en términos de velocidad de
acción TEB resultó ser el más rápido. Por otro
lado, Pittner et al. [18] realizaron un estudio
similar que compara los mismos algoritmos en
términos del camino generado comparando su
comportamiento en un entorno simulado. La
anterior investigación arroja a TEB como el
mejor, puesto que DWA tuvo problemas con los
obstáculos dinámicos y EBand errores con los
obstáculos estáticos. A su vez, Filotheou et al.
[12] realizaron una comparación exhaustiva de
planeadores teniendo en cuenta la calidad de la
documentación existente, el soporte actual (en
el año 2020), las facilidades de instalación, la
modularidad y la consistencia en el
rendimiento. Del estudio anterior, los autores
reportaron que los algoritmos navfn como
planeador global y teb local planner como
planeador local eran los que mejor cumplan los
parámetros antes mencionados.
Como muestran los estudios citados en los
párrafos anteriores la combinación de navfn
como planeador global y teb local planner como
planeador local resulta ser la más adecuada para
el sistema de navegación que se necesita en este
trabajo.
357 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
2. Materiales y Métodos
La distribución de ROS empleada en el trabajo es
ROS Melodic Morenia cuya fecha de lanzamiento
fue el 23 de mayo del 2018 con fecha de caducidad
en mayo del 2023. El mismo, se ejecuta sobre la
distribución Ubuntu 18.04 Bionic.
Adicionalmente, se utilizó Gazebo 9.0.0 para la
simulación. La programación se realiza con la
versión de Python 3.5 y el procesamiento de
imágenes con OpenCV 3.0.
Para la prueba del sistema se construye un modelo
simulado de la plataforma móvil y del sensor
LiDAR en lenguaje URDF. Este lenguaje
descriptivo se basa en xml y básicamente
representa el robot mediante diferentes links que
se unen entre sí mediante joints. En el esquema de
la figura 2 se visualiza las conexiones entre los
links del robot.
Figura 2. Relación entre los diferentes links del modelo
simulado en Gazebo del Robot Nexus.
Así mismo, el sistema motor-rueda con rueda es
descrito de manera independiente como se muestra
en la figura 3. Lo anterior, debido a la complejidad
y la cantidad de links que tiene una rueda
omnidireccional.
Figura 3. Relación entre los diferentes links del sistema
motor rueda del robot en Gazebo.
El resultado de la construcción del modelo
simulado del robot se muestra en la figura 4. El
modelo del robot se construye con las
dimensiones y el peso del robot Nexus
mostrado en la figura (figura del robot Nexus).
Además, el modelo del sensor LiDAR es
construido con las dimensiones, el peso y las
características del sensor RPLidar A2. Es decir,
con una resolución de 1 grado y 12 metros de
alcance.
Figura 4. Modelo simulado en Gazebo del Robot
Nexus.
2.1 Interfaz Gráfica de usuario
Se desarrolló una interfaz gráfica de usuario
(GUI) básica con el objetivo de facilitar la
interacción con el robot (figura 5). La GUI fue
desplegada en un servidor web en la
computadora local de trabajo.
358 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
Una de las funcionalidades básicas de la GUI es la
comunicación con el robot, para lo cual, se utiliza
un cuadro de entrada de texto en donde se
introduce el IP y el puerto del robot (figura 5). El
botón de conectar realiza la conexión con el robot,
que en este caso es el modelo simulado que se
encuentra en la misma máquina de trabajo, o sea,
localhost:9090. Adicionalmente, se cuenta con un
botón para solicitar al robot una exploración del
entorno de trabajo y un botón para solicitar al robot
que trace y siga la ruta de desinfección.
Figura 5. Interfaz gráfica de usuario pantalla frontal.
Además, se brinda al usuario la posibilidad de
ingresar su propia meta introduciendo el grupo de
datos coordenados (x,y,z,roll,pitch,yaw) como se
muestra en la figura 6. En este mismo control, se
cuenta con otra pestaña donde se pueden visualizar
todas las metas creadas por el usuario, así como las
opciones de eliminar o editar dichas metas.
Figura 6. Interfaz gráfica de usuario pantalla de añadir metas
manualmente.
3. Resultados y Discusión
3.1 Análisis de Interfaz Gráfica de usuario
La interfaz gráfica desarrollada con
herramientas web de software abierto brinda la
ventaja de ser escalable. Similarmente a lo
propuesto, Sooryavanshi P et al. [19]
desarrollan interfaz web mediante la
implementación de Node.js en la computadora
de su robot. La arquitectura propuesta por
Sooryavanshi P contiene tanto la visual como la
lógica de servidor lo que la hace más compacta
pero más dependiente de la conexión con el
dispositivo. Sin embargo, una arquitectura
como la propuesta en el presente trabajo con
API Rest en el robot desacoplada de una Single
Page Application garantiza que el usuario no
dependa completamente de la conexión con el
robot para interactuar con la interfaz, lo anterior
constituye un aporte. En términos de
modularidad e integración, Cruz R et al. [20]
proponen una arquitectura humano-robot
desacoplada con posibilidad de integrar nuevos
dispositivos. Sin embargo, utilizan un HMI el
cual no es un elemento que le incorpora
robustez, pero encarece el producto. En la
propuesta realizada en este trabajo se pretende
alcanzar la compatibilidad con cualquier
dispositivo móvil sin necesidad de integrar un
elemento industrial.
Por otra parte, en términos de usabilidad Ily M.
y Magid E. [21] desarrollan una interfaz gráfica
con un alto número de funcionalidades en
comparación con las propuestas en este trabajo.
Así mismo muestran mucha más información
interna del robot. Sin embargo, el objetivo de
los autores de este trabajo es el desarrollo de
una interfaz para usuarios básicos con poco o
ningún conocimiento de robótica, por lo cual, la
sencillez de la interfaz propuesta.
359 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
Con respecto al uso de tecnologías avanzadas, la
propuesta realizada se basa en tecnologías web
modernas y con sostenibilidad. Aun así, autores
como Miatliuk K. [22] proponen un diseño
conceptual de control mental del dispositivo
mediante la lectura de ondas cerebrales. Así
mismo, Gego D. [23] propone algo similar pero
mediante el seguimiento de la pupila del ojo del
usuario. En términos de tecnología los trabajos de
Miatliuk y Gego resultan más avanzados, aunque
los mismos se encuentren en etapa conceptual.
También, es válido cuestionar si el encarecimiento
del producto y la aceptación por parte de un
usuario final hacen factible el uso de dicha
tecnología. De igual manera, otros trabajos
enriquecen la interacción humano-robot mediante
comandos de voz [24]–[26]. Dicha tecnología, ha
tenido aceptación en los usuarios y resulta
cómoda. Por lo anterior, se propone el
enriquecimiento de la propuesta actual con
módulos de comandos de voz.
3.2 Análisis del algoritmo de Desinfect_Router
Primeramente, se construyó una habitación en
simulación (figura 7) para poner a prueba el
funcionamiento del sistema de navegación del
modelo simulado del robot. Mediante la interfaz de
usuario se comanda la exploración de dicha
habitación y se ordena al robot que valla a una
meta específica entrada manualmente.
Seguidamente, Se realizó un algoritmo de
autogeneración de metas mediante la
identificación de contornos sobre el mapa 2D para
generar una serie de metas que cubren la mayor
parte de los objetos a ser desinfectados en el
espacio de trabajo. La subrutina del algoritmo se
activa una vez presionado el botón Desinfect
Route. Finalmente, el seguimiento de trayectorias
se realiza mediante la utilización del planeador
local Time Elastic Band (TEB). A continuación, se
presentan los resultados de dicho algoritmo,
primero el mapa generado mediante una
habitación simulada, luego en diversos mapas
de habitaciones reales.
Figura 7. Habitación simulada construida (arriba visa en
el simulador Gazebo, abajo vista en Rviz).
La figura 8 representa el algoritmo de
autogeneración de metas sobre el mapa de la
habitación simulada de la figura 7. La elección
del algoritmo de planeamiento local TEB se
realizó siguiendo la comparación realizada en
[18]. El mismo se aplica de tal manera que se
logra la autonomía en el seguimiento de ruta.
Otras soluciones han sido el uso de inteligencia
artificial en la navegación [27]. Los resultados
en términos de eficiencia en la navegación
resultaron similares. Pero, la complejidad de la
implementación es mayor. Otras
aproximaciones con respecto al control de bajo
nivel ha sido la aplicación de técnicas de control
avanzado [28][29][30]. Dichas soluciones son
muy acertadas para un robot real y se propone
la aplicación de las mismas en este trabajo en
un futuro cercano.
Otra aproximación sería la de usar control tele-
operado para mover el robot desde un punto
remoto [31]. Sin embargo, esto obliga al
360 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
usuario a estar pendiente del proceso, y no resulta
conveniente para la aplicación propuesta. Una
aproximación más intensiva a la propuesta en este
trabajo es la mezcla del mundo virtual simulado
con la realidad para lograr ciertos patrones en el
control de movimiento del robot [32]. Igualmente,
la aproximación anterior requiere la atención de un
operador. Por último, una aproximación muy
simular a la propuesta de utilizar la simulación y la
visualización en el desarrollo, es la desarrollada
por Zea A. y Hanebeck D [33]. En la misma
proponen un sistema similar a RViz pero en
dispositivos móviles.
Figura 8. Metas generadas en la habitación simulada
mediante el algoritmo de auto generación de metas.
3.3 Resultados sobre mapas construidos a partir
de habitaciones reales
La figura 9 representa una habitación cuadrada
(arriba sin obstáculos en el centro, abajo con
obstáculos). Como se observa, el algoritmo
dispone metas en el centro de la habitación cuando
esta tienen posibles objetos a desinfectar.
Figura 9. Relación entre los diferentes links del sistema
motor rueda del robot en Gazebo.
La figura 10 representa habitaciones con una
geometría más complicada. Se aprecia como el
algoritmo coloca metas incluso en el exterior de
la habitación. Aun así, dichas metas serán
rechazadas por el planeador al no encontrar una
ruta que conlleve a ellas.
Figura 10. Metas generadas por el generador automático
de metas en habitaciones de geometría compleja
La figura 11 arriba representa a el
comportamiento del algoritmo sobre un mapa
incompleto y abajo sobre un mapa con una
geometría complicada con obstáculos en
dispuestos en todo el mapa.
Figura 11. Metas generadas en una habitación no
explorada completamente (arriba) y en una habitación de
geometría complicada con obstáculos grandes en el
centro
Similarmente al trabajo desarrollado con el
planificador de rutas autónomo Desinfect
Route, los autores (Ruan, K y, Zehao, Q, 2021)
[34] plantean un robot para la desinfección
autónoma que puede ser tele operado por el
usuario y afirman implementar un método para
la planificación de rutas autónoma. Sin
embargo, no se especifica cómo se escogen las
metas autónomamente. Por otra parte, los
autores (Hu D. et al. 2020) [35] utilizan una
cámara 3D y un algoritmo de segmentación de
la nube de puntos para elegir autónomamente
361 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
las metas en el entorno para desinfectar, la
desventaja de la solución propuesta es el
requerimiento de sensores mucho más costosos
que los necesarios en la solución propuesta en este
trabajo.
4. Conclusiones
En el presente trabajo se desarrolló una interfaz de
usuario gráfica para la interacción con un robot de
desinfección ultravioleta. Además, se desarrolló
un algoritmo de trazado de ruta de desinfección
basado en los contornos del mapa previamente
explorado. Finalmente, lo se puso a prueba el
sistema en un entorno de simulación y
visualización construido.
La interfaz de usuario es novedosa en esta área del
conocimiento por la arquitectura de API REST que
desacopla el robot de la interface y por la simpleza
para el usuario. La misma se probó mediante el
envío de comandos a un modelo del robot en una
habitación simulada. Adicionalmente, se
desarrolló el algoritmo de identificación de
contornos para generar automáticamente las metas
resulta una alternativa a los sistemas propuestos.
Dicho algoritmo se probó en el mapa de la
habitación simulada y en diversos mapas de
habitaciones reales. Resultando el
comportamiento del algoritmo mejor en
habitaciones que tienden a ser cuadradas que en
habitaciones con geometría más compleja. El
algoritmo requiere de la utilización del sensor
LiDAR que no resulta tan costoso como una
cámara 3D. Finalmente, dicho algoritmo también
se prueba que se puede aplicar a habitaciones
parcialmente exploradas en cuyo caso el algoritmo
solo coloca metas en terreno conocido.
El presente trabajo es implementarle en un robot
real como el propuesto en la sección 2,
requiriendo, además, de un sensor LiDAR para su
correcta implementación. Sin embargo, para un
mejor reconocimiento y desinfección del terreno
se recomienda la mejora del sistema con una
cámara 3D. La implementación del trabajo es
aplicable en entornos hospitalarios y en
entornos hogareños para la desinfección en
general mediante radiación ultravioleta.
Como trabajo futuro a corto plazo se
implementará el sistema en el robot real, para la
interacción con la interfaz de usuario y la puesta
en marcha en entornos reales.
5. Agradecimientos
Esta investigación ha sido financiada por la
beca CONACyT para estudiantes y realizada
como parte de la Maestría en Tecnología del
Instituto de Ingeniería y Tecnología de la
UACJ, Ciudad Juárez, Chihuahua.
6. Reconocimiento de autoría
Carlos Guillermo Miguélez Machado:
Escritura, Borrador Original, Investigación,
Metodología. Ángel Israel Soto Marrufo:
Revisión, Supervisión, Análisis matemático,
Metodología. Israel Ulises Ponce Monarrez:
Revisión, Supervisión, Administración,
Edición, Francesco García Luna: Revisión
Supervisión, Administración, Edición.
Referencias
[2] W. Chanprakon, P., Sae-Oung, T.,
Treebupachatsakul, T., Hannanta-Anan, P.,
Piyawattanametha, "An Ultra-violet sterilization
robot for desinfection," 5th Int. Conf. Eng. Appl. Sci.
Technol., vol. 5, pp. 44-47, 2019.
https://doi.org/10.1109/ICEAST.2019.8802528
362 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
[3] A. Ray and H. Ray, "PSLB: Portable Sanitization
Locomotive Bot," 2020 4th Int. Conf. Electron.
Mater. Eng. Nano-Technology, IEMENTech 2020,
2020.
https://doi.org/10.1109/IEMENTech51367.2020.92
70096
[4] A. Vyshnavi, A. Manasa, C. Hamsika, and P.
Shalini, "UV Disinfection Robot with Automatic
Switching on Human Detection," EAI Endorsed
Trans. Internet Things, vol. 6, no. 23, p. 166364,
2020. https://doi.org/10.4108/eai.25-9-2020.166364
[5] D. Hu, H. Zhong, S. Li, J. Tan, and Q. He,
"Segmenting areas of potential contamination for
adaptive robotic disinfection in built environments,"
Build. Environ., vol. 184, no. June, 2020.
https://doi.org/10.1016/j.buildenv.2020.107226
[6] M. A. V. J. Muthugala, S. M. B. P. Samarakoon,
M. M. Rayguru, B. Ramalingam, and M. R. Elara,
"Wall-following behavior for a disinfection robot
using type 1 and type 2 fuzzy logic systems," Sensors
(Switzerland), vol. 20, no. 16, pp. 1-22, 2020.
https://doi.org/10.3390/s20164445
[7] A. E. M. de Alba, M. B. Rubio, M. E. Morán-
Diez, C. Bernabéu, R. Hermosa, and E. Monte,
"Microbiological evaluation of the disinfecting
potential of UV-C and UV-C plus ozone generating
robots," Microorganisms, vol. 9, no. 1, pp. 1-12,
2021.
https://doi.org/10.3390/microorganisms9010172
[8] L. Tiseni, D. Chiaradia, M. Gabardi, M. Solazzi,
D. Leonardis, and A. Frisoli, "UV-C Mobile Robots
with Optimized Path Planning: Algorithm Design
and On-Field Measurements to Improve Surface
Disinfection against SARS-CoV-2," IEEE Robot.
Autom. Mag., vol. 28, no. 1, 2021.
https://doi.org/10.1109/MRA.2020.3045069
[9] A. Phunopas and S. Inoue, "Motion Improvement
of Four-Wheeled Omnidirectional Mobile Robots
for Indoor Terrain," Proc. Int. Conf. Artif. Life
Robot., vol. 22, no. 4, pp. 607-612, 2017.
https://doi.org/10.5954/ICAROB.2017.GS3-1
[10] V. N. T. Thanh et al., "Autonomous navigation
for omnidirectional robot based on deep
reinforcement learning," Int. J. Mech. Eng. Robot.
Res., vol. 9, no. 8, 2020.
https://doi.org/10.18178/ijmerr.9.8.1134-1139
[11] A. Afzal, D. S. Katz, C. Le Goues, and C. S.
Timperley, "A Study on the Challenges of Using
Robotics Simulators for Testing," 2020. Accessed:
Apr. 11, 2021. [Online]. Available:
https://discourse.ros.org.
[12] A. Filotheou, E. Tsardoulias, A. Dimitriou, A.
Symeonidis, and L. Petrou, "Quantitative and
Qualitative Evaluation of ROS-Enabled Local and
Global Planners in 2D Static Environments," J.
Intell. Robot. Syst. Theory Appl., vol. 98, no. 3-4,
pp. 567-601, 2020. https://doi.org/10.1007/s10846-
019-01086-y
[13] I. Noreen, A. Khan, K. Asghar, and Z. Habib,
"A path-planning performance comparison of
RRT*-AB with MEA* in a 2-Dimensional
Environment," Symmetry (Basel)., vol. 11, no. 7,
2019. https://doi.org/10.3390/sym11070945
[14] B. Tang, K. Hirota, J. Wang, Y. Dai, and Z. Jia,
"An Improved Dynamic Window Approach for
Intelligent Pedestrian Avoidance of Mobile Robot,"
2020. Accessed: Apr. 06, 2021. [Online]. Available:
https://isciia2020.bit.edu.cn/docs/20201114080545
836985.pdf.
[15] B. Cybulski, A. Wegierska, and G. Granosik,
"Accuracy comparison of navigation local planners
on ROS-based mobile robot," in 12th International
Workshop on Robot Motion and Control, RoMoCo
2019 - Workshop Proceedings, 2019, pp. 104-111.
https://doi.org/10.1109/RoMoCo.2019.8787346
[16] A. A. Gelan, "AUTONOMOUS SEARCH
AND RESCUE ROBOT USING ROS
PLATFORM," NEAR EAST UNIVERSITY, 2019.
http://docs.neu.edu.tr/library/6813958828.pdf
363 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
[17] H. Q. T. Ngo, V. N. Le, V. D. N. Thien, T. P.
Nguyen, and H. Nguyen, "Develop the socially
human-aware navigation system using dynamic
window approach and optimize cost function for
autonomous medical robot," Adv. Mech. Eng., vol.
12, no. 12, 2020.
https://doi.org/10.1177/1687814020979430
[18] M. Pittner, M. Hiller, F. Particke, L. Patiño-
Studencki, and J. Thielecke, "Systematic analysis of
global and local planners for optimal trajectory
planning," 2018.
https://ieeexplore.ieee.org/abstract/document/84705
82
[19] P. Sooryavanshi, S. Upganlawar, and A. Bhosle,
"Implementation of node.js server on Raspberry pi to
control a remote vehicle for defense use," in
Proceedings of the International Conference on
Intelligent Sustainable Systems, ICISS 2017, Jun.
2018, pp. 816-819.
https://doi.org/10.1109/ISS1.2017.8389290
[20] R. Cruz, L. Garrote, A. Lopes, and U. J. Nunes,
"Modular software architecture for human-robot
interaction applied to the InterBot mobile robot," in
18th IEEE International Conference on Autonomous
Robot Systems and Competitions, ICARSC 2018,
Jun. 2018, pp. 17-23.
https://doi.org/10.1109/ICARSC.2018.8374154
[21] M. Ily, L. Roman, and E. Magid, "Development
of a graphical user interface for a crawler mobile
robot servosila engineer," in Proceedings -
International Conference on Developments in
eSystems Engineering, DeSE, Feb. 2019, vol. 2018-
Septe, pp. 192-197.
https://doi.org/10.1109/DeSE.2018.00044
[22] K. Miatliuk, A. Nawrocka, K. Holewa, and V.
Moulianitis, "Conceptual Design of BCI for Mobile
Robot Control,"
https://doi.org/10.3390/app10072557
[23] D. Gego, C. Carreto, and L. Figueiredo,
"Teleoperation of a mobile robot based on eye-gaze
tracking," Jul. 2017.
https://doi.org/10.23919/CISTI.2017.7975673
[24] Y. H. Chen and K. T. Song, "Voice control
design of a mobile robot using shared-control
approach," in 2017 IEEE International Conference
on Systems, Man, and Cybernetics, SMC 2017, Nov.
2017, vol. 2017-Janua, pp. 105-110.
https://doi.org/10.1109/SMC.2017.8122586
[25] S. Sharan, T. Q. Nguyen, P. Nauth, and R.
Araujo, "Implementation and testing of voice control
in a mobile robot for navigation," in IEEE/ASME
International Conference on Advanced Intelligent
Mechatronics, AIM, Jul. 2019, vol. 2019-July, pp.
145-150.
https://doi.org/10.1109/AIM.2019.8868892
[26] S. Pleshkova, Z. Zahariev, and A. Bekiarski,
"Development of Speech Recognition Algorithm
and LabView Model for Voice Command Control of
Mobille Robot Motio," Dec. 2018.
https://doi.org/10.1109/HiTech.2018.8566257
[27] G. Bai, L. Liu, Y. Meng, W. Luo, Q. Gu, and J.
Wang, "Path Tracking of Wheeled Mobile Robots
Based on Dynamic Prediction Model," IEEE Access,
vol. 7, pp. 39690-39701, 2019.
https://doi.org/10.1109/ACCESS.2019.2903934
[28] S. Morales, J. Magallanes, C. Delgado, and R.
Canahuire, "LQR Trajectory Tracking Control of an
Omnidirectional Wheeled Mobile Robot," Dec.
2018. https://doi.org/10.1109/CCRA.2018.8588146
[29] T. Tongloy, S. Chuwongin, K. Jaksukam, C.
Chousangsuntorn, and S. Boonsang, "Asynchronous
deep reinforcement learning for the mobile robot
navigation with supervised auxiliary tasks," in 2017
2nd International Conference on Robotics and
Automation Engineering, ICRAE 2017, Feb. 2018,
vol. 2017-Decem, pp. 68-72.
https://doi.org/10.1109/ICRAE.2017.8291355
[30] A. L. Saleh, M. A. Hussain, and S. M. Klim,
"Optimal Trajectory Tracking Control for a Wheeled
Mobile Robot Using Fractional Order PID
364 ISSN: 2594-1925
Revista de Ciencias Tecnológicas (RECIT). Volumen 4 (4): 353-364
Controller," J. Univ. Babylon Eng. Sci., vol. 26, no.
4, pp. 292-306, Feb. 2018.
https://doi.org/10.29196/jubes.v26i4.1087
[31] D. Kiryanov and R. Lavrenov, "Remote Control
Application for 'Servosila Engineer' on Android
Mobile Devices," Proc. Int. Conf. Artif. Life Robot.,
vol. 25, no. February, pp. 440-443, 2020.
https://doi.org/10.5954/ICAROB.2020.OS18-4
[32] M. Wu, S. L. Dai, and C. Yang, "Mixed reality
enhanced user interactive path planning for
omnidirectional mobile robot," Appl. Sci., vol. 10,
no. 3, p. 1135, Feb. 2020.
https://doi.org/10.3390/app10031135
[33] A. Zea and U. D. Hanebeck, "IVIZ: a ROS
visualization app for mobile devices," arXiv, 2020.
https://doi.org/10.1016/j.simpa.2021.100057
[34] K. Ruan, Z. Wu, and Q. Xu, "Smart cleaner: A
new autonomous indoor disinfection robot for
combating the covid-19 pandemic," Robotics, vol.
10, no. 3, 2021.
https://doi.org/10.3390/robotics10030087
[35] D. Hu, H. Zhong, S. Li, J. Tan, and Q. He,
"Segmenting areas of potential contamination for
adaptive robotic disinfection in built environments,"
Build. Environ., vol. 184, 2020.
https://doi.org/10.1016/j.buildenv.2020.107226
Derechos de Autor (c) 2021 Carlos Guillermo Miguélez Machado, Ángel Israel Soto Marrufo, Israel
Ulises Ponce Monárrez, Francesco García Luna
Este texto está protegido por una licencia Creative Commons 4.0
Usted es libre para Compartir —copiar y redistribuir el material en cualquier medio o formato — y
Adaptar el documento —remezclar, transformar y crear a partir del material— para cualquier propósito,
incluso para fines comerciales, siempre que cumpla la condición de:
Atribución: Usted debe dar crédito a la obra original de manera adecuada, proporcionar un enlace a la
licencia, e indicar si se han realizado cambios. Puede hacerlo en cualquier forma razonable, pero no de
forma tal que sugiera que tiene el apoyo del licenciante o lo recibe por el uso que hace de la obra.
Resumen de licencia - Texto completo de la licencia