Arquitecturas y estrategias para la optimización del bajo consumo en el ecosistema ESP32: una revisión sistemática de la literatura
DOI:
https://doi.org/10.37636/recit.v9n4e505Palabras clave:
SP32, bajo consumo, sistemas embebidos, codiseño de hardware y software, Internet de las cosasResumen
El objetivo es identificar las configuraciones y estrategias óptimas para la optimización de bajo consumo en el ecosistema de microcontroladores de la serie ESP32, abordando la necesidad de equilibrar la potencia de cálculo con la autonomía energética en sistemas autónomos. La metodología empleada consistió en un análisis estructurado basado en el protocolo PRISMA (Elementos de informe preferidos para revisiones sistemáticas y metaanálisis), seleccionando veintiocho estudios técnicos. Los hallazgos clave revelan que la eficiencia depende no solo de los estados de bajo consumo, sino también de un paradigma de codiseño integral y sensible al hardware. Los estudios revisados demuestran que el uso de lenguajes compilados nativos alcanza velocidades de ejecución hasta quince veces mayores que las opciones interpretadas, mientras que la aplicación de técnicas de cuantización de ocho bits reporta reducciones de hasta un setenta y tres por ciento en la huella de memoria. Además, la hibridación de protocolos de comunicación de corto y largo alcance optimiza la resiliencia operativa en entornos remotos. Se concluye que estas estrategias transforman el dispositivo de una herramienta de prototipado en un instrumento científico robusto para la inteligencia artificial en el borde. Las implicaciones prácticas incluyen el desarrollo de biosensores médicos con meses de autonomía y redes de monitorización industrial de bajo coste, democratizando el acceso a tecnologías digitales avanzadas en sectores críticos y regiones con infraestructura limitada.
Descargas
Referencias
[1] V. V et al., «A Hybrid IoT and Machine Learning Framework for Smart Greenhouse Automation in Sustainable Agriculture», Int. Res. J. Multidiscip. Technovation, pp. 58-69, jul. 2025, doi: 10.54392/irjmt2545. DOI: https://doi.org/10.54392/irjmt2545
[2] C. A. Popa, I. Dogaru, y R. Dogaru, «An End-to-End Automated Pipeline for EEG Classification on TinyML Platforms: From Signal to On-Device Inference», IEEE Access, vol. 14, pp. 8918-8937, 2026, doi: 10.1109/ACCESS.2026.3651653. DOI: https://doi.org/10.1109/ACCESS.2026.3651653
[3] J. Tepmanee, «A Measurement-Based Study of Data Transmission Energy in Long-Term IoT Environmental», Eng. Technol. Horiz., vol. 43, n.o 2, jun. 2026, doi: 10.55003/ETH.430207. DOI: https://doi.org/10.55003/ETH.430207
[4] E. Arrieta Rodriguez et al., «A Platform for Inpatient Safety Management Based on IoT Technology», Inventions, vol. 7, n.o 4, p. 116, dic. 2022, doi: 10.3390/inventions7040116. DOI: https://doi.org/10.3390/inventions7040116
[5] V. Ieropoulos, E. Anthi, T. Spyridopoulos, P. Burnap, P. Carnelli, y A. Khan, «Federated Detection at the Edge: Collaborative Anomaly Detection for Resource-Limited IoT», IEEE Internet Things J., vol. 13, n.o 11, pp. 24205-24218, jun. 2026, doi: 10.1109/JIOT.2026.3674644. DOI: https://doi.org/10.1109/JIOT.2026.3674644
[6] J. A. De La Torre, F. Rincón, S. Escolar, A. Caruso, J. Caba, y J. Barba, «Extreme Edge Computing for Secure and Private Multimodal Biometric Identification in Intelligent IoT Systems», Sensors, vol. 26, n.o 12, p. 3756, jun. 2026, doi: 10.3390/s26123756. DOI: https://doi.org/10.3390/s26123756
[7] P. Rojas-Carrasco y M. Guinaldo, «Multi-Objective Evaluation of Lightweight AI Models on Low-Cost Edge Devices Using Pareto Fronts», Appl. Sci., vol. 16, n.o 8, p. 3679, abr. 2026, doi: 10.3390/app16083679. DOI: https://doi.org/10.3390/app16083679
[8] A. Abdelli et al., «Field Validated Hybrid ESP-NOW and Long Range IoT Monitoring System for Energy Autonomous Precision Agriculture», IEEE Access, vol. 13, pp. 207511-207526, 2025, doi: 10.1109/ACCESS.2025.3641487. DOI: https://doi.org/10.1109/ACCESS.2025.3641487
[9] A. K. Anim, W. Li, X. Zhao, J. Ma, R. Liu, y D. Sun, «Design and Laboratory Validation of a Low-Cost Vision-Based Strain Monitoring System Using ESP32-CAM with Centralized Processing», Buildings, vol. 16, n.o 9, p. 1681, abr. 2026, doi: 10.3390/buildings16091681. DOI: https://doi.org/10.3390/buildings16091681
[10] M. Kazeneza, A. S. Bosman, D. K. Amenyedzi, D. Hanyurwimfura, E. Ndashimye, y A. Vodacek, «Balancing Complexity and Performance of Machine Learning Models for Avian Pests Sound Detection in Agricultural Environments», IEEE Access, vol. 13, pp. 105813-105827, 2025, doi: 10.1109/ACCESS.2025.3580620. DOI: https://doi.org/10.1109/ACCESS.2025.3580620
[11] V.-K. Nguyen, V.-K. Tran, y C.-N. Nguyen, «Fruit Fly Detection Based on Wingbeat Sound Using Embedded Artificial Intelligence», Int. J. Technol., vol. 17, n.o 3, p. 1012, may 2026, doi: 10.14716/ijtech.v17i3.8284. DOI: https://doi.org/10.14716/ijtech.v17i3.8284
[12] I. Saradopoulos, I. Potamitis, S. Ntalampiras, A. I. Konstantaras, y E. N. Antonidakis, «Edge Computing for Vision-Based, Urban-Insects Traps in the Context of Smart Cities», Sensors, vol. 22, n.o 5, p. 2006, mar. 2022, doi: 10.3390/s22052006. DOI: https://doi.org/10.3390/s22052006
[13] L.-C. Duan, N.-N. Minh, T.-C. Dung, y T.-T.-T. Linh, «Energy-Efficient TinyML Approach for Wearable Fall Detection on Edge Devices Using Spatial-Temporal Deep Learning», Int. J. Technol., vol. 17, n.o 3, p. 919, may 2026, doi: 10.14716/ijtech.v17i3.8445. DOI: https://doi.org/10.14716/ijtech.v17i3.8445
[14] K. Liu, Q. Zhao, R. Wang, Y. Lin, J. Yu, y S. J. Fong, «STAR: A Privacy-Preserving, Energy-Efficient Edge AI Framework for Human Activity Recognition via Wi-Fi CSI in Mobile and Pervasive Computing Environments», Sensors, vol. 26, n.o 12, p. 3692, jun. 2026, doi: 10.3390/s26123692. DOI: https://doi.org/10.3390/s26123692
[15] H. Najeh, C. Lohr, y B. Leduc, «Real-Time Human Activity Recognition on Embedded Equipment: A Comparative Study», Appl. Sci., vol. 14, n.o 6, p. 2377, mar. 2024, doi: 10.3390/app14062377. DOI: https://doi.org/10.3390/app14062377
[16] A. A. Gilani, S. I. Butt, S. H. I. Jaffery, A. Abid, y S. Ali, «Design, development and evaluation of solar powered DC cold box for sustainable supply chain of food and medicine», Int. J. Sustain. Eng., vol. 19, n.o 1, p. 2619276, dic. 2026, doi: 10.1080/19397038.2026.2619276. DOI: https://doi.org/10.1080/19397038.2026.2619276
[17] N. E. Guevara, Y. H. Bolaños, J. P. Diago, y J. M. Segura, «Development of a low-cost IoT system based on LoRaWAN for monitoring variables related to electrical energy consumption in low voltage networks», HardwareX, vol. 12, p. e00330, oct. 2022, doi: 10.1016/j.ohx.2022.e00330. DOI: https://doi.org/10.1016/j.ohx.2022.e00330
[18] A. H. Kumar et al., «WiMapper: A Lightweight Kernel-Based Framework for Rogue Access Point Detection on Edge Devices», IEEE Access, vol. 14, pp. 57806-57827, 2026, doi: 10.1109/ACCESS.2026.3682631. DOI: https://doi.org/10.1109/ACCESS.2026.3682631
[19] J. Paguay, A. Cuenca-Sánchez, y P. Proaño, «Smart IoT-Enabled Embedded Platform for Real-Time Energy Efficiency Assessment in Heat Pumps», en The XXXIII Conference on Electrical and Electronic Engineering, MDPI, nov. 2025, p. 14. doi: 10.3390/engproc2025115014. DOI: https://doi.org/10.3390/engproc2025115014
[20] M. Waqas y M. Jamil, «Smart IoT SCADA System for Hybrid Power Monitoring in Remote Natural Gas Pipeline Control Stations», Electronics, vol. 13, n.o 16, p. 3235, ago. 2024, doi: 10.3390/electronics13163235. DOI: https://doi.org/10.3390/electronics13163235
[21] E. Djafsia Souboura, D. Wohwe Sambo, P. Dayang, M. V. Komguep, y L. Clavier, «FragCast: A Scalable BLE‐Based OTA Framework for Constrained IoT Devices», IET Wirel. Sens. Syst., vol. 16, n.o 1, p. e70031, ene. 2026, doi: 10.1049/wss2.70031. DOI: https://doi.org/10.1049/wss2.70031
[22] K. Gac, J. Gorski, G. Gora, y J. Iwaniec, «Energy-Oriented Wireless Communication Platform Selection System in the Internet of Things», Sensors, vol. 26, n.o 10, p. 3158, may 2026, doi: 10.3390/s26103158. DOI: https://doi.org/10.3390/s26103158
[23] G. Kumar et al., «Design of a Lightweight Edge-AI System for Predictive Maintenance on ESP32-S3», Appl. Sci., vol. 16, n.o 11, p. 5287, may 2026, doi: 10.3390/app16115287. DOI: https://doi.org/10.3390/app16115287
[24] D. Sarabia-Jácome, E. Grasa, y M. Catalán, «RINAsense: An open-source, low-power IoT sensor node for Recursive InterNetwork Architecture (RINA) Experimentation», HardwareX, vol. 24, p. e00719, dic. 2025, doi: 10.1016/j.ohx.2025.e00719. DOI: https://doi.org/10.1016/j.ohx.2025.e00719
[25] J. Pei, M. Feng, P. Muthukumar, P. V. Krishna, y M. Dai, «Generative AI-Native Edge Sensors: Collaborative Data Reconstruction via Lightweight Federated Learning», IEEE J. Sel. Areas Sens., vol. 3, pp. 180-190, 2026, doi: 10.1109/JSAS.2026.3680380. DOI: https://doi.org/10.1109/JSAS.2026.3680380
[26] J. García-González, C. Q. Gómez Muñoz, D. Gachet Páez, y J. Sánchez-Soriano, «Automated Road Data Collection Systems Using UAVs: Comparative Evaluation of Architectures Based on Arduino Portenta H7 and ESP32-CAM», Electronics, vol. 14, n.o 21, p. 4165, oct. 2025, doi: 10.3390/electronics14214165. DOI: https://doi.org/10.3390/electronics14214165
[27] A. Pérez-González, A. F. Villa-Salazar, I. N. Gomez-Miranda, J. D. Velásquez-Gómez, A. F. Romero-Maya, y Á. Jaramillo-Duque, «An IoV-Based Real-Time Telemetry and Monitoring System for Electric Racing Vehicles: Design, Implementation, and Field Validation», Vehicles, vol. 7, n.o 4, p. 128, nov. 2025, doi: 10.3390/vehicles7040128. DOI: https://doi.org/10.3390/vehicles7040128
[28] H. M. Vasconcelos et al., «A Low-Power Architecture for Passive Acoustic Autonomous Maritime Surveillance», J. Mar. Sci. Eng., vol. 14, n.o 9, p. 815, abr. 2026, doi: 10.3390/jmse14090815. DOI: https://doi.org/10.3390/jmse14090815
Descargas
Publicado
Declaración de disponibilidad de datos
None
Número
Sección
Categorías
Licencia
Derechos de autor 2026 Josue Abraham Emanuel Chambilla Zuñiga
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado (vea The Effect of Open Access).
Cómo citar
