Descripción del Equipo: Pumas Logistics League 2023
Institución: Laboratorio de Bio-Robótica, Facultad de Ingeniería, Universidad Nacional Autónoma de México (UNAM)
Participación: RoboCup Logistics League (RCLL 2023) y Torneo Mexicano de Robótica (TMR 2023)
Integrantes del Equipo: Mitzi Ramírez, Rebeca Muñoz, Jesús Savage, Marco Negrete, Julio Martínez, Daniel Ruelas, Miguel Sánchez, Isaac Hernández, Joshua Martínez y Saul de la Rosa.
1. Antecedentes y Objetivos
Tras consolidar una trayectoria destacada en las ligas Open Platform (OPL) y Domestic Standard Platform (DSPL) de RoboCup@Home con Justina y Takeshi, el equipo Pumas incursionó en la robótica industrial al participar por primera vez en la RoboCup Logistics League (RCLL).
El proyecto traslada los algoritmos de navegación, visión activa y toma de decisiones del laboratorio hacia un entorno de manufactura inteligente y flexible, interactuando de forma autónoma con estaciones de producción modulares (MPS).
2. Arquitectura de Software: Adaptación de ViRBot
El control del robot se basa en la arquitectura en capas ViRBot (Virtual and Real Robot) operando sobre el middleware ROS:
- Capa de Entradas (Input): Adquiere datos del escáner láser LiDAR, cámara RGB-D, sensor de proximidad magnético y sensor infrarrojo para construir el estado simbólico del entorno.
- Capa de Gestión del Conocimiento: Mapeo 2D mediante SLAM, localización por Filtro de Kalman y reglas expertas en CLIPS (NASA).
- Capa de Planeación: Traduce el flujo de órdenes de la línea de ensamble en secuencias estructuradas de objetivos.
- Capa de Ejecución: Máquinas de estados finitos que ejecutan acciones atómicas (FindObject, GotoPlace, AlignMPS, AlignObject) y administran comportamientos reactivos ante desalineaciones o caída de piezas.
3. Desarrollos e Innovaciones Técnicas
A. Integración y Comunicación con RefBox
Sincronización continua con el árbitro digital oficial (Referee Box) empleando Google Protocol Buffers sobre paquetes UDP ininterrumpidos, permitiendo recibir las órdenes de fabricación, fases del juego y estados de las máquinas MPS sin pérdida de datos en redes inalámbricas congestionadas.
B. Sistema de Navegación Pumas
Desplazamiento eficiente en la arena industrial cartografiada:
- Planificación global de trayectorias mediante el algoritmo A*.
- Localización robusta por AMCL fusionando odometría de ruedas con lecturas de LiDAR.
- Evitación de obstáculos en tiempo real combinando datos de escaneo láser y segmentación 3D de nubes de puntos.
C. Visión Activa y Alineación con Estaciones MPS
Canal de percepción para manipulación precisa de piezas:
- Detección inicial de estaciones mediante marcadores visuales ARUCO.
- Alineación angular de la base móvil minimizando la inclinación con respecto a las bandas de las estaciones MPS.
- Segmentación por color en OpenCV y filtrado de nubes de puntos RGB-D para calcular centroides y referencias estáticas en el mapa mediante transformaciones homogéneas.
- Alineación del efector final optimizando la orientación de la cámara para ejecutar trayectorias de agarre seguras.
4. Ficha Técnica: Robot Festino
| Base Móvil | Festo Robotino (base omnidireccional) |
| Percepción y Sensores | Escáner láser LiDAR, cámara RGB-D (procesamiento de nubes de puntos) |
| Manipulador y Gripper | Pinza mecánica personalizada equipada con sensores magnéticos de proximidad y sensores infrarrojos |
| Software y Middleware | ROS, Google Protocol Buffers (RefBox UDP), OpenCV, CLIPS (NASA), Pumas Navigation |
| Cómputo a Bordo | Computadora portátil dedicada montada sobre el chasis, enlazada vía Gigabit Ethernet y Wi-Fi |