c komputer sapiens, an˜o viii volumen i, enero-abril...

c©Komputer Sapiens, Ano VIII Volumen I, enero-abril 2016, es una publicacion cuatrimestral dela Sociedad Mexicana de Inteligencia Artificial, A.C., con domicilio en Ezequiel Montes 56 s/n,Fracc. los Pilares, Metepec, Edo. de Mexico, C.P. 52159, Mexico, http://www.komputersapiens.org,correo electronico: [email protected], tel. +52 (833)357.48.20 ext. 3024, fax +52 (833)215.85.44. Impresa por Sistemas y Disenos de Mexico S.A.

de C.V., calle Aragon No. 190, colonia Alamos, delegacion Benito Juarez, Mexico D.F., C.P. 03400, Mexico, se ter-mino de imprimir el 29 de abril de 2016, este numero consta de 1000 ejemplares.Reserva de derechos al uso exclusivo numero 04-2009-111110040200-102 otorgado por el Instituto Nacional deDerechos de Autor. ISSN 2007-0691.Los artıculos y columnas firmados son responsabilidad exclusiva de los autores y no reflejan necesariamente lospuntos de vista de la Sociedad Mexicana de Inteligencia Artificial. La mencion de empresas o productos especıficosen las paginas de Komputer Sapiens no implica su respaldo por la Sociedad Mexicana de Inteligencia Artificial.Queda estrictamente prohibida la reproduccion total o parcial por cualquier medio, de la informacion aquı contenidasin autorizacion por escrito de los editores.Komputer Sapiens es una revista de divulgacion en idioma espanol de temas relacionados con la inteligencia artificial.Creada en LATEX, con la clase papertex disponible en el repositorio CTAN : Comprehensive TeX Archive Network,http://www.ctan.org/Indizada en el IRMDCT de CONACYT y en Latindex.

Directorio SMIA Directores Fundadores

Presidente Grigori Sidorov Carlos Alberto Reyes Garcıa

Vicepresidente Miguel Gonzalez Mendoza Angel Kuri MoralesSecretario Felix Castro EspinozaTesorero Ildar Batyrshin Comite Editorial

Vocales: Rafael Murrieta Cid Felix A. Castro EspinozaMaya Carillo Ruiz Jesus Favela VaraSofıa Natalia Galicia Haro Sofıa Natalia Galicia HaroLuis Villasenor Pineda Miguel Gonzalez MendozaGustavo Arroyo Figueroa Oscar Herrera AlcantaraHugo Terashima Marın Raul Monroy BorjaOscar Herrera Alcantara Eduardo F. Morales ManzanaresObdulia Pichardo Lagunas Leonardo Garrido LunaSabino Miranda Jimenez Carlos Alberto Reyes GarcıaEnrique Munoz de Cote Angelica Munoz MelendezAntonio Marın Hernandez Antonio Sanchez AguilarNoe Alejandro Castro Sanchez Luis Enrique Sucar Succar

Ma. de Lourdes Martınez Villasenor Angel Kuri MoralesOmar Montano Rivas Jose A. Martınez FloresFrancisco Viveros Jimenez Juan Manuel Ahuactzin Larios

Komputer Sapiens Manuel Montes y GomezDirector general Grigori Sidorov Ofelia Cervantes VillagomezEditora en jefe Laura Cruz Reyes Alexander GelbukhEditores asociados Elisa Schaeffer Grigori Sidorov

Claudia Gomez Santillan Laura Cruz ReyesMarco A. Aguirre Lam Elisa Schaeffer

Coordinadora de produccion Viridiana Mena Gomez Ramon Brena Pineroe-Tlakuilo Jorge A. Ruiz-Vanoye Juan Humberto Sossa Azuela

Ocotlan Dıaz-Parra

Estado del IArte Ma del Pilar Gomez Gil Arbitros

Jorge Rafael Gutierrez Pulido Elisa SchaefferSakbe Hector Gabriel Acosta Mesa David J. Rios

Claudia G. Gomez Santillan Tania Turrubiates-LopezIA & Educacion Marıa Yasmın Hernandez Perez Sandra Nava-Munoz

Marıa Lucıa Barron Estrada Marıa Lucila Morales RodrıguezJ. Julieta Noguez Monroy Hector Hugo Aviles Arriaga

Deskubriendo Konocimiento Alejandro Guerra Hernandez Juan H. Sossa AzuelaLeonardo Garrido Luna Ofelia Cervantes

Asistencia tecnica Irvin Hussein Lopez Nava Sara Elena Garza VillarrealAlan G. Aguirre Lam Carlos Soubervielle Montalvo

Correccion de estilo Claudia L. Dıaz Gonzalez Cesar TorresDenisse Alvarado CastilloJose Antonio Martınez FloresSilvia Clementina Guzman OrtizKaren Daniela Cruz HernandezJ. David Teran VillanuevaLucila Morales RodrıguezMarcela Quiroz CastellanosGilberto Rivera Zarate

Edicion de imagen Laura Gomez CruzPortada Daniel Rubio Badillo, Altera Diseno

Contenido

ARTÍCULO ACEPTADO

Una primera aproximación a laInterfaz de Cómputo Cerebralpor Jorge A. Ruiz-Vanoye, Ocotlán Díaz-Parra, AlbertoOchoa, Ivan Cruz, Alejandro Fuentes Penna, Ricardo A.Barrera-Cámara, Beatriz Bernabe-Lorancapág. 7 ⇒ La tecnología de interface de cómputo cerebral permitirá,mediante la lectura de la señal del cerebro, controlar diversos dispo-sitivos.

ARTÍCULO ACEPTADO

Aplicaciones de la inteligencia computacional en

el control de robots neumáticos

por Pablo J. Prieto y Nohe R. Cazarez-Castro

pág. 16 ⇒ Los robots como un sistema electromecánico son diseñados parasustituir al hombre en actividades laborales con una eficiencia y productividadnotables.

ARTÍCULO ACEPTADO

Caracterización de Electrodos de Celdas de Com-

bustible Aplicando SVM

por Jaime Ortegón Aguilar, José Torres Pozos, Romeli BarbosaPool y Javier Vázquez Castillo

pág. 11 ⇒ Con ayuda de métodos inteligentes para la toma y análisis de imáge-nes es posible determinar propiedades de materiales para el efectivo transportede la energía.

ARTÍCULO ACEPTADO

Visión artificial y sensores vestibles para controlar

drones

por Francisco Márquez Aquino y José Martínez Carranza

pág. 22 ⇒ Nuevas tecnologías ofrecen una alternativa para el pilotaje dedrones. Guantes que interpretan ademanes para controlarlo y visual SLAMpara pilotarlo fuera de la línea-de-vista.

Columnas

Sapiens Piensa. Editorial pág. 2

e-Tlakuilo pág. 4

Estado del IArte pág. 6

Sakbe pág. 5

IA & Educación pág. 28

DeskubriendoKonocimiento pág. 30

Komputer Sapiens Enero - Mayo 2016 ‖ Año VIII, Vol.I

Año VIII, Vol. I. Enero - Mayo 2016 Editorial Komputer Sapiens 2 / 32

Sapiens Piensa

Eduardo F. Morales Manzanares y José Gabriel Ramirez Torres

Eduardo F. Morales

La robótica, por su naturalezatransversal que requiere la inter-vención de diferentes disciplinascientíficas, ha tenido un increí-ble crecimiento tanto de desarro-llos científicos como tecnológicos,que se ven reflejados en gran nú-mero de aplicaciones. Este augese debe principalmente a la mi-niaturización de los componentesmecatrónicos, al incremento en el

poder de cómputo de los sistemas electrónicos y al au-mento en sus capacidades de almacenamiento, así comoal desarrollo de sistemas de sensores más baratos y demejores prestaciones.

En el número anterior de “Komputer Sapiens” dedi-cado a la robótica, tuvimos la ocasión de conocer untrabajo sobre síntesis de voz artificial con el propósitode mejorar la comunicación entre robots y humanos. Enesta ocasión, con el desarrollo de diademas para la lec-tura de señales eléctricas en el cuero cabelludo, se handesarrollado estrategias alternas de comunicación y con-trol de robots. Estas lecturas, a través de un adecuadoanálisis e interpretación, pueden servir para controlar di-versos dispositivos como vehículos, robots y aparatos delhogar. En el artículo “Una primera aproximación a lainterfaz de cómputo cerebral” de Jorge A. Ruiz-Vanoye,Ocotlán Díaz-Parra, Alberto Ochoa, Iván Cruz, Alejan-dro Fuentes Penna, Ricardo A. Barrera-Cámara y Bea-triz Bernabe-Loranca, se revisan diferentes tecnologíasdesarrolladas en interfaces cerebro computadora, parti-cularmente las técnicas no invasivas, junto con sus posi-bles aplicaciones, en particular para el control e interac-ción de robots.

Uno de los principales campos de aplicación y desa-rrollo de robots son los vehículos aéreos no tripulados, co-nocidos como “drones”. Desde hace algunos años, el costode construcción y desarrollo de un dron se ha reducidode manera importante, lo que ha incrementado el nú-mero de potenciales aplicaciones, esto permite que cadavez más personas estén en posibilidades de experimentarcon esta tecnología. La entrada al mercado de varios dro-nes comerciales “listos para volar” es también un factorimportante. En el artículo “Visión artificial y sensoresvestibles para controlar drones” de Francisco MárquezAquino y José Martínez Carranza se presentan aplica-ciones con un cuadricóptero comercial de bajo costo, elcual es controlado por medio de un guante equipado consensores inerciales que estiman la orientación de la manoe identifican comandos gestuales realizados por el usua-rio. Asimismo, nos presentan el desarrollo de un sistema

José G. Ramírez

de SLAM visual, es decir, de unalgoritmo para la construcción,auténticamente “al vuelo”, de unmapa del medio ambiente usan-do la información (imágenes) dela cámara del dron.Los robots son sistemas mecáni-cos complejos que requieren al-goritmos de control sofisticadospara lograr la tarea que se les ha

confiado. En particular, los robots cuentan con moto-res o actuadores para mover sus partes mecánicas y serequiere de esquemas de control que permitan contro-lar su movimiento de manera precisa. Un caso particularde actuadores son los actuadores neumáticos, que usanaire comprimido para realizar trabajo mecánico y que,debido a la naturaleza compresible del aire, resultan ensistemas difíciles de controlar que requieren un mayorcuidado en la elaboración del esquema de control. En elartículo “Aplicaciones de la inteligencia computacionalen el control de robots neumáticos” de Pablo J. Pietro yNohe R. Cazarez-Castro, se describe el potencial uso desistemas de inteligencia computacional, como redes neu-ronales y controladores basados en lógica difusa, parapoder controlar robots neumáticos.

Una de las principales preocupaciones en la actua-lidad es sobre las fuentes de energía del futuro. Se es-tima que existirá una importante reducción en fuentesde energía basadas en combustibles fósiles y se requieredesarrollar fuentes de energía alternativas. Esta situaciónes particularmente importante en el caso de los robots,dado que la mayoría de las aplicaciones actuales conside-ran al robot como un ente móvil, que requiere ser capazde transportar su fuente de energía consigo mismo y nodepender de cables o fuentes de energía externas. Unade estas posibles fuentes de energía portátil es la basadaen hidrógeno y en particular las denominadas “celdas decombustible”, las cuales requieren una caracterización delos electrodos para el mejor aprovechamiento energéti-co. En el artículo de Jaime Ortegón Aguilar, José TorresPozos, Romel Barbosa Pool y Javier Vázquez Castillo,titulado “Caracterización de electrodos de celdas de com-bustible aplicando SVM” se describe el uso de Máquinasde Soporte Vectorial (SVM) para realizar esa caracteri-zación, a partir de un procesamiento digital de imágenesde los electrodos.

Esperamos que disfruten mucho de este número, asícomo nosotros disfrutamos el prepararlo para ustedes, ylos invitamos a ingresar a nuestra página Web para queno se pierdan de ninguna de nuestras pasadas ediciones.

© 2016 - Sociedad Mexicana de Inteligencia Artificial ISSN 2007-0691

Año VIII, Vol. I. Enero - Mayo 2016 Columna Komputer Sapiens 3 / 32

Esperamos que disfruten mucho de la lectura y los invitamos a que ingresen a nuestrapágina web para que no se pierdan de ninguna de nuestras pasadas ediciones, en

particular la edición anterior que es la primera parte del especial de robótica.¡Comencemos!



e-Tlakuilo: Cartas de nuestros lectores

Ocotlán Díaz-Parra y Jorge A. [email protected]

En Komputer Sapiens nos hemos esforzado por estar asolo un click de distancia a través de diferentes medioscomo Facebook, Twitter y correo electrónico. Les pre-sentamos algunas de las preguntas que hemos recibido através de estos medios.

Maleny Díaz - Estudiante de licenciatura de laUniversidad Autónoma del Estado de Hidalgo.(vía correo electrónico)Buenos días tengo una pregunta: ¿Quién fue el autor delas 3 leyes de la robótica?

Hola Maleny, el autor de las tres leyes de robótica fueIsaac Assimov, escritor y divulgador ruso-estadounidenseque nació en 1920 y murió en el año 1992. En 1942 pu-blicó un cuento de ciencia ficción titulado “Runaround”y en 1950 publicó el famoso libro de ciencia ficción “Yo,Robot” en donde fijó las 3 leyes de la robótica: 1) unrobot no hará daño a un ser humano o, por inacción, nopermitirá que un ser humano sufra daño, 2) un robotdebe obedecer las órdenes dadas por los seres humanos,excepto si estas órdenes entrasen en conflicto con la 1eraLey, 3) un robot debe proteger su propia existencia enla medida en que esta protección no entre en conflictocon la 1era o la 2da Ley. Las tres leyes de la robóticarepresentan una protección a los seres humanos, me-diante una especie de “código de moral” de los robots.Si estás interesada en literatura que gire alrededor dela trama científica, te recomendamos la lectura de otrosdos grandes autores de ciencia ficción: Rober A. Heinleiny Arthur C. Clarke.

Rosario Hernandez – Egresada de la UniversidadAutónoma del Estado de Hidalgo . (vía correoelectrónico)Tengo una pregunta: ¿Existen robots que ayuden a mejo-rar la salud pública o a facilitar el trabajo de los médicosen los hospitales?

Hola Rosario, sí existen robots que apoyan los servi-cios de salud. Un robot que ayuda en los procedimientosquirúrgicos ortopédicos es el Arthrobot (1983), un robotpequeño usado para cirugías restauradoras de las arti-culaciones; fue diseñado para la tarea de precisión en laperforación durante una cirugía de cadera y puede pro-gramarse con la ubicación y la trayectoria de la cavidadque crearían los implantes. Otro ejemplo de robots queayudan en el proceso de una operación quirúrgica es elDa Vinci Surgical System (1997), este robot fue diseñadopara ser operado a distancia y su objetivo es ayudar asalvar vidas (aunque no es un sustituto del médico, quientiene la obligación legal de la operación). También existeun robot llamado RIBA-II, un sistema eléctrico robóticode elevación diseñado para reducir lesiones en hospitalesy centros de salud pública; este robot con cara de oso,levanta a pacientes del piso a la cama o a la silla, ga-rantizando su seguridad; sus sensores miden el peso y elequilibrio de los pacientes y calculan la posición correctade los brazos del elevador, para hacerlos confortables. Po-drían mencionarse un sinnúmero de ejemplos de robotsque apoyan los servicios de salud; las investigaciones yaplicaciones en dicha área son extensas y excitantes.



SakbeClaudia Guadalupe Gómez Santillán y Héctor Gabriel Acosta [email protected]

Federación Mexicana de Robótica ⇒ Es un grupode profesores investigadores de varias de las principa-les universidades e institutos de investigación en México,con interés común en la robótica y campos relacionados

(http://femexrobotica.org/). Esta federación organi-za el Torneo Mexicano de Robótica (TMR), queincluye: las eliminatorias nacionales para el ConcursoLatino Americano de Robótica, el Abierto Mexicanode RoboCup (ligas junior y mayores) y el Torneo Me-xicano de Robots Limpiadores. Muchos estudiantesy grupos de investigación de todo el país se reúnen enel TMR para realizar intercambio académico de ideas ytecnologías a través de competencias que permiten a losparticipantes poner en práctica sus conocimientos y ha-bilidades. Además organizan la Escuela de Inviernoo Primavera de Robótica dirigida a todos los intere-sados en actualizarse en los avances de la robótica. Losprogramas de estas Escuelas son impartidos por investi-gadores de reconocido prestigio nacional e internacional

http://femexrobotica.org/

RobotChallenge - The Competitions ⇒ Esta es unade las competencias de robótica más importantes delmundo. Este campeonato internacional de robots móvilesautónomos busca incentivar la creatividad y capacidad

de alumnos universitarios para resolver retos específicos.Cada año, los robots compiten en diferentes áreas co-mo pueden ser: Robot de Sumo, seguidor de línea, AirRace, humanoide Sprint, Puck Recoger y Freestyle. Lasreglas de cada uno de los concursos las puede encon-trar en la página https://www.robotchallenge.org/

competition/. Este año estudiantes del TecnológicoNacional de México (TecNM) obtuvieron el primerlugar y la medalla de oro en el torneo mundial de ro-bótica Robotchallenge 2016, realizado en Viena, Aus-tria.

https://www.robotchallenge.org/competition/

VEX Robotics World Championship ⇒ Sin duda estees otro de los torneos de robótica más importantes e influ-yentes del planeta. Esta competencia anual es organizada

por la Robotics Education & Competition Foundation yauspiciada por la NASA y algunas importantes empresascomo Toyota, Texas Instruments o Ford. La competen-cia considera diferentes pruebas a niveles de secundaria,preparatoria y universidad donde se busca desarrollar elgusto por la ciencia , la tecnología, la ingeniería y lasmatemáticas. Este año el torneo se realizó en Louisvi-lle, Kentucky, del 20 al 23 de abril, siendo ganadores ungrupo de estudiantes de la Universidad Tecnológica deGutiérrez Zamora en Veracruz. Detalles sobre los retospara el próximo torneo los podrás encontrar en http://

www.roboticseducation.org/.

http://www.roboticseducation.org/


http://femexrobotica.org/






Estado del IArteMaría del Pilar Gómez Gil (@pgomezgil) y Jorge Rafael Gutiérrez Pulido (@jrgpulido)[email protected]

En nuestra columna anterior, comentamos que una delas aplicaciones más interesantes de la Inteligencia Arti-ficial gira alrededor del diseño de robots para el hogar,pero que existen varios puntos que deben ser resueltos pa-ra poder construir robots que realmente sean una ayudano sólo en casa sino también en otros ámbitos. Uno deesos puntos es la capacidad de los robots para entenderel estado de ánimo de las personas y actuar en conse-cuencia. El reconocimiento de emociones generalmentese lleva a cabo a través de características extraídas de lavoz, de las expresiones faciales, de la posición del cuerpoo incluso de las señales cerebrales de las personas.

Existen actualmente algunos robots comerciales ca-paces de interactuar con humanos. “Pepper” es un ejem-plo reciente de un simpático robot de compañía, capazde identificar emociones en la persona con quien inter-actúa. Pepper fue fabricado por la compañía francesaAdelbaran y es comercializado por la empresa japonesa“Softbank”, mide 1.2 metros de altura y contiene variossensores, micrófonos y cámaras que le permiten interac-tuar. Según sus creadores, Pepper tiene la capacidad deaprender, enviando información a un repositorio en lanube, que es utilizada para mejorar su comportamiento.Otro ejemplo es el kit de robótica de SpinMaster queincluye código fuente abierto, reconocimiento de voz ymovimientos de usuarios, así como la programación demovimientos deseados. En la Universidad de Stanfordencontraron que los seres humanos se sienten incómodosal tocar las partes sensibles de un robot.

Las mejoras en los robots han permitido incorporar-los en actividades humanas en el área de la medicina.En el pasado nos sorprendíamos con simuladores co-mo Robo-Jerry, un simulador de emergencias médicasveterinarias creado con el fin de permitir que estudian-tes adquirieran habilidades de atención a animales sinlastimarlos. Actualmente, un grupo liderado por la Uni-versidad Politécnica de Madrid, España, ha creado unexoesqueleto que permite la rehabilitación más eficientede pacientes con lesiones de hombro. No es caro, es fácilde usar, y adaptar a cualquier paciente. Cecilia GarcíaCena, menciona que simular el sistema esquelético no essuficiente para desarrollar estos prototipos, y que aúnfalta mucho trabajo por hacer incluyendo la incorpora-ción del modelado de músculos, tendones, y ligamentos.En la Escuela Federal Politécnica de Lausanne, Suiza, elprofesor Silvestro Micera y colegas han creado un dis-positivo con sensores en forma de dedo que puede serintegrado a una prótesis para regresarles el sentido deltacto a personas con brazos amputados.

Cabe hacer mención que para la creación y mejorade robots es importante integrar componentes tanto desoftware como de hardware. Apenas hace unos meses,luego que el campeón mundial del conocido juego de me-sa Go fue derrotado por una computadora, se ha dadoa conocer la inversión millonaria hecha por Nvidia pa-ra producir chips más potentes, capaces de acelerar losalgoritmos de deep learning. Se espera que este mismoaño, IBM, Dell, y HP estén brindando estas prestacio-nes a través de sus servicios en la nube. Considerandolo anterior, creemos que esta tendencia de integración seconsolidará con mayor rapidez.

Es importante hacer notar que el avance alcanzado enel desarrollo de robots, no implica que éstos sean capacesde reemplazar completamente al ser humano.✵

Para saber más puede consultar (en inglés):

http://spectrum.ieee.org/automaton/robotics/

home-robots/pepper-aldebaran-softbank-

personal-robot

http://elifesciences.org/content/5/e09148v2

http://www.icahdq.org

http://www.meccano.com

http://www.upm.es/observatorio/vi/index.

jsp?pageac=innovacion/articulo.jsp&id_

articulo=369

http://nvidianews.nvidia.com/news/nvidia-

launches-world-s-first-deep-learning-

supercompute

Pepper at Carrefour. Imagen obtenida en: https://www.

aldebaran.com/en/press/gallery/pepper-at-carrefour


@pgomezgil

@jrgpulido

http://spectrum.ieee.org/automaton/robotics/home-robots/pepper-aldebaran-softbank-personal-robot



http://elifesciences.org/content/5/e09148v2

http://www.icahdq.org

http://www.meccano.com

http://www.upm.es/observatorio/vi/index.jsp?pageac=innovacion/articulo.jsp&id_articulo=369



http://nvidianews.nvidia.com/news/nvidia-launches-world-s-first-deep-learning-supercompute



https://www.aldebaran.com/en/press/gallery/pepper-at-carrefour

https://www.aldebaran.com/en/press/gallery/pepper-at-carrefour

Año VIII, Vol. I. Enero - Mayo 2016 Artículo Komputer Sapiens 7 / 32

ARTÍCULO ACEPTADO

Una primera aproximación a la Interfaz deCómputo CerebralJorge A. Ruiz-Vanoye, Ocotlán Díaz-Parra, Alberto Ochoa, Ivan Cruz, Alejandro FuentesPenna, Ricardo A. Barrera-Cámara y Beatriz Bernabe-Loranca

En la presente investigación se presenta una aproxi-mación introductora a la tecnología de interfaz de cómpu-to cerebral. La cual permitirá mediante la lectura de laseñal del cerebro controlar diversos dispositivos, talescomo: vehículos, robots, y aparatos del hogar. Adicional-mente se explican los dos tipos de mecanismos para laextracción de la información, la invasiva y la no inva-siva. Los beneficios médicos de poder usar la interfaz decómputo cerebral son claros para la mejora de la vidadiaria de pacientes con problemas de movilidad o de li-mitada movilidad. El poder controlar robots o vehículosno tripulados a través del espacio físico es un tema deinterés internacional, además de la transferencia de in-formación del cerebro a entidades robóticas.

IntroducciónEl hombre siempre ha intentado inventar herramien-

tas o tecnologías que le permitan facilitar su trabajo dia-rio. El intento para poder controlar sin esfuerzo físico (so-lo de forma mental) helicópteros, cuadricópteros, drones,automóviles, dispositivos periféricos de una computado-ra (ratón, teclado), abrir la llave del agua, encender elaire acondicionado o calefacción, interactuar con el inte-rruptor de luz, abrir la puerta de la casa, contestar unteléfono, coordinar un robot, controlar una grúa de car-ga, cambiar de canal el televisor, necesidades específicasde los adultos mayores, jugar videojuegos, entre otros,son un ejemplo claro de ello. El área tecnológica que fuecreada para permitir el control mental de diversos dispo-sitivos es la Interfaz de Cómputo Cerebral (una especiede interfaz de interacción humano-computadora).

Una interfaz es una conexión física entre dos dispo-sitivos para permitir su comunicación. Dicha interfazpermite conectar física y funcionalmente al humanocon una computadora o dispositivos (interfaz de in-teracción humano-computadora). La interfaz humano-computadora permite la interacción e intercambio deinformación entre las personas y las computadoras. Unejemplo de estas interfaces son el ratón y las pantallastáctiles, las cuáles han tenido un gran auge en nuestrosdías [8].

Interfaz de Cómputo CerebralLa interfaz de cómputo cerebral, interfaz cerebro-

computadora o en inglés Brain Computer Interfaces-BCIo también conocida como: brain-machine interface (BMI)

en inglés, se define como un tipo de extensión de nuestrocerebro que permite comunicar al cerebro con un dis-positivo electrónico o manual. La interfaz de cómputocerebral es un sistema que analiza la actividad del cere-bro y traduce determinadas características o impulsos,las cuales asocian las intenciones de un individuo en ins-trucciones de control a un dispositivo. Los dispositivosmiden la actividad de las neuronas para la obtención deuna señal y su posterior proceso.

Un modelo funcional que representa, los elementosque conforman un sistema BCI son los siguientes [1]:

Usuario. Las personas que generan las señales ce-rebrales para controlar un dispositivo.

Electrodos. Convierten el estado cerebral de unusuario en señales eléctricas.

Amplificador. Filtran y amplifican la señal eléc-trica base desde el cerebro del usuario.

Extractor de características. Transforma lasseñales amplificadas en valores de característicasque corresponden al mecanismo neurológico utili-zado por el usuario para el control.

Traductor de características. Traduce las ca-racterísticas en un vector lógico de control de se-ñales (produce valores lógicos acerca de un contro-lador o como controlarlos).

Interfaz de control. Traduce las señales de con-trol del traductor de características en señales decontrol que son apropiadas para un tipo específicode dispositivo periférico. Este mapeo o asignaciónpuede ser instantánea o mediante la integración deentradas con tiempo.

Existen dos clases de tecnologías o dispositivos parala obtención de señales de imágenes cerebrales [2]:

Tecnologías invasivas. La obtención de la infor-mación se realiza mediante un sensor que es im-plantado mediante una operación quirúrgica. Elsensor mide la actividad eléctrica de las neuronasque se encuentran en regiones pequeñas del cere-bro —ver Figura 1–. Un ejemplo de las tecnolo-gías invasivas es el Electrocorticografía (ECoG). LaECoG consiste en registrar la actividad cerebraldurante la cirugía de la corteza cerebral expuesta



mediante tiras o plaquetas. La desventaja consisteen que solo registran actividad paroxística intercrí-tica (la actividad de un grupo de neuronas que seencuentra en los casos de epilepsia), por periodosbreves y bajo anestesia que limita y distorsiona lasdescargas de información, como se puede ver en laFigura 2.

Figura 1. Tecnología Invasiva. ©Plos One & Neuro-

electrics.

Figura 2. Electrocorticografía para identificación de

focos epilépticos1.

Tecnologías no invasivas. Miden la actividad ce-rebral utilizando sensores externos, es decir no serealiza ninguna operación quirúrgica. Son las tec-nologías más utilizadas debido a que no producenriesgos médicos ya que miden la actividad sobre elcuello cabelludo, se puede considerar el diagramaconceptual propuesto en la Figura 3. La calidad dela medición es menor debido a la distorsión de lasseñales. Algunos ejemplos de tecnologías no invasi-vas son:

1. Electroencefalografía (EEG). La EEG consisteen el registro eléctrico de las variaciones de lasdiferencias de potencial eléctrico producidaspor las células cerebrales. Las diferencias depotencial producidas por las células cerebra-les se reciben mediante electrodos (de formay composición variable) colocados en contac-to con el cuero cabelludo. Se aplican en for-ma simétrica en las diferentes áreas del cuerocabelludo mediante una pasta compuesta porbentonita, glicerina, y cloruro de calcio o clo-ruro de sodio [4].

2. Magnetoencefalografía (MEG). La MEG re-gistra los campos magnéticos cerebrales y per-mite conocer en cada momento las zonas delcerebro en las que se producen los camposmagnéticos de mayor intensidad [5]. Técnicaque registra la actividad funcional del cere-bro, mediante la captación de campos magné-ticos que corresponden a las corrientes eléctri-cas generadas por las neuronas [6].

3. Electroencefalografía (EEG). Representan laactividad eléctrica del cerebro registrada pormedio de electrodos puestos en el cuero cabe-lludo. Los electrodos se conectan con amplifi-cadores en patrones predeterminados o mon-tajes que permiten registrar la actividad devarias áreas en forma simultánea [7].

4. Tomografía por emisión de positrones. Técni-ca que usa un radioisótopo para marcar uncompuesto que se inyecta en el cuerpo. La lle-gada y la eliminación del marcador se vigilancon detectores de centello situados sobre la ca-beza, el flujo sanguíneo está muy ligado conel metabolismo cerebral [8].

5. Resonancia Magnética Funcional. Los datosobtenidos son mostrados como imágenes deregiones cerebrales. Las señales dependen delnivel de oxígeno en la sangre (oxigenada o des-oxigenada) que miden indirectamente la acti-vidad neuronal y sináptica regional. El obje-tivo es detectar variaciones locales de las se-ñales de nivel de oxígeno en el cerebro y sucorrelación potencial con una tarea o conduc-ta determinada [3]. El estudio no requiere in-yectar alguna sustancia.

6. Imagen óptica cercana al infrarrojo. Se usacon el propósito de obtener una neuroimagenfuncional. La actividad cerebral es medida através de respuestas asociadas con el compor-tamiento de las neuronas. Implica la cuantifi-cación de la concentración de cromóforo de la

1http://www.marioizurieta.com/procedimientos/epilepsia-dificil-tratamiento.


http://www.marioizurieta.com/procedimientos/epilepsia-dificil-tratamiento


medición del infrarrojo cercano (NIR) atenua-ción de la luz, cambios tácticos o temporales.

Figura 3. Tecnologías no invasivas.

AplicacionesEn los últimos años se han desarrollado diversas apli-

caciones médicas, robóticas, de videojuegos o diversiónrelacionadas con la interfaz de cómputo cerebral:

Aplicaciones de Comunicación. Permiten laposibilidad de comunicarse a una persona con al-guna discapacidad del habla o bien muscular consu exterior a través de sus ondas cerebrales.

Aplicaciones de operación de vehículos. Sonlas aplicaciones que permiten conducir un vehículoa través del pensamiento.

Aplicaciones de asistencia médica. Son lasaplicaciones que permiten apoyar el tratamiento depadecimientos como el autismo, déficit de atención,Parkinson, epilepsia y las migrañas.

Aplicaciones de Domótica. Son las aplicacionespara apoyar a individuos con discapacidades a rea-lizar tareas cotidianas: controlar la iluminación, elaire acondicionado, cambiar de canal, entre otras.

Aplicaciones de Robótica. Desarrollo de apli-caciones que apoyan a personas con discapacidadesmotoras a controlar un brazo robótico o manipularuna silla de ruedas.

Aplicaciones de realidad virtual. Realizaciónde visitas virtuales por medio de una aplicación deinterfaz de cómputo cerebral.

Aplicaciones de Videojuegos. La utilización dediversas tecnologías como el procesamiento de imá-genes provenientes de diversos sensores ha propicia-do el aumento de juegos y videojuegos que incorpo-ran dispositivos de interfaces de cómputo cerebral.La aplicación de la empresa Emotiv (http://www.emotiv.com) permite el uso de las ondas mentalespara controlar helicópteros a control remoto, moverel cursor de una computadora, entre otras.

ConclusionesEl proyecto estadounidense Cerebro se encuentra de-

terminando el protocolo y la velocidad de comunicacióndel cerebro, los circuitos neuronales, la transferencia deinformación al cerebro, el almacenamiento de la informa-ción del cerebro en una computadora, y su posterior usopor personas con algún tipo de dificultad motriz, aunadoa aplicaciones de Inteligencia Ambiental, para pacientescon una recuperación de un estado de coma.

Los beneficios médicos de conocer en detalle todoslos aspectos del cerebro humano son más que claros pa-ra la vida de pacientes con algún tipo de complicacionesfísicas pero mentalmente activos, para proporcionarlesaplicaciones relacionadas con las interfaces de cómputocerebral, lo que permitiría ayudar mucho en su calidadde vida diaria en personas con algún nivel de discapa-cidad. El poder controlar robots o vehículos no tripu-lados a través del espacio físico es un tema de interésinternacional —en este momento, como trabajo futurode investigación, se tienen proyectos de investigación re-lacionados con ayuda humanitaria utilizando un Dronpara ello, tanto en inundaciones como en situaciones desocorro alpino-, además de la transferencia de informa-ción del cerebro a entidades robóticas especializadas. Taly como lo plantean diversos autores en la literatura es-pecializada, al usar interfaces de cómputo cerebral paratransferir la información almacenada en el cerebro a ro-bots autónomos.✵

Agradecimientos. Este trabajo ha sido financiado porSEP-PRODEP UAEH-PTC-719 y UAEH-PTC-682.

REFERENCIAS

1. Mason S.G. y Birch G.E. (2003) “A general framework for brain-computer interface design”. IEEE Transactions on Neural Sys-tems and Rehabilitation Engineering, pp. 70-85.

2. Tan D. y Nijholt A. (2010) “Brain-Computer Interfacesand Human-Computer Interaction”. Brain-Computer interfa-ces Applying our Minds to Human-Computer Interaction,Springer London, pp. 13-19.

3. Gil D.N. (2013) “¿Necesitan cerebro los economistas? Una Intro-ducción a la neuroeconomia”. Martin, Lucia Sutil (eds), Neu-rociencia, empresa y marketing, ESIC Editorial.

4. Hernández-Hoyos D. (2006) “Capítulo 8. Electroencefalografíaen Neurocirugía”. Carlos Eduardo Navarro Restrepo, HermannScholtz González (eds). Neurocirugía para médicos generales,Editorial Universidad de Antioquia, pp. 164-175.

5. Vega F.C. (2013) “Anomía: la dificultad para recordar las pala-bras”. TEA Ediciones S.A.U.

6. García-Alix A. y Quero J. (2011) “Evaluación neurológica delrecién nacido”. Ediciones Diaz de Santos.

7. Castillo J.L. (2005). “Capítulo 23. Exploración Neurológica me-diante técnicas Neurofisiologicas”. Nogales-Gaete, Jorge (eds),Tratado de Neurología Clínica, Panamericana, pp. 187-195.

8. Barrett K.E., Barman S.M., Boitano S. y Brooks H.(2013) “Ga-nong’s Review of Medical Physiology - EmergencyPedia”. McGraw Hill.


http://www.emotiv.com

http://www.emotiv.com


SOBRE LOS AUTORES

Jorge A. Ruiz-Vanoye obtuvo el grado de Doctor en Ciencias Computacionales en 2008 por el CentroNacional de Investigación y Desarrollo Tecnológico (CENIDET). Ha trabajado en el Instituto de Investiga-ciones Eléctricas y en otras instituciones y compañías. Ha dado clases en diversas universidades mexicanasdesde 1996. Actualmente es profesor investigador en la Universidad Autónoma del Estado de Hidalgo(UAEH) y es miembro del Sistema Nacional de Investigadores, nivel I (2013-2019). Para más informaciónsobre publicaciones, proyectos y tesis ver: www.ruizvanoye.com.

Ocotlán Díaz-Parra obtuvo el grado de Doctora en Ciencias Aplicadas en 2008 por el Centro de Investi-gación en Ingeniería y Ciencias Aplicadas de la Universidad Autónoma del Estado de Morelos. Ha trabajadoen PEMEX y en otras compañías. Ha dado clases en diversas universidades mexicanas de reconocidoprestigio. Actualmente es profesora investigadora en la Universidad Autónoma del Estado de Hidalgo(UAEH) y pertenece al Sistema Nacional de Investigadores, nivel I (2010-2016). Para más información sobrepublicaciones, proyectos y tesis ver: www.diazparra.net.

Alberto Ochoa Ortiz-Zezzatti es profesor investigador de la Universidad Autónoma de Ciudad Jua-rez (UACJ) y miembro del Sistema Nacional de Investigadores nivel 2 del Consejo Nacional de Cienciay Tecnología (CONACYT). Actualmente se encuentra realizando su año sabático en el Instituto Nacionalde Electricidad y Energías Limpias (INEEL). Sus líneas de interés son: la inteligencia artificial, CómputoEvolutivo, Logística Inteligente y Smart Cities.

Ivan Cruz es Doctor en Ingeniería Eléctrica (2014. Reconocimiento Summa Cum Laude) con especialidaden Procesamiento Digital de Imágenes en la División de Ingenierías Campus Irapuato-Salamanca de laUniversidad de Guanajuato. Su investigación doctoral fue realizada en el Departamento de Electrónica de laUniversidad de Guanajuato bajo la supervisión del Dr. Juan Gabriel Aviña Cervantes y del Dr. Juan ManuelLópez Hernández. Maestro en Ciencias en Ciencias de la Computación (2009) con especialidad en InteligenciaArtificial en el Instituto Tecnológico de León y obtuvo la Licenciatura en Sistemas Computacionales (2007)con especialidad en Desarrollo de Software en el Instituto Tecnológico Superior de Irapuato. Sus principalesáreas de investigación son el desarrollo de algoritmos de Computación Evolutiva, Procesamiento de Imágenesy Señales Biomédicas y Visión por Computadora.

Alejandro Fuentes Penna es Dr. en Planeación Estratégica y Dirección de Tecnología. Ha publicadoartículos, capítulos de libro y libros en áreas de ingeniería de Software, educación, HCI, salud, planeaciónestratégica y optimización combinatoria, a nivel Congreso, índices nacionales e internacionales, y JCR.Investigador en el Sistema Estatal de Investigadores del Estado de Morelos. Se ha desempeñado en áreasde desarrollo de sistemas de información, profesor -– investigador, revisor de artículos y libros a nivelinternacional, consultor en áreas de informática, planeación, administración y educación, y como profesor,investigador o consultor en institutos de investigación, en la UNAM y otras Universidades y consultoríasde tecnologías de información, arquitectura y educación en la República Mexicana. Actualmente laboraen la Escuela Superior de Tlahuelilpan -– Universidad Autónoma del Estado de Hidalgo como ProfesorInvestigador, Jefe del Área Académica de Ingenierías y Coordinador de la Lic. en Sistemas Computacionales.

Ricardo Armando Barrera Cámara es líder de cuerpo académico de cómputo científico y tecnológico, lí-der de la academia de administración y tratamiento de información. Es profesor Investigador de la UniversidadAutónoma del Carmen. Para más información de sus proyectos y publicaciones en: www.barreracamara.com.

María Beatríz Bernábe Loranca es doctora en Investigación de operaciones desde 2010 de la UniversidadNacional Autónoma de México (UNAM). Desde 1995 es profesor investigador de la facultad de CienciasComputaciones de la Benemérita Universidad Autónoma de Puebla (BUAP). La Doctora Bernabe esmiembro del Sistema Nacional de Investigadores (SNI) Nivel I del CONACYT. Sus áreas de interés son:Optimización Combinatoria, diseño territorial y técnicas multiobjetivo.


www.ruizvanoye.com

www.diazparra.net

www.barreracamara.com


ARTÍCULO ACEPTADO

Aplicaciones de la inteligencia computacional en elcontrol de robots neumáticosPablo J. Prieto y Nohe R. Cazarez-Castro

Importancia de la inteligencia computacional enel control de mecanismos neumáticos

El robot se presenta como un sistema electromecáni-co cuya capacidad de movimiento de manera autónomaresulta de gran interés para la sociedad. Estos sistemasson diseñados para sustituir al hombre en actividades la-borales, sobre todo en las que pongan en riesgo a la vidahumana. Los robots son capaces de hacer trabajos conuna eficiencia y productividad de tal forma que su impac-to en la economía y vida de la sociedad es notable. Porende, resulta muy atractivo el interés científico-técnicosobre los robots.

La arquitectura de un robot se establece como lasarticulaciones, conexiones, acoplamientos y actuadoresque están estructurados para lograr un determinado mo-vimiento. Existen innumerables configuraciones estruc-turales para los robots. La conformación de diferentesestructuras mecánicas y restricciones en el movimientode las articulaciones hacen prácticamente imposible unanálisis generalizado de las estructuras de los robots [1].

Para el correcto funcionamiento de los robots se re-quiere un constante control del posicionamiento de losactuadores que gobiernan la movilidad del mismo, la Fi-gura 1 muestra esta idea

Figura 1. Esquema de general de control de posición.

Las variables medibles son retroalimentadas y com-paradas con una posición deseada; a partir de esa com-paración, se toman decisiones y se aplica una acción co-rrectiva sobre el robot con vistas a minimizar posibleserrores. Por otro lado, las complejas no linealidades delsistema, dificultan aún más su desempeño.

A los actuadores que convierten la energía del airecomprimido en trabajo mecánico se les denomina actua-dores neumáticos. El uso del aire comprimido como fuen-te de potencia tiene cualidades excelentes [2], siendo una

alternativa los actuadores lineales eléctricos e hidráulicosdebido a que el aire es abundante y barato, se transportay almacena fácilmente; es limpio (no produce contamina-ción) y carece de peligro de combustión o alteración conla temperatura. A manera de ejemplo la Figura 2 mues-tra un robot-bípedo movido por actuadores neumáticos.

Figura 2. El robot bípedo Lucy, gobernado por actuadores

neumáticos. Foto obtenida de Robotics & Multibody Mecha-

nics Group de Vrije Universiteit Brussel [3].

Los actuadores neumáticos tienen una amplia utili-zación industrial por presentar tecnología limpia, de ba-jocosto, respuesta rápida, elevada relación potencia-pesoy fácil mantenimiento. En los últimos años estos actua-dores se han venido introduciendo en aplicaciones querequieren posicionamiento continuo tales como: robotsparalelos, plataformas de simulación y otras.



El robot es un sistema electromecánico cuya capacidad de movimiento de

manera autónoma resulta de gran interés para la sociedad.

En este caso se utilizan pistones de doble efecto debi-do a que la fuerza ejercida por el aire comprimido empujaal vástago para realizar un movimiento de traslación enlos dos sentidos, disponiendo de una fuerza útil tanto enla ida como en el retorno, lo cual justifica la elección rea-lizada ya que los actuadores de la plataforma se muevende manera controlada en ambas direcciones [4].

Los actuadores electro-neumáticos están formadospor un cilindro neumático, al cual se debe acoplar direc-tamente al sistema mecánico del robot. Con el objetivode alcanzar un posicionamiento preciso del vástago en elactuador requiere de un control a través de un lazo cerra-do donde se tiene en cuenta factores no lineales como elcomportamiento compresible del aire, las fricciones está-ticas, dinámicas y viscosas presentes entre el vástago y elcilindro, así como el comportamiento no lineal del flujode aire que penetra en la cámara que pueden provocanserias perturbaciones al sistema y dificulta el control delos mismos [5].

La inteligencia computacional (IC), rama de las cien-cias de la computación que estudia la creación y diseñode sistemas capaces de resolver problemas cotidianos porsí mismos utilizando como paradigma la inteligencia hu-mana, constituye una vía para lidiar con sistemas cuyostérminos dinámicos se hacen difíciles de determinar porla matemática tradicional. El uso de los algoritmos basa-dos en redes neuronales y lógica difusa sobre los sistemascomplejos de controlar, permiten mejorar el desempeñode operación [6].

Las redes neuronales artificiales (RNA) constituyenun área importante de la IC que ha despertado interésen los últimos años. Esto es debido a su capacidad deresolver problemas cuya solución por otros métodos con-vencionales resulta difícil. Las redes neuronales son muyusadas en el control de posición para sistemas neumáti-cos [4].

La cualidad más sobresaliente de las redes neuronaleses que se basan en el sistema de aprendizaje del cerebrohumano. Una red aprende las relaciones fundamentalesque están implícitas en las bases de datos de entrena-miento. Puesto que estas relaciones pueden presentar di-námicas complejas de modelar, la red neuronal consti-tuye una herramienta general y potente para modelar ladinámica de plantas complejas. Por ello constituyen unexcelente sistema para identificación de modelos entrada-salida y en la compensación de sistemas no lineales [6].

Otra herramienta dentro de la IC lo constituye los al-goritmos basados en lógica difusa; que son efectivos para

sistemas no lineales. Las características del control di-fuso son basadas en reglas usando estructuras del tipoS i-Entonces a partir de los subconjuntos de las varia-bles. En lo que concierne a las aplicaciones de control aestos subconjuntos se les establecen funciones de mem-bresías que determinan las reglas del comportamiento delsistema [4].

De lo anterior planteado en este trabajo, se realizauna breve descripción de las principales característicasde los sistemas inteligentes en el área de la neumática,teniendo en cuenta las ventajas aportadas por cada unode los algoritmos antes mencionados.

El artículo se organiza como sigue: la primera sec-ción brinda una descripción acerca de la idea generalque rodea el concepto robótica neumática e IC. La se-gunda sección presenta aspectos relevanes sobre sitemasdifusos, mientras que la tercera sección describe aspectosfundamentales de las redes neuronales. Finalmente, sereporta conclusiones sobre el presente trabajo.

Sistemas difusosLas técnicas difusas han sido aplicadas al mundo in-

dustrializado (proceso y automatización) brindando unbuen desempeño. Los resultados de este uso han demos-trado que presentan ventajas en relación con algoritmosde control tradicional, tales como:

No es necesario construir un modelo matemáticodetallado.

Pueden funcionar con un gran número de entradas.

Pueden ser adaptados fácilmente en sistemas nolineales.

El conocimiento humano puede ser aplicado fácil-mente.

La esencia de los sistemas difusos, son las reglas lingüisti-cas apropiadas para el control, basados en usar un ciertoprocedimiento de toma de decisión teniendo en cuenta laexperiencia del usuario y las bases de datos del controlhumano. Las reglas difusas son establecidas basandoseen la experiencia humana. Las funciones de membresíasfundamentales son las siguientes:

Funciones lineales (Triangular, trapezoidal y sin-gleton)

Funciones no lineales (Gaussiana, sigmoides, etc.).



Los robots son capaces de hacer trabajos con eficiencia y productividad

tales que su impacto en la economía y vida de la sociedad es notable.

Sin embargo, las funciones lineales son las más usa-das dentro de los algoritmos difusos con respecto a otrasfunciones más complejas. Esto es debido a la simplicidadde dichas funciones, además, las otras demandan un altocosto computacional [7]. La Figura 3 muestra las dife-rentes formas de funciones que califican a los conjuntos,siendo µ el grado de pertenecia del valor con respectoa la función de membresía y el universo de discurso elconjunto de todos los valores de la variable.

Universo de discurso0 1 2 3 4 5 6 7 8 9 10

µ

0

0.2

0.4

0.6

0.8

1

TrapezoidalSigmoidalTriangularGausianaSingleton

Figura 3. Forma típica de funciones de pertenencia.

La aplicación de técnicas difusas en el control de po-sición para sistemas electro-neumáticos es ventajosa, entérminos de simplicidad del diseño, y puesta en práctica.La experiencia demuestra que el éxito de estas técnicasdepende del nivel de conocimiento referente al compor-tamiento de posicionamiento continuo. Pero no siemprese garantiza la estabilidad y robustez del sistema con elcontrol difuso [7].

Con respecto al control de robots es usual tener encuenta los errores de posición y su derivada [8]. Las dosvariables lingüísticas: el error E y el cambio del error△E representan las entradas; y la salida está representa-da por la variable U , siendo la acción de control sobre elactuador. Las etiquetas se describen regularmente en elconjunto difuso con términos lingüísticos cotidianos co-mo Negativo Grande (NB), Negativo Mediano (NM),Negativo Pequeño NS, Cero(Z) Positivo Grande (PB),Positivo Mediano (PM), Positivo Pequeño (PP).

Las reglas difusas son definidas de manera generalbajo sentencias de la forma

Si (E es Yj) y (△E es Xi) Entonces (U es Uk)

Como uso común todas las reglas están basadas en laexperiencia y el conocimiento humano, sin embargo, ala fecha se han generado métodos computacionales paragenerarlas. En cuanto a las leyes de inferencia que permi-ten establecer relaciones entre los diferente conjuntos, los

métodos más usados son MAX-MIN y MAX-PROD,que se basan en la determinación de valores mínimos ymáximos de los grados de pertenencia de las variables ylas operaciones algebraicas que se realizan con los mis-mos [9].

Existen varios métodos para interpretar los valoresdifusos y transformarlos en señales de control. Usualmen-te para el control de sistemas físicos se usa el método delcentro de gravedad, mismo que es esquematizado en laFigura 4, donde se calcula la salida u(t) a partir del cen-tro de las áreas que forman las funciones de membresíasactivas del universo de discurso U, dependiendo del gradode pertenencia µ(U). Sin embargo, este método es muycostoso a nivel de cómputo para la implementación entiempo real, motivo por el cual se buscan variantes me-nos costosas tales como el método de las alturas, cuyoesquema generalizado es mostrado en la Figura 5, quedepende de la altura de cada función de membresía ac-tivada y de su grado de pertenencia [9].

Figura 4. Método del centro de gravedad.

Figura 5. Método de las alturas.



Las técnicas de Computación Inteligente son una herramienta eficaz para

dotar a los robots de capacidad de reacción similar a la humana.

Redes NeuronalesLas redes neuronales artificiales emulan el funciona-

miento del cerebro humano. El modelo mostrado en laFigura 6 representa una neurona, dentro de la red, don-de las entradas [X1−X4] representan las dendritas. Cadaentrada es multiplicada por los pesos [W1 −W4].

Figura 6. Esquema de una neurona artificial.

Existen varios tipos de estructuras de RNA, entre lasque se destacan las redes simples y las multi-capas. Lasentradas Xi son individualmente multiplicadas por lospesos ajustables Wi y luego sumadas, de manera que in-tente reproducir el proceso de aprendizaje en el cerebrohumano. Las salidas se calculan a través de la funciónde activación F , que introduce una no linealidad en lared. Esto las convierte en un algoritmo muy usado pararepresentar dinámicas altamente no lineales.

En las redes multi-capas la dirección de la señal vadesde la entrada a la salida. Adicionando capas a la redneuronal, esta puede lidiar con procesos cuya dinámicaes compleja y ser capaz de reproducir de manera fiablecualquier sistema. Pero ello implica que la implementa-ción a nivel computacional del mismo sea extremada-mente costosa, por tanto, en ello se trata de llegar a uncompromiso entre precisión en la estimación y eficienciade procesamiento computacional.

El método más común para la identificación de sis-temas a través de RNA es el llamado retro-propagación,representado en la Figura 7. Durante el entrenamientoson tomados los datos de entrada del proceso u(t) y apli-cados sobre la red neuronal. Ambas salidas (proceso yred), representadas por y(t) y y(t) son comparadas y elerror e(t) es enviado a la red actualizando los pesos de

la misma. El método es muy útil por su simplicidad conrespecto a otros. Sin embargo, a veces resulta lento, ade-más, no siempre garantiza la convergencia adecuada ya veces se proponen a otros algoritmos más rápidos yfiables tales como Levenberg-Marquardt [6].

Figura 7. Identificación por el método retro-propagación.

De acuerdo a [9] se puede emplear una red neuro-nal como estimador de modelos de sistemas dinámicos.Dicha RNA se puede utilizar con el objetivo de emularel sistema electro-neumático para el ajuste final de uncontrolador de posición.

Otro de los aspectos fundamentales de las redes neu-ronales lo constituye su uso en las propuestas de controlpara mejorar el desempeño de los controladores propor-cional integral derivativo (PID), que son los mas difun-didos a nivel industrial. De esta manera, aprovechandola capacidad de aprendizaje de la RNA, esta puede serusada para variar los parámetros del PID acorde alcomportamiento dinámico de sistema neumático, intro-duciendo de esta manera un mecanismo de adaptación[10].

ConclusionesLas técnicas inteligentes constituyen una alternativa

para dar solución a problemas claramente reflejados enla literatura científica. En muchas ocasiones son usadospara compensar fenómenos físicos complejos de calcular,obteniendo buenos resultados. Sin embargo, es de pun-tualizar elementos importantes que a su vez influyen ensu contra. En ocasiones, cuando los robots presentan unadinámica muy compleja se hace difícil a las redes neuro-nales emular el comportamiento del mismo debido a que



requiere un largo tiempo de aprendizaje. No existe unaclara teoría del tipo de estructura neuronal aplicada alos diferentes tipos de problemas. Incluso la literaturaplantea que el método más usado es ensayo y error.

Con la aplicación de algoritmos difusos para sistemasneumáticos se logra una manipulación de la señal de con-trol que es aplicable sobre el sistema dinámico a partirdel criterio de experto. En este caso, debido a su dinámi-ca compleja, se hace difícil obtener un buen desempeñoya que las fluctuaciones del aire, difíciles de modelar, de-terioran el desempeño del sistema, por ello, la necesidadde algoritmos que incorporan robustez ante dinámicasaltamente complejas se hacen necesarios. Por lo tanto,cuando los procesos a controlar son altamente no linea-les, o cuando se dispone de un modelo matemático de-masiado complejo, la lógica difusa se presenta como unaestrategia de control robusta que no está rigurosamen-te ligada al modelo matemático del sistema y asegura laestabilidad.✵

REFERENCIAS

1. Barrientos A., Peñin L.F., Balaguer C. y Aracil R. (2007) “Fun-damentos de robótica”. McGraw-Hill Interamericana de España.

2. Beater P. (2007) “Pneumatic Drives. System Design, Modellingand Control”. Springer.

3. Vanderborght B., VanDame M., VanHam R., Verrelst B. y Lefe-ber D. (2003) “Pleated Pneumatic Artificial Muscles for RoboticApplications”. In Proc. 2006 IEEE International Conferenceon Robotics and Automation, Orlando, EEUU, pp. 4324–4326.

4. Krivts, I.L. y Krejnin, G.V. (2006) “Pneumatic Actuating Sys-tems for Automatic Equipment. Structure and Design”. Taylor& Francis.

5. Pearce M. (2005). “Is there an alternative to fluid power?”. IEEEJournal of Computing and Control Engineering. Vol 16, No.2, pp 8-11.

6. Yu O. y Kaynak O. (2009). “Sliding-mode control with soft com-puting: A survey”. IEEE Transactions Industrial Electronics.Vol. 56, No. 9, pp 3275–3285.

7. Kim S.W., Lee J.J. (1995). “Design of a fuzzy controller withfuzzy sliding surface”. Fuzzy, Sets and Systems. Vol. 71, No. 3,pp 359-367.

8. Prieto P.J., Cazarez-Castro N.R., Garcia D. y Cardenas-MacielS.L. (2015) “Estabilidad para un control borroso en modo des-lizante aplicado a un robot paralelo neumático”. Revista Ibe-roamericana de Automática e Informática Industrial, Vol. 12,No. 4, pp. 345-356.

9. Babuska R. (2001). “Fuzzy and neural control Disc course Lec-ture Notes”. Delft University of Technology.

10. Cong T.D. y Kwan K. (2006). “Nonlinear PID control to impro-ve the control performance of 2 axes pneumatic artificial musclemanipulator using neural network”. Mechatronics. Vol. 16, No.9, pp 577–587.

SOBRE LOS AUTORES

Pablo José Prieto Entenza es estudiante de Doctorado en Ciencias de la Ingeniería en el TecnológicoNacional de México - Instituto Tecnológico de Tijuana. El obtuvo su grado de maestría en ControlAutomático y Sistemas Computacionales en la Universidad Central Marta Abreu de las Villas, Santa Clara,Cuba. Sus intereses en la investigación incluyen el estudio de algoritmos de control aplicado a sistemasmecánicos.

Nohe R. Cazarez-Castro es Doctor en Ciencias por la Universidad Autónoma de Baja California desdeel 2010. Es profesor en el Tecnológico Nacional de México - Instituto Tecnológico de Tijuana desde el 2003.Es Candidato a Investigador Nacional y cuenta con Perfil Deseable. Sus intereses de investigación incluyentemas relacionados con el modelado matemático y computacional, particularmente control automático ymatemáticas aplicadas.

Frases célebres

“Los robots cumplirán una función principal en la asistencia a personas de edadavanzada, a las que incluso podrían prestar compañía”

-Bill Gates



ARTÍCULO ACEPTADO

Caracterización de Electrodos de Celdas deCombustible Aplicando SVMJaime Ortegón Aguilar, José Torres Pozos, Romeli Barbosa Pool y Javier Vázquez Castillo

La Importancia de las Celdas de Combus-tible

La tecnología y la vida moderna demanda grandesrecursos de energía, este es uno de los principales para-digmas del desarrollo sustentable, que indica que el sis-tema energético debe ser eficiente y eficaz. En el futurocercano, la mayor parte de la energía deberá ser provistapor fuentes distintas a los combustibles fósiles, y el re-emplazo con mejores perspectivas es el hidrógeno, el cualpuede jugar un papel importante debido principalmentea su alta eficiencia y el potencial de uso en una gran va-riedad de aplicaciones. En este panorama la tecnologíade celdas de combustible de membrana de intercambiode protones (PEMFC - proton exchange membrane fuelcell), desempeñará un papel importante en la futura “eco-nomía del hidrógeno”, sobre todo en su aplicación para laindustria automotriz, residencial y aplicaciones móviles[1-4].

Desde un punto de vista general, el funcionamientode una PEMFC es muy sencillo: en el ánodo, el hidró-geno (H2) se oxida y, en el cátodo, el oxígeno (O2) sereduce, obteniendo de la reacción completa un potencialeléctrico útil. Sin embargo, al nivel de los electrodos, unaPEMFC es un sistema complejo; los electrodos porososde la PEMFC, son micro o nano reactores de reaccionesheterogéneas. El electrodo o capa catalítica (CC) estáformado por un material conductor que sirve de soportepara el catalizador nanoestructurado, el cual debe ade-más estar en contacto con un electrolito disperso. Dichode otra forma, en una región tridimensional de la capacatalítica coexisten los siguientes elementos: conductor ysoporte, catalizador, electrolito en forma dispersa y ungas reactante. Dicha región debe ser porosa para permitirel acceso de los gases reactantes y para desalojar el pro-ducto formado (agua en fase vapor y líquida). La CC esde espesor micrométrico y en ella ocurren las reaccioneselectroquímicas, así como el transporte de masa final quedeterminará el desempeño de la celda de combustible.

La estructura y composición de la CC de la PEMFCdefine esta componente como un material heterogéneode naturaleza aleatoria. Esta heterogeneidad surge delhecho de estar constituida por diferentes fases; siendouna fase un dominio identificable con sus característicasparticulares propias que la diferencian del resto de laspartes en la CC, por ejemplo: vacíos, diversos materialessólidos, gases, y líquidos. De tal forma, la CC tiene unagran influencia en el rendimiento del intercambio de pro-

tones de una celda de combustible, esto se debe, a queel componente no solo proporciona sitios reactivos, sinotambién su estructura define la eficiencia del fenómenode transporte [2]. Desde el punto de vista microestruc-tural, estos fenómenos son significativamente afectadospor las propiedades intrínsecas de las fases, las fraccio-nes volumétricas de su composición y la estructura delos elementos que lo componen. Para el estudio de es-tas propiedades podemos definir al coeficiente efectivode transporte” (ETC, por su sigla en inglés), como elcoeficiente de proporcionalidad que caracteriza todo eldominio del material.

En la literatura se han propuesto diferentes relacio-nes matemáticas para determinar el ETC. Por ejemplo,se han utilizado esferas uniformes, que se extendieron adispersiones aleatorias de partículas esféricas de tamañovariable [3]. También, se ha determinado a través de unamalla que caracteriza la micro estructura real de los ma-teriales heterogéneos, que son matemáticamente descri-tos por funciones estadísticas referidas como “funcionesde correlación”. En cualquiera de los casos, se requiere deun valor correcto del ETC para una simulación numéricaadecuada de los sistemas con uno o más componentes concaracterísticas de un medio heterogéneo. Un coeficienteerróneo puede alterar resultados y en consecuencia llevara una mala interpretación del fenómeno de transporte.En conclusión, es necesario desarrollar técnicas de carac-terización, es decir; técnicas que permitan determinar laspropiedades de las diferentes fases de la microestructuraque influyen en el ETC.

Estos métodos de estudio se han podido desarrollargracias a la habilidad de describir con detalle la microes-tructura. En este aspecto se deben implementar técnicasexperimentales de microscopia y técnicas numéricas decaracterización y reconstrucción estocástica. Una técnicade caracterización microestructural de electrodos poro-sos para celdas de combustible es mediante microscopiaelectrónica de barrido (SEM). SEM es una herramien-ta muy útil para la observación de superficies. Consisteen enviar sobre la muestra un haz focalizado de elec-trones, que interactúan con los átomos del material, deforma muy similar a una cámara fotográfica, un detectorrecoge información sobre los electrones que interactúany forman una imagen con una matriz de intensidad degrises. Las imágenes tomadas con SEM muestran foto-grafías de los electrodos de celdas de combustible conun factor de magnificación, en donde se logran ver los



poros, ver Figura 1. El microscopio SEM nos proporcio-na imágenes de las celdas que pueden ser procesadas yreconstruidas mediante técnicas estocásticas para podercuantificar científicamente la variación micro estructuraly su influencia sobre el desempeño eléctrico global. Enlos casos donde el objetivo de la simulación es predecir elflujo de gas, es común asumir que la capa es un elementode dos fases, es decir, únicamente está formada por lafase sólida y los vacíos entre esta.

Figura 1. Fotografía de una celda de combustible con un

microscopio electrónico con 15,000 aumentos.

Este artículo presenta una aplicación de las máquinasde vectores de soporte o SVM para la clasificación delos píxeles de una imagen del electrodo de una celda decombustible obtenida a través de SEM. Considerandoque la celda está constituida por dos fases es posible de-terminar el coeficiente efectivo de transporte y realizarsimulaciones sobre su comportamiento.

Procesamiento de imágenesLa caracterización de la microestructura del electro-

do será realizada mediante el procesamiento de imágenes.Esto significa que las imágenes pueden ser transferidashacia un entorno de datos numéricos, y luego pueden seranalizados por una computadora [5-7]. Esto se debe a laevolución de la tecnología y a la gran cantidad de ins-trumentos de visión como la cámara fotográfica digital oalgunos muy especializados como el SEM. Normalmente,el procesamiento de imágenes consiste en mapeos de imá-genes bi-dimensionales en donde cada punto consiste deinformación numérica en términos de intensidad, ampli-tud, escala de colores, de grises o binaria. De tal forma,

el procesamiento de imágenes toma el conocimiento es-tructural de la imagen como entrada y produce comosalida un grupo de parámetros y la función relaciona-da con el contenido de la imagen. Con el avance en elprocesamiento de imágenes, su uso se ha adoptado paracaracterizar la estructura y las propiedades de volumende las celdas[6]. Con estas técnicas es posible calcular laporosidad, distribución de longitud, distribución de ta-maño de poros, y grosor; al igual que el grado de conec-tividad entre poros y correlacionar estos para observarpropiedades físicas de la dinámica de fluidos.

El procesamiento de imágenes tiene múltiples aplica-ciones, como la medicina, o la industria alimentaria [5].Es posible aplicar diferentes técnicas para mejorar la in-formación de la imagen o eliminar ruido, esta propuestahace uso de la ecualización y normalización como partedel procesamiento, además de operaciones morfológicasen una imagen binarizada. La ecualización es el procesode ajustar los valores de intensidad y distribuirlos demanera uniforme en la imagen. La normalización es elproceso de ajustar los valores a un rango específico, eneste caso entre 0 y 1. La morfología se basa en operacio-nes de teoría de conjuntos, esto significa que simplificalas imágenes y conserva sus principales característicascomo en este caso son la extracción de fronteras y elrellenado de regiones.

Máquinas de Vectores de SoporteLas máquinas de vectores de soporte (SVM) poseen

la habilidad de ser aproximadores universales de cual-quier función multivariada hasta una precisión deseada.Por esto, son de particular interés para el modelado desistemas complejos desconocidos, parcialmente descono-cidos o altamente no lineales. Es importante resaltar quelas SVM no se deben utilizar cuando exista un modeloque sea bueno y confiable analíticamente.

La publicación de los primeros artículos sobre SVMfue por Vapnik, Chervonenkis y sus colaboradores entre1964 y 1965, aunque no recibieron tanta atención hasta1992. Las SVM también son llamadas modelos "no para-métricos” debido a que sus parámetros no son predefini-dos y su número depende de los datos de entrenamientoutilizados. En otras palabras, los parámetros del mode-lo se calculan a partir de los datos, como una forma deacercar la capacidad del modelo a la complejidad de losdatos [9].

Las SVMs son un grupo de métodos de aprendizajesupervisado que se puede aplicar a la clasificación, regre-sión y análisis de datos mediante algoritmos de apren-dizaje automático. Las SVM se pueden utilizar cuandolos datos tienen exactamente dos clases y la clasificaciónconsiste en la búsqueda del mejor hiperplano que separatodos los puntos de datos de una clase de los de otra clase.En los casos de reconocimiento de patrones más simples,las SVM usan un hiperplano para separar linealmente los



datos y crear un clasificador con un margen máximo. Enlos casos donde las clases no son linealmente separablesen el espacio de entrada original, la SVM primero trans-forma el espacio de entrada a un espacio de una mayordimensión. Esa transformación se puede lograr a travésde varios mapeos no lineales: polinomial, sigmoidal, odiferentes funciones spline.

En resumen, una máquina de vectores de soporte, to-ma datos que posiblemente no sean separables linealmen-te, los lleva a un espacio dimensional superior a travésde un mapeo, y en este espacio encuentra un hiperplanopara las clases obteniendo el mayor margen posible; es-to basándose en los vectores de soporte que son aquellosvectores de entrada que definen el margen como se ve enla Figura 2.

Figura 2. Hiperplano que separa dos clases.

Clasificación con SVMPara poder caracterizar las imágenes obtenidas del

SEM se creó una interfaz gráfica con MATLAB [8].MATLAB es un lenguaje de programación de alto ni-vel con un ambiente muy amigable el cual se enfoca mása un entorno matemático. Con éste, se programó la inter-faz gráfica para simplificar y acelerar la caracterización,usando las SVM como una de las técnicas principales.

El proceso de poder estudiar a profundidad la imagende la microestructura del electrodo de una celda de com-bustible obtenida mediante SEM, depende de dos valoresimportantes: la porosidad y la estructura del sólido; detal forma que el programa se encarga de identificar susubicaciones dentro de la imagen. La dificultad de estaclasificación reside en que el análisis debe considerar uncorte a una misma profundidad para todos los píxeles, sinembargo, la imagen del microscopio también contiene in-formación de otras profundidades. Esto se puede apreciaren la Figura 3, en dónde píxeles que representan vacíoen una profundidad pueden tener la misma intensidad degris qué píxeles que representan la fase sólida.

Figura 3. Acercamientos de una celda de combustible con

un microscopio electrónico.

Pero antes de llegar a resultados los finales de lasimágenes, existen varios procesos o etapas por los cua-les pasa la imagen, la imagen original se presenta en laFigura 4.

Figura 4. Imagen original de la celda de combustible.

Las imágenes obtenidas del SEM en la mayoría delos casos no son muy claras y distinguibles para el ojohumano. De tal forma el primer proceso por la cual pa-sa la imagen es de ecualización. La ecualización ajustay distribuye más ampliamente los valores de intensidadde la imagen. Con la imagen ecualizada, se puede notaruna gran diferencia en la claridad de la imagen. Una vezecualizada la imagen, se normaliza ajustando los valoresa un rango específico, en este caso entre 0 y 1, esto paraque sin importar el formato de las imágenes de origen sepueda uniformizar el proceso de clasificación.



El proceso de la imagen continúa con una técnica pa-ra remover el ruido existente de la imagen. Se utilizala técnica de filtrado adaptativo de Weiner y la media-na. Weiner utiliza filtros pasa bajas adaptativos a par-tir de las estadísticas de una vecindad para cada píxel,eliminando de esta forma el ruido blanco existente. Lamediana lo que hace es remover el ruido llamado sal ypimienta, este ruido esta formado por píxeles en posi-ciones aleatorias que toman los valores de gris extremos(blanco o negro). La imagen resultante de los procesos deecualización, normalización y filtrado de ruido se puedever en la Figura 5.

Figura 5. Imagen ecualizada, normalizada y filtrada.

En este caso la idea para el SVM es entrenar los da-tos para luego poder clasificar en donde se encuentranlos poros y los sólidos; convirtiendo así, la imagen a unsistema binarizado. La imagen binarizada tendrá sus va-lores de píxeles en 1s y 0s, donde los 0s representan laporosidad y los 1s representan la fase sólida.

El objetivo de la aplicación es proveer, a la comu-nidad que estudia materiales para electrodos de celdasde combustible, una herramienta que permita de manerasemi-automática su caracterización a partir de sus imá-genes SEM. La interfaz gráfica nos permite, con facilidad,seleccionar y marcar regiones como un poro o un sólidoy utilizar la información en el entrenamiento.

Las SVM requieren datos para su entrenamiento yaque se trata de un método de aprendizaje supervisado,los valores que se utilizaran para poder entrenar y lue-go clasificar son: la dirección y magnitud del gradiente ylos valores de gris de regiones seleccionadas manualmen-te como poros y sólidos. Los valores a entrenar, una vezseleccionadas las regiones, se guardan en arreglos uni-dimensionales para simplificar el proceso. Con los tresdatos elegidos, se entrena la SVM sobre la imagen yaecualizada y normalizada, es decir, calcula el hiperplano

separador. Posteriormente, se procesa toda la imagen pa-ra obtener una imagen binarizada que clasifica en porosy sólidos.

El proceso principal es seleccionar cierto número deregiones sólidas y porosas, de ellas se extrae automáti-camente los valores de gris y sus gradientes. Los valoresmencionados son arreglados y asociados de tal forma quelas regiones sólidas estén en conjunto con un arreglo devalores 1 y las regiones porosas estén en conjunto con unarreglo de valores 0. Estos arreglos son los que se proce-san y se entrenan para luego poder clasificar los valoresde la imagen. La SVM, aprende a partir de las regionesseleccionadas y aplica lo aprendido al resto de la imagende forma estadística. Un ejemplo de las regiones seleccio-nadas se presenta en la Figura 6, en ella las regiones enrojo representan poros y las azules sólidos.

Figura 6. Regiones seleccionadas para el entrenamiento de

la SVM.

En general, no son de interés los píxeles que se en-cuentren aislados, es decir, un poro de un solo píxel ro-deado completamente por sólido, o viceversa, por lo quese aplican operaciones morfológicas. La morfología se ba-sa en operaciones de teoría de conjuntos. Esto significaque simplifica las imágenes y conserva sus principalescaracterísticas como en este caso son la extracción defronteras y el rellenado de regiones. Las fronteras sonimportantes porque ayudan a identificar con más facili-dad la frontera de algún poro o sólido y a la vez identificapíxeles que con el entrenamiento fue impreciso y lo relle-na a su valor que debe ser. Un píxel se fija a los píxelesvecinos y en las fronteras de los estados para identifi-car si en realidad es poro o sólido. La imagen binarizadaresultante se presenta en la Figura 7.

Para determinar la precisión de nuestra propuesta seseleccionaron cuatro regiones de 100 píxeles cada una,



dando un total de 400 píxeles. Se solicitó a un experto enelectrodos de celdas de combustible que usando la imagenoriginal determinara para cada píxel si éste correspondea un sólido o a un poro. Posteriormente, se les comparócon la imagen binaria resultante de la SVM. Consideran-do las coincidencias de sólido como verdaderos positivosy las coincidencias de poro como verdaderos negativos,se contó el total de cada uno de ellos. La precisión secalcula como (verdaderos positivos + verdaderos nega-tivos)/ total de muestras. En promedio se obtuvo unaprecisión del 96 %, siendo este un valor aceptable para lacomunidad especializada en celdas de combustible, porlo que se considera que se tiene una buena precisión.

Figura 7. Imagen binarizada.

Con una imagen binarizada, se procede al siguientepaso que es su caracterización. Se aplica un código quecalcule líneas y otra que calcule círculos. El objetivo deestos programas es calcular la cantidad de líneas cuyosextremos sean sólidos, esto para todas las longitudesposibles de línea; calcular las líneas formadas completa-mente por sólidos y por último, círculos dentro de lasregiones sólidas. La información obtenida de las líneas ycírculos nos ayudará a estudiar el comportamiento de loselectrodos de celdas de combustible a más detalle. Losresultados de la caracterización deben ayudar estadísti-camente al futuro estudio de electrodos y su potencialuso para conversión de energía. A la vez, estos resulta-dos determinan los coeficientes de correlación existente.Estos coeficientes determinados serán de gran utilidadpara el estudio de los efectos de las técnicas de manu-factura de diferentes microestructuras porosas, como semenciona en [2].

ConclusionesSe puede apreciar la utilidad de una técnica de apren-

dizaje automático, las SVM, las cuales ayudan a clasifi-car los píxeles dentro de imágenes de tipo SEM. Estatécnica nos ayuda a determinar la efectividad electróni-

ca e iónica conductiva de la capa catalítica dentro deceldas de combustible de hidrógeno. Sirve como antece-dente, en un paso crucial para determinar la efectividadde transporte de energía dentro de la estructura del elec-trodo con la información estadística. Se aplican variosmétodos, como ecualización, normalización, morfología,entrenamiento y aprendizaje automático y caracteriza-ción. Con un preprocesamiento es posible seleccionar lasregiones que servirán para el entrenamiento de la SVM,ésta se entrena para aprender a clasificar la informaciónde la imagen actual. A partir de los píxeles clasificados,se puede estudiar más a detalle las PEMFC, apoyando aque en un futuro cercano puedan ser la fuente de ener-gía que aporte un porcentaje importante del consumoglobal, principalmente en sistemas portátiles.

Actualmente, la caracterización se realiza usando unsolo factor de magnificación (acercamiento o zoom) delSEM. Como trabajo futuro, para una misma muestra, sedebe procesar imágenes de diferentes factores de magni-ficación y que todos ellos sean caracterizados automáti-camente.✵

Agradecimientos. Los autores agradecen a SEP-CONACYT bajo el proyecto CB-2013/221988 y al pro-grama de Redes Temáticas (RTH2) bajo el proyecto252003.

REFERENCIAS

1. Barbosa R., Andaverde J., et al. (2011) “Stochastic reconstruc-tion and a scaling method to determine effective transport coef-ficients of a proton exchange membrane fuel cell catalyst layer”.Journal of Power Sources. Vol. 196, No. 3, pp. 1248–1257.

2. Barbosa R., Escobar B., Cano U., et al. (2011). “Stochastic Re-construction at Two Scales and Experimental Validation to De-termine the Effective Electrical Resistivity of a PEMFC Ca-talyst Layer”. ECS Transactions. Vol. 41 No. 1, pp. 2061–2071.

3. Das P.K., Li X. y LiuJianjun Z.-S. (2010). “Effective transportcoefficients in PEM fuel cell catalyst and gas diffusion layers:Beyond Bruggeman approximation”. Applied Energy. Vol 87,pp. 2785–2796.

4. Erdinc O. y Uzunoglu M. (2010). “Recent trends in PEM fuelcell-powered hybrid systems: Investigation of application areas,design architectures and energy management approaches”. Re-newable and Sustainable Energy Reviews. Vol. 14, No. 9, pp.2874–2884.

5. Gonzalez R y Woods R.(2008). “Digital image processing”. 3a.edición. Pearson/Prentice Hall. ISBN 978-0-13-168728-8.

6. Guarino V., Guaccio A., et al. (2010). “Image processing andfractal box counting: user-assisted method for multi-scale po-rous scaffold characterization”. Journal of Materials Science:Materials in Medicine. Vol. 21, No. 12. pp. 3109–3118.

7. Jianjun L., Lijun L. y Youjun J. (2011). “Using Rock SEM Imageto Create Pore-scale Finite Element Calculation Mesh”. PhysicsProcedia. Vol. 22, pp. 227–232.

8. Mathworks (2015). “MATLAB”. Recuperado el 18 de octubre de2015 de http://www.mathworks.com/products/matlab/

9. Wang L. (2005) “Support vector machines: theory and applica-tions”. Springer. ISBN 978-3-540-24388-5.


http://www.mathworks.com/products/matlab/


SOBRE LOS AUTORES

Jaime Ortegón Aguilar Doctor en Ciencias por el Centro de Investigación y de Estudios Avanzados delI.P.N. (2007) con la especialidad en Ingeniería Eléctrica, Maestro en Ciencias por el mismo centro (2002) enla especialidad en Ciencias de la Computación, Licenciado en Ciencias de la Computación por la Facultadde Matemáticas de la Universidad Autónoma de Yucatán, México(2000). Actualmente es profesor de laUniversidad de Quintana Roo. Sus áreas de interés son: tratamiento digital de señales, visión por computadoray cómputo de alto desempeño.

José Torres Pozos es egresado de la Ingeniería en redes , Universidad de Quintana Roo (2015).Diploma deAsociado en Ciencias Computacionales con Física, Corozal Junior College, Belice (2011).

Romeli Barbosa Pool es Doctor en Ingeniería por el Centro de Investigación en Energía (2012), Maestroen Ingeniería por el mismo centro (2007) e Ingeniero en Sistemas de Energía por la Universidad de QuintanaRoo (2005). Actualmente es profesor de la Universidad de Quintana Roo. Sus áreas de interés son: diseñode electrodos de celdas de combustible y desarrollo de dispositivos para la generación de energía con altadensidad de potencia.

Javier Vázquez Castillo es Doctor en Ciencias con la especialidad en telecomunicaciones por el Centro deInvestigación y de Estudios Avanzados del I.P.N. (2014), Maestro en Ciencias por el mismo centro (2002),Ingeniero en Electrónica con especialidad en sistemas digitales por el Instituto Tecnológico de Mérida, México(2000). Actualmente es profesor de la Universidad de Quintana Roo. Sus áreas de interés son: diseño enmicroelectrónica digital, tratamiento digital de señales y diseño de dispositivos para telecomunicaciones.



ARTÍCULO ACEPTADO

Visión Artificial y Sensores Vestiblespara Controlar DronesFrancisco Márquez Aquino y José Martínez Carranza

Los Drones en la ActualidadLa palabra dron se ha popularizado con los últimos

años. No obstante, otra manera de llamar a un drones UAV, acrónimo cuyo significado es Unmanned AerialVehicle. Su equivalente en español es VANT, acrónimoque significa Vehículo Aéreo No Tripulado, definición quea su vez refleja lo que hoy en día es un dron, es decir:un vehículo aéreo que vuela sin tripulantes a bordo de laaeronave.

Los drones surgen de la necesidad de volar vehículossin un operador a bordo. Sus aplicaciones son variadas,pero sin duda resaltan aquellas que representan situa-ciones de peligro para un operador, tales como las deexplorar zonas peligrosas, terrenos inhóspitos o lugaresen donde una persona no puede acceder, por ejemplo, eninstalaciones donde exista una fuga de radiación.

Figura 1. Plataforma Bebop de la empresa Parrot.

La inquietud de crear vehículos voladores no tripula-dos ha desembocado en un sin fin de modelos que puedenclasificarse principalmente en dos grandes familias, los detipo avión y los de tipo helicóptero, cada uno con ven-tajas y desventajas. Los vehículos de tipo avión o de alafija pueden planear, lo que permite un ahorro de energíapero no pueden mantener una posición fija. Los vehículosde tipo helicóptero suelen gastar más energía pero tienela capacidad de mantenerse en una posición fija. Sin im-portar de que tipo sea un dron, estos pueden controlarsede dos formas: a distancia por un piloto o bien, medianteel vuelo autónomo progamado con ayuda del GPS1.

Las aplicaciones de los drones son abundantes y diver-sas, entre ellas destacan tareas de reconocimiento, espio-

naje, exploración de terrenos, búsqueda para rescate, car-tografía, reconstrucción de terrenos, inspección de áreasnaturales, agricultura de precisión, planificación urbana,vigilancia y patrullaje, cine y fotografía. Esta rica di-versidad de tareas ha logrado que los drones sean unatecnología accesible al público e incluso con propósitosde diversión.

En este trabajo se ha decidido utilizar una plata-forma de nombre Bebop de la empresa parrot, un dronde tipo cuadricóptero de tamaño reducido y costo eco-nómico, este vehículo permite desarrollar programas decomputadora capaces de tomar el control del vehículo,mediante la manipulación de los motores de las hélices.Lo anterior es posible gracias al SDK2 puesto al públicopor la propia empresa. De este modo, controlar y pro-gramar la plataforma resulta una tarea factible.

Los Drones y la Tecnología VestibleEl incremento en el uso de los drones por parte de

usuarios no expertos nos motivo a investigar la posibili-dad de utilizar tecnología vestible que pudiera remplazarel uso de los controles convencionales. Esto está motiva-do por el hecho de que los controles tradicionales, esti-lo control de videojuego, pueden resultar confusos paraaquellos que nunca han volado drones. De este modo, nosplanteamos el desarrollar una interfaz amigable que pro-porcionara un control más natural y de hecho, hablandode videojuegos, la manera como hoy en día se interactúacon muchos videojuegos es a través del control de gestos,gracias al uso de la cámara Kinect de Microsoft. Debidoa que sensores como el Kinect no funcionan en exteriores(ya que la luz del sol interfiere con el sensor infrarro-jo del Kinect) e inspirados por la traducción de gestosdel usuario en comandos de control, diseñamos un parde guantes capaces de identificar los gestos del usuariocon el objetivo de enviar comandos de control para volarvehículos aéreos.

Los guantes están equipados con sensores inerciales(IMU’s3) y magnéticos además de dispositivos bluetoothpara establecer comunicación con una computadora. Lossensores inerciales utilizados son acelerómetros los cua-les miden aceleraciones lineales y giróscopos los cualesmiden velocidades angulares, es decir, la velocidad con

1Por sus siglas en inglés: Global System Positioning (Sistema de Posicionamiento Global).2Software Development Kit, del inglés Kit de Software para Desarrolladores3Inertial Measurement Unit, del inglés Unidades de Medida Inercial



la que se hace un giro. Ambos sensores son triaxiales, loque permite medir estos fenómenos en las tres dimensio-nes, el sensor magnético, también llamado magnetómetroy de tres ejes, se encarga de medir campos magnéticoscomo el campo magnético de la tierra. Estos sensores ysus respectivas mediciones se combinan bajo ciertos cri-terios (basados en algoritmos y filtros computacionales)lo que arroja una estimación de la orientación en tres di-

mensiones del cuerpo que los sostiene, en este caso, cadauno de los guantes. A este tipo de sistemas se les co-noce como AHRS4 y a diferencia de otros sistemas, nonecesitan agentes externos como cámaras tipo Kinect, locual proporciona libertad de movimiento y la posibilidadde usarlo en cualquier lugar [1], estas dos característicasprincipalmente hacen que un sistema pueda llamarse ves-tible.

Aún cuando la palabra dron es bastante moderna, los drones tienen

alrededor de 100 años de existir.

Figura 2. Guantes para el control de drones (superior).

Guante colocado en la mano (inferior).

Los guantes están equipados con un sistema de esti-mación de la orientación, se puede conocer la orientaciónde nuestra mano y permite medir gestos de la muñe-ca para determinar instrucciones que puedan comandarel vehículo aéreo. El sistema establece ocho posiciones(cuatro para cada guante) los movimientos son los mis-mos para cada mano, cada mano se encarga de enviarinstrucciones distintas. El tipo de vehículo utilizado enesta aplicación es un dron de tipo cuadricóptero. La ae-rodinámica y control de estos vehículos los convierte en

omnidireccionales, según sea la inclinación del vehícu-lo (la cual depende de qué par de hélices se mueve conmás fuerza) este se moverá de distintas formas. La rota-ción en el eje X (Roll o alabeo) provoca desplazamientosizquierda-derecha, la rotación en el eje Y provoca despla-zamientos adelante-atrás, ambos desplazamientos estáncontrolados por la mano derecha. El control de la alturaarriba-abajo y los giros en sitio izquierda-derecha o ro-taciones en el eje Z (Yaw o curso) están controlados porla mano izquierda. En la Figura 3 se resumen las posi-ciones de las manos con referencia a los movimientos delvehículo aéreo.

Figura 3. Tabla de movimientos correspondientes a las dis-

tintas posturas de cada mano. La posición inicial de cada

mano es paralela al piso con la palma hacia abajo esto man-

tendrá al vehículo sin movimiento.

Visión Artificial en los DronesLa visión artificial es una herramienta computacional

que se ha encargado de estudiar, analizar y caracterizarimágenes, este análisis de imágenes puede hacerse justodespués de ser captadas por la lente de una cámara lo quepermite desarrollar diversas aplicaciones. Tal es el caso

4Attitude and Heading Reference System del inglés Sistemas de Referencia de Actitud y Rumbo



de las cámaras digitales que toman la foto justo despuésde que alguien en la toma sonríe, o las redes sociales quelogran sugerir etiquetas en una foto de forma inteligen-te, sin embargo el análisis de imágenes tiene aplicacionesmás elaboradas como la video-vigilancia, la navegación,la detección de bacterias o tumores, entre muchas más.

Una aplicación importante de los sistemas de visiónes poder inferir la profundidad en una imagen con dos cá-maras tal y como sucede con la visión humana [2],[3], sinembargo, es posible obtener resultados positivos con unasola cámara suponiendo que la cámara nunca está deltodo estática y que ese diminuto movimiento en fraccio-nes de segundo puede utilizarse a favor, como si existie-ra más de una cámara,[4],[5],[6],[7],[8]. Diversos trabajoshan abundado en inferir profundidad a través de visión

dando lugar a un área de investigación conocida comolocalización y mapeo simultaneo visual o SLAM por sussiglas en inglés [9]. El SLAM es uno de los problemas clá-sicos en el área de la robótica, pues soluciona el problemade la navegación en los robots móviles de una forma ro-busta y versátil, el SLAM puede generar mapas de casicualquier entorno (según sea el sensor utilizado) y logralocalizar al robot dentro de ese mapa, lo que le permi-te desplazarse con precisión y dar información valiosa alos usuarios y nuevamente con la ventaja de que sólo serequiere procesar la información visual de una cámara,ya sea sujetada por el usuario o a bordo del robot, paraobtener su posición y una representación del entorno, sinrequerir algún tipo de sistema de posicionamiento globalcomo el GPS.

El uso de gestos con la mano o ademanes, en vez de un control, podría ser

un modo más intuitivo y sencillo para pilotar un dron, tal como se ha

logrado en los videojuegos.

En este trabajo se ha utilizado visual SLAM debido aque la plataforma utilizada (y la mayoría de los drones)tiene una cámara a bordo. Por lo tanto, utilizando la me-todología del visual SLAM, se puede construir un mapabasado en la toma de imágenes de un lugar con las cualesse puede inferir profundidad y saber cuando el robot yaha estado en ese lugar [9],[10]. Otra razón por la que sedecidió utilizar visual SLAM fue para evitar el uso deGPS5 el cual no está presente en todas las plataformasde drones y tiene algunas desventajas claras cuando seusa en lugares cerrados como bodegas o cuevas, en loscañones urbanos o alrededor de algunos edificios, don-de el GPS no logra enlazar a suficientes satélites y lalocalización falla por completo [2],[11].

Después de experimentar con distintos métodos devisual SLAM (con código disponible al público a travésde Internet) se decidió utilizar el sistema que, en nuestraexperiencia, ofreció el mejor desempeño. Este sistema lle-va por nombre ORB-SLAM, y fue diseñado por un grupode investigadores de la Universidad de Zaragoza, en Es-paña [12],[13] este sistema de visual SLAM utiliza en suprocesamiento de imágenes un método bien conocido dedescriptores binarios llamado ORB [14]. El ORB-SLAMademás de su rápida ejecución presenta algunos puntosa favor como el hecho de que se puedan tener mapas glo-bales o locales y un algoritmo de cierre de bucle parareconstruir un mapa [13]. En la Figura 4 se muestra unaimagen del sistema ORB-SLAM en vista superior, ob-tenida mediante el procesamiento en tiempo real de lasimágenes capturadas por la cámara del dron Bebop.

Figura 4. Vista superior del mapa obtenido por medio del

sistema de visual SLAM conocido como ORB-SLAM, el cual

procesa en tiempo real las imágenes obtenidas con la cámara

a bordo del dron Bebop. El mapa mostrado corresponde al

pasillo interno que rodea un edificio en donde los puntos ne-

gros definen de forma general la estructura y la línea verde

el trayecto del dron.

Resultados ExperimentalesEn este trabajo se logró generar mapas de cualquier

terreno y diseñar un control más intuitivo con tecnologíavestible, posteriormente se decidió unir ambos sistemas,esto es: el de controlar el dron con los guantes y a su vez,

5Global Positioning System, del inglés Sistema de Posicionamiento Global.



contar con un sistema de localización del dron que nodependiera de la señal GPS o algún otro tipo de sistemade posicionamiento externo.

Uno de los problemas a resolver con este trabajo esque el pilotar un dron resulta para algunos una tarea po-co intuitiva, sobre todo para la gente que no está familia-rizada con los controles de los videojuegos; aún cuando sepuede conducir con un control común se tiene que cargarel control a cualquier lado que se vaya, pero si el controlestá en nuestras propias manos no se tendrá problemasde pilotarlo en el momento que se desee.

Otro problema a atacar fue el que por norma general

no se puede pilotar un dron cuando este sobrepasa la lí-nea de vista del piloto. Esta norma tiene su fundamentoen que si el dron está demasiado lejos existe el riesgo deperder visualización de obstáculos o riesgos que puedenaparecer en el trayecto del dron, por ejemplo, cables, ra-mas de árboles, aves o incluso otros drones. Por ello, si secuenta con un mapa donde se pueda distinguir fácilmentelos muros, pilares, estantes y en general lugares ocupa-dos por objetos que no permitan el paso de un vehículo,entonces es posible pilotar remotamente aún fuera de lalinea de vista.

Este trabajo describe el uso de dos tecnologías, que combinadas, ofrecen

una nueva alternativa para el pilotaje de drones.

De este modo, se realizaron diversos experimentos pa-ra evaluar el funcionamiento de la unión de estás tecno-logías. Todos los experimentos se realizaron de la mismaforma: se ejecuta el sistema de visual SLAM y de formamanual, es decir sin volar, se desplaza el dron con unaorientación específica sobre una trayectoria definida. Pos-teriormente se realiza una etapa de repetición tratandode imitar la trayectoria y orientación previamente reali-zada. En esta etapa de repetición el control del vehículose realiza con ademanes interpretados por los guantes yobstruyendo la vista del piloto forzándolo a que sólo veala posición del dron a través de la salida gráfica generadapor el sistema de visual SLAM, ver las Figuras 5a y 5b.

Figura 5a. Captura de pantalla del mapa del experimento

1 creado con el sistema ORB-SLAM.

Figura 5b. Comparación entre la trayectoria ideal y la tra-

yectoria de repetición con los guantes del experimento 2, en

donde la línea azul representa la trayectoria ideal, los puntos

verdes consecutivos representan la trayectoria de repetición,

las flechas azules representan la orientación del dron y la

flecha roja representa la orientación del piloto.

En este documento sólo se muestran imágenes y re-sultados de dos experimentos, en las Figuras 5a y 6a semuestran las trayectorias manuales y los mapas creadospor el sistema ORB-SLAM de dos experimentos, y enlas Figuras 5b y 6b se muestran las comparaciones delos mismos experimentos entre las trayectorias ideales ylas trayectorias obtenidas cuando el vehículo es pilota-do usando los guantes, la diferencia importante en es-tos dos experimentos es que en el primero (Figuras 5ay 5b) el vehículo se mantiene en la misma orientacióny en el segundo (Figuras. 6a y 6b) el vehículo cambia



de orientación realizando giros en sitio que favorecen sudesplazamiento. Es importante mencionar que el siste-ma de visual SLAM utilizado, es decir ORB-SLAM, notiene una escala métrica debido a que el procesamientose realiza con una sola cámara, por lo tanto el sistemaasigna una escala arbitraria, no obstante, esto no impidedesplegar el mapa y la trayectoria recorrida, puesto queel movimiento del dron será proporcional en términos dela escala asignada.

Figura 6a. Captura de pantalla del mapa del experimento

2 creado con el sistema ORB-SLAM.

Figura 6b. Comparación entre la trayectoria ideal y la tra-

yectoria de repetición con los guantes del experimento 2, en

donde la línea azul representa la trayectoria ideal, los puntos

verdes consecutivos representan la trayectoria de repetición,

las flechas azules representan la orientación del dron y la

flecha roja representa la orientación del piloto.

En la tabla contenida en la Figura 7 se indica el pro-medio del error de la trayectoria hecha con los guantescomparada con la trayectoria ideal para cada experimen-to, el error es mostrado en porcentaje, es relevante men-cionar que el error de ambos experimentos no sobrepasael 2 %, lo cual indica que el usuario puede conducir elvehículo de forma aceptable sin necesidad de verlo y uti-lizando los guantes para conducirlo.

Figura 7. Tabla de resultados.

ConclusionesEn este trabajo se han descrito los resultados obte-

nidos al evaluar la combinación de dos tecnologías: (1)la localización y el mapeo simultáneo visual, al que noshemos referido como visual SLAM, y que ha sido utili-zado para localizar a un dron durante su vuelo; (2) lastecnologías vestibles que en este trabajo fungen como unpar de guantes equipados con sensores inerciales, cuyaslecturas son procesadas por un programa computacionaldesarrollado por nosotros, con el objetivo de interpretargestos o ademanes, que son traducidos a comandos decontrol para pilotar el dron.

La combinación de estas tecnologías nos permite me-jorar la capacidad de un usuario no experto para poderpilotar un vehículo fuera de su línea de vista. Durantelos experimentos el usuario permanecía viendo la pan-talla del computador, donde se muestra el mapa y laposición del vehículo, mientras se controlaba a el vehícu-lo con ademanes provenientes de sus manos los cualespueden ser más intuitivos y naturales que los métodosclásicos utilizando controles o dispositivos móviles. Entodos los resultados se reportó un error del 2 % entre latrayectoria ideal y la trayectoria realizada por el usuariocon el sistema completo.✵

Agradecimientos. Este trabajo es parte de la investiga-ción realizada en el proyecto Robust Autonomous Flightof unmanned Aerial vehicles in Gps-denied outdoor Areas(RAFAGA), financiado por el Fondo Newton, de la RealSociedad en el Reino Unido, con número de referenciaNA140454, y que permite realizar investigación en robó-tica aérea, así como establecer colaboración entre Mé-xico y el Reino Unido. Para mayores detalles consultar:https://ccc.inaoep.mx/~carranza/RAFAGA.html


https://ccc.inaoep.mx/~carranza/RAFAGA.html


REFERENCIAS

1. Martinez-Carranza J., Marquez F., García Rodriguez E.O.,Muñoz-Meléndez A. y Mayol-Cuevas W. (2015) “On CombiningWearable Sensors and Visual SLAM for Remote Controlling ofLow-cost Micro Aerial Vehicles”. En IEEE 3rd Workshop onResearch, Education and Development of Unmanned AerialSystems, RED-UAS, Cancún, México.

2. Achtelik M., Bachrach A., He R., Prentice S. y Roy N. (2009)“Stereo vision and laser odometry for autonomous helicopters inGPS-denied indoor environments”. SPIE Defense, Secu- rity,and Sensing.

3. Martinez-Carranza J., Calway A. y Mayol-Cuevas W. (2013)“Enhancing 6d visual relocalisation with depth cameras”. EnInternational Conference on Intelligent Robots and Systems,pp. 899-906.

4. Eade E. y Drummond T. (2006) “Scalable monocular slam”.En Conference on Computer Vision and Pattern Recognition,Vol. 1, pp. 469-476.

5. Davison A.J., Reid I.D., Molton N.D. y Stasse O. (2007) “Mo-noSLAM: Real-time single camera SLAM”. IEEE Transactionson Pattern Analysis and Machine Intelligence, Vol. 29, No. 6,pp. 1052-67.

6. Engel J., Schöps T. y Cremers D. (2014) “LSD-SLAM: Large-scale direct monocular SLAM”. En European Conference onComputer Vision, pp. 834-849.

7. Forster C., Pizzoli M. y Scaramuzza D. (2014) “SVO: Fast semi-direct monocular visual odometry”. en International Conferen-ce on Robotics and Automation, pp. 15-22.

8. Strasdat H., Montiel J.M. y Davison A.J. (2010) “Real-time mo-nocular SLAM: Why filter?”. En International Conference onRobotics and Automation, pp. 2657-2664.

9. Huang A.S., Bachrach A., Henry P., Krainin M., Maturana D.,Fox D. y Roy N. (2011) “Visual odometry and mapping for auto-nomous flight using an RGB-D camera”. En International Sym-posium on Robotics Research, Vol. 2.

10. Kneip L., Chli M. y Siegwart R. (2011) “Robust real-time vi-sual odometry with a single camera and an imu”. En BritishMachine Vision Conference, pp. 1-11.

11. Klein G. y Murray D. (2007) “Parallel tracking and mapping forsmall AR workspaces”. En International Symposium on Mixedand Augmented Reality, pp. 225-234.

12. Mur-Artal R., Montiel J.M. y Tardós J.D. (2015) “Orb-slam: aversatile and accurate monocular slam system”. IEEE Transac-tions on Robotics, Vol. 31, No. 5, pp. 1147-63.

13. Mur-Artal R. y Tardós J.D. (2014) “Fast relocalisation and loopclosing in keyframe-based SLAM”. En International Conferen-ce on Robotics and Automation, pp. 846-853.

14. Rublee E., Rabaud V., Konolige K. y Bradski G. (2011) “ORB:An efficient alternative to SIFT or SURF”. En InternationalConference on Computer Vision, pp. 2564-2571.

SOBRE LOS AUTORES

Francisco Márquez-Aquino es ingeniero Biónico de la Universidad Popular Autónoma del Estado dePuebla, su trabajo de licenciatura se especializa en sensores inerciales y magnéticos utilizados en la mediciónde ángulos en el cuerpo humano y su movimiento. Durante 2015 trabajó en el proyecto RAFAGA, proyectodedicado al vuelo autónomo sin GPS en interiores, en el Instituto Nacional de Astrofísica, Óptica y Electrónica(INAOE). Sus intereses giran entorno al reconocimiento de patrones y análisis de movimiento.

José Martínez-Carranza es investigador en la Coordinación de Ciencias Computacionales del InstitutoNacional de Astrofísica, Óptica y Electrónica (INAOE), donde también es miembro del laboratorio de Ro-bótica e Investigador Principal en el proyecto RAFAGA. En 2004, obtuvo su Licenciatura en Ciencias de laComputación (Cum Laude) en la Benemérita Universidad Autónoma de Puebla y en 2007, la Maestría enCiencias Computacionales (Mejor Estudiante de la Generación) en el INAOE. En 2012 obtuvo el Doctoradoen Ciencias Computacionales en la Universidad de Bristol, en el Reino Unido, donde también trabajó comoasistente de investigación e investigador asociado de 2012 a 2014. En 2015 ganó la Newton Advanced Fe-llowship otorgada por la Royal Society en el Reino Unido. En 2016 fue distinguido como miembro numerarioasociado de la Federación Mexicana de Robótica.

Frases célebres

“El problema real no es si las máquinas piensan, sino si lo hacen los hombres”

-B. Frederic Skinner



IA & EducaciónYasmín Hernández, Julieta Noguez Monroy y Lucía Barró[email protected]

Robots en la educaciónLa tecnología es un elemento común en la vida diaria,

encontramos dispositivos electrónicos, robots y múltiplessistemas computacionales en la industria, en la casa y enla escuela, que ayudan a que las tareas se lleven a cabocon mayor eficiencia y en menos tiempo. La educación esuna de las áreas que más se ha beneficiado con el uso dela tecnología, ya que permite el desarrollo de herramien-tas interactivas y adaptivas que ayudan a mantener elinterés de los estudiantes en las actividades de aprendi-zaje. Actualmente podemos encontrar diversos modelosmixtos de aprendizaje en donde los estudiantes aprendencon un profesor en el salón de clases y se apoyan en latecnología en formas muy diversas [1].

Los robots educativos, un ejemplo de la tecnolo-gía educativa, tienen un gran potencial para facilitar elaprendizaje y mejorar el rendimiento educativo de losestudiantes. Los robots ofrecen una forma de personifi-car y dar una cara a los sistemas educativos, así como laposibilidad de añadir interacción social en el contexto deaprendizaje y por lo tanto, constituyen un avance en elaprendizaje basado solamente en software [2].

Los robots educativos se han aplicado en la enseñan-za de diversas áreas del conocimiento, principalmente enciencias, tecnología, ingeniería y matemáticas; aunquetambién se han utilizado para enseñar lenguajes y arte.Robosem es un robot que ayuda a estudiantes de prima-ria a aprender inglés en dos modalidades: 1) a través detelepresencia de un tutor humano y 2) en modo autóno-mo con lecciones pregrabadas que se adaptan a través detécnicas de reconocimiento de voz y de seguimiento demovimiento [3]. Robosem, desarrollado por la empresaYujin Robot, es una torre móvil con brazos articulados yuna pantalla que muestra al maestro humano o la cara deun personaje animado. Estas características físicas per-miten integrar comunicación no verbal en la interacción.En la Figura 1 se muestran imágenes de Robosem.

Saya es otro robot educativo que enseña ciencias co-mo parte de un programa piloto en Japón. Este androideforma parte de un sistema educativo apoyado en robots[6]. Saya imparte las clases a través de la operación remo-ta e interactúa con los estudiantes con comportamientosprogramados y expresiones faciales además de movimien-tos de ojos y cabeza. El diseño de Saya busca parecerselo más posible a un humano tanto físicamente como enel comportamiento, por lo que tiene una gama de mo-vimientos programados tales como arquear las cejas alsonreír y es capaz de expresar las emociones básicas: sor-

presa, miedo, disgusto, ira, tristeza y alegría. Uno de losobjetivos de Saya es investigar el impacto de los robotsen la motivación y aprendizaje en niños de primaria. Enla Figura 2 se muestra a Saya en un salón de clases.

Figura 1. Izquierda: Robosem con la cara del personaje

animado y mostrado la cara del profesor humano a través

de videoconferencia [4]. Derecha: Robosem interactuando en

una escuela en Corea del Sur [5].

Figura 2. Izquierda: Saya. Derecha: Saya interactuando con

estudiantes en un salón de clases [7].

Si bien la presencia y los movimientos de un robothacen que se perciban como entidades autónomas e inde-pendientes, es importante distinguir entre las caracterís-ticas físicas de los robots y sus características cognitivas,como la percepción, el pensamiento y la acción intencio-nal, que incluyen el lenguaje y la memoria, cuyo estudioy desarrollo se encuentran en el ámbito de la inteligen-cia artificial [8]. Los algoritmos de inteligencia artificialproveen a los robots capacidades tales como la visióncomputacional, reconocimiento de voz y reconocimien-to de emociones, que a su vez permiten que los robotsreconozcan los estados y necesidades particulares de losestudiantes y de esta manera adaptar la enseñanza.

No obstante que la literatura y el cine de cienciaficción nos presentan robots con capacidades muy com-plejas y que en ciertas circunstancias podrían pasar por



un ser humano, y a pesar del enorme potencial de suuso en la educación, los robots aún tienen limitacionesimportantes y retos que enfrentar [2, 4]. Por lo pron-to podemos tomar ventaja de los avances actuales alcomplementar la educación tradicional con la tecnologíaeducativa, y así obtener experiencias de aprendizaje in-teresantes que atraigan a los estudiantes. ✵

REFERENCIAS

1. Christensen C., Horn M. y Staker H. (2013) “Is K-12 BlendedLearning Disruptive? An introduction to the theory of hybrids”.San Mateo, CA: Clayton Christensen Institute for DisruptiveInnovation.

2. Mubin O., Stevens C.J., Shahid S. Al Mahmud A. y Dong J.(2013) “A review of the applicability of robots in education”.Technology for Education and Learning, Vol. 1, pp. 1-7.

3. Han J. y Pea, R. (2013) “Will the Robot Breach the Social Net-work between Children and Teacher?” International Journal ofAdvancements in Computing Technology, Vol. 5, No. 11,

4. Han J. (2012) “Emerging technologies robot assisted languagelearning Language”, Learning & Technology, Vol. 16, No. 3,pp. 1–9.

5. Kim N., Han J. y Ju W. (2014) “Is a robot better than video forinitiating remote social connections among children?” Journalof Institute of Control, Robotics and Systems, Vol. 20, No. 5,pp. 513-519.

6. Hashimoto T., Kobayashi H., Polishuk A. y Verner I. (2013)“Elementary science lesson delivered by robot”. En Proc. of theACM Human Robot Interaction Conference, Tokyo, Japon.

7. Hashimoto T., Kato N. y Kobayashi H. (2011) “Development ofEducational System with the Android Robot SAYA and Eva-luation”. International journal of advanced robotic systems. 8.Pineda, L. A. (2011) “El proyecto Golem”, Ciencia y Desarrollo,abril 2011.

¡Publique en Komputer Sapiens!



Deskubriendo KonocimientoAlejandro Guerra Hernández y Leonardo [email protected]

Autonomous Robots From Biological Inspiration toImplementation and Control

crítica de Roberto Cruz EstradaCentro de Investigación en Inteligencia Artificial

Universidad Veracruzana

Portada del libro.

Pocas veces los seres vivos, des-de los más simples como los unicelu-lares hasta los más complejos comolos propios seres humanos, que hanlogrado sobrevivir y adaptarse a di-ferentes ambientes desde hace milesy hasta millones de años, sirven demodelo a un campo de trabajo co-mo el de la robótica bio-inspirada,con gran auge desde hace ya variosaños. De este interesante tema tra-ta el libro que en esta ocasión nosocupa, cuyo título podría traducir-se como Robots Autónomos desdela Inspiración Biológica a la Imple-mentación y Control, obra del re-conocido roboticista y profesor deingeniería biomédica de la Univer-sidad del Sur de California GeorgeA. Bekey y editado por MIT Press.

El libro consta de 577 páginas y es-tá estructurado en 15 capítulos, queaunque no tienen un agrupamientoformal, considero que se puede con-juntar en tres partes principales.

La primera parte del libro, loscapítulos 1 al 6, presenta conceptosintroductorios y da respuesta a pre-guntas como ¿Qué es autonomía? y¿Qué es un robot? Se abordan losproblemas de controlar un robot au-tónomo, lo cual implica que no ha-ya control humano explícito dadoque una máquina de este tipo cuen-ta con cierto grado de inteligencia,es capaz de tomar decisiones, pre-sentar conductas adaptativas y rea-lizar tareas en un ambiente determi-nado. Se introduce la arquitecturade control de robots biológicamen-te inspirada, básicamente un Siste-ma Nervioso Central con diferen-tes grados de complejidad. Se hacemención de elementos estructuralesesenciales de los robots como el pro-pio cuerpo del robot, sus grados delibertad, su dinámica, los sensores,que son dispositivos mediante loscuales el robot obtendrá informa-ción de su entorno, así como los ac-tuadores, que son elementos que lepermitirán actuar físicamente, des-plazarse en un ambiente y realizaracciones. En esta parte también seintroducen arquitecturas de progra-mación y técnicas de aprendizaje.Es importante mencionar que des-de el inicio del libro son presentados

ejemplos de robots, primeramentehaciendo un breve recuento histó-rico de robots industriales, robotsmóviles con ruedas, robots móvilescon patas y luego, de acuerdo conlos temas tratados, se exponen ca-sos de robots bio-inspirados más es-pecíficos, en los que se enfatizan losprocesos de abstracción de los co-nocimientos biológicos y luego en-tonces su concreción tecnológica endispositivos artificiales.

La segunda parte, incluye los ca-pítulos 7 al 11 en los que se abor-da la locomoción, o movimiento delos robots, así como la manipula-ción de objetos. Como el texto men-ciona: “Desde los organismos unice-lulares como las amibas hasta losvertebrados complejos, estos seresvivos tienen la habilidad de mover-se en diferentes formas”, así mismolos robots; por lo tanto en esta par-te se hace una revisión de diferen-tes técnicas de locomoción, a ba-se de ruedas, con mecanismos “todoterreno”, con tracción tipo “oruga”;robots saltarines; robots con des-plazamiento que imita a las serpien-tes; robots acuáticos con propelas oimitando el movimiento de los pe-ces; robots escaladores que imitana los geckos; robots voladores tipoaeroplano, helicóptero o imitando alas aves; etc. Un capítulo aparte esdedicado a la locomoción bípeda ysu dinámica de movimiento, inspi-rada en la manera de caminar de



los humanos, en donde como ejem-plo sobresaliente aparece el robotASIMO, desarrollado por la compa-ñía Honda; en este capítulo se men-cionan también ejemplos de próte-sis de piernas con fines biomédicos.En otro capítulo se estudia la lo-comoción de animales y robots concuatro, seis y ocho patas. Este tipode robots tienen la ventaja de sermuy estables en su desplazamientoy pueden transitar en terrenos irre-gulares; como ejemplo se presentaa Phony pony, un robot cuadrúpe-do desarrollado en la Universidaddel Sur de California, en el cual elpropio doctor Bekey tuvo participa-ción en su desarrollo y construcciónallá por 1960. Dos capítulos son de-dicados a la manipulación de obje-tos, tomando como modelo el brazohumano; primeramente se analizanlos movimientos del brazo, su rea-lización en brazos robóticos consi-derando sus modelos cinemático ydinámico, para luego abordar la de-licada empresa de las manos robóti-cas tomando como modelo la manohumana para la sujeción y mane-jo de objetos. Como en el caso delas piernas, aquí también se presen-ta una sección de prótesis de brazosy manos para personas que requie-ren de estos miembros.

La parte final del libro la confor-man los capítulos 12 al 15, en ella seenfatizan las aplicaciones de los ro-bots comenzando por el estudio dela socio-biología y su aplicación ensistemas cooperativos multi-robots.Un capítulo especial es dedicado alos robots humanoides, dotados de

una apariencia que resulte familiara los humanos, ya que muchos deestos robots son destinados al ser-vicio e interactúan cada vez máscon nosotros. Algunos de los robotspresentados más conocidos son elya mencionado ASIMO, Kismet yCOG del Laboratorio de Inteligen-cia Artificial del MIT y HERMESdel Laboratorio de Robots Inteli-gentes de la Universidad de Mu-nich. Otro capítulo es destinado ala difícil tarea de la orientación ysituacionalidad de los robots en am-bientes no estructurados; se estu-dian entonces la navegación, loca-lización y mapeo de los ambientesen los que los robots se desenvuel-ven, particularmente la navegaciónbio-inspirada de aves, insectos y porsupuesto, de los seres humanos. Elcapítulo final es dedicado a las pre-dicciones acerca del futuro de los ro-bots autónomos, primeramente deacuerdo a sus aplicaciones, desdeentretenimiento, uso doméstico, in-dustrial, médico y militar; luego lossistemas multirobots que, por ejem-plo, podrían desenvolverse como co-lonias en ambientes hostiles, comoen el fondo submarino o incluso enmisiones espaciales a la luna o aMarte. También se hace un análi-sis de la importancia del desarrollodel poder de cómputo, lo cual in-crementa las capacidades de los ro-bots y su potencial de inteligenciaartificial. Y para tranquilizar con-ciencias, el libro aborda también te-mas que el cine y la ciencia ficciónse han encargado de “demonizar”,como la auto-organización, la auto-

evolución y la auto-construcción derobots y sus potenciales peligros pa-ra los seres humanos.

Recapitulando sobre el materialdel libro podemos darnos cuenta dela amplitud y diversidad de temasde estudio en el campo de traba-jo de los robots bio-inspirados. Esde agradecer el gran número de ca-sos de estudio o ejemplos presenta-dos (se indica que son más de 300),el énfasis en sus mecanismos bioló-gicos y la incorporación de dichosmecanismos en el desarrollo y cons-trucción de robots; con esto, la re-lación interdisciplinaria entre biolo-gía y robótica ha resultado fructífe-ra y ha generado beneficios mutuos,dado que el estudio de organismosha ayudado al desarrollo de nuevastecnologías y mejores robots, mien-tras que la construcción de robotscon mecanismos biológicos ha ayu-dado a un mejor entendimiento delos organismos.

Una de las pocas objeciones queen lo personal tendría del libro esque –como frecuentemente sucedecon los textos que abordan una dis-ciplina tan extensa– algunos de lostemas no son tratados con suficien-te profundidad, así que el lectorinsatisfecho tendría que recurrir afuentes de información más específi-cas; no obstante el libro cumple consu carácter introductorio y me pa-rece muy recomendable para todapersona interesada en el apasionan-te mundo de los robots autónomosbio-inspirados.

Frases célebres

“Una máquina puede hacer el trabajo de 50 hombres ordinarios. Pero no existeninguna máquina que pueda hacer el trabajo de un hombre extraordinario”

-Elbert Hubbard



Membresía a la SMIA

La cuota anual por membresía a la Sociedad Mexicana de Inteligencia Artificial es de $ 1,000.00 (un mil pesos00/100 M.N.) si es usted un académico o profesional vinculado con la computación. Si es usted estudiante de algunadisciplina afín a la computación y tiene manera de comprobarlo documentalmente entonces la cuota anual es de $500.00 (quinientos pesos 00/100 M.N.).La cuota de membresía debe pagarse mediante depósito bancario a la Sociedad Mexicana de Inteligencia ArtificialA.C. en la cuenta:

Banamex 0047040Sucursal 4152CLABE:002180415200470406

El comprobante de depósito puede ser digitalizado y enviado a [email protected]

q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Formulario de Suscripción a Komputer Sapiens

Datos del suscriptor (para envío de la revista)

Tipo de suscripción: © individual © institucionalNombre:

Nombre(s) Apellido paterno Apellido materno

Dirección:

Calle No. exterior No. interior Colonia

Código postal Ciudad Estado País

Correo electrónico Teléfono Fax

Datos para envío del recibo (completar si los datos no son los mismos del suscriptor)Nombre:

Nombre(s) Apellido paterno Apellido materno

Dirección:

Calle No. exterior No. interior Colonia

Código postal Ciudad Estado País

Correo electrónico Teléfono Fax

Costo de las suscripciones 2016Incluyen IVA y gastos de envío por correo terrestre

Individuales México: MX$ 270.00 EEUU: US$ 35.00Cuba: US$ 73.00Otros países: Favor de comunicarse.

Institucionales México: MX$ 570.00 Incluye 3 ejemplares de cada volumen, disponible sólo en México

Depositar el monto de la suscripción a la Sociedad Mexicana de Inteligencia Artificial A.C. en la cuenta:Banamex 0047040 Sucursal 4152 CLABE:002180415200470406

y enviar este formulario con copias del comprobante de pago y de la cédula de identificación fiscal para emisiónde factura, en caso de requerirse, a [email protected], o bien al fax +52 (55) 5864.56.51, atencióna Komputer Sapiens.


EVENTOS ACADEMICOS

COMIA 20168o Congreso Mexicano de Inteligencia Artificial 2016Del 23 al 28 de mayo, 2016, Tonantzintla, Puebla, Mexicohttp://www.comia.org.mx/2016/

COMIA 2016 es organizado por la Sociedad Mexicana de Inteligencia Artificial (SMIA) y se promueve comoun foro cientıfico para presentacion y publicacion de trabajos de investigacion derivados de tesis o proyectos,terminados o en proceso, en espanol. Los trabajos enviados deben someterse con contenidos sobre la investigacionsignificativa, original y no publicada anteriormente, en todas las areas de la inteligencia artificial, ya sea deinvestigacion o aplicaciones. Los artıculos aceptados para su presentacion oral seran publicados como numeroespecial de la revista Research in Computing Science.

AFI360o 2016International 360o summit on Applications for Future InternetDel 25 al 28 de mayo, 2016, Tonantzintla, Puebla, Mexicohttp://futureinternet360.org/2016/

AFI360o es un evento de gran alcance e inspirador que reune a la academia, la industria y el gobierno con elobjetivo de planear, aprender, colaborar y aprovechar mas eficazmente el inmenso potencial del Internet delFuturo. Esta cumbre proveera una oportunidad unica para fortalecer la colaboracion para el Internet del Futuroentre la Union Europea y America Latina, Mexico en particular, hacia proyectos conjuntos y la iniciativa FIWIRE.Las areas principales de este evento son: ciudades inteligentes, e-health, Internet de las cosas, e infraestructuraspara el Internet futuro (cloud, 5G, SDN, etc.).

ICORD 2016International Conference on Operational Research for Development 2016Del 9 al 10 de junio, 2016, Ciudad de Mexico, Mexicohttp://ifors.org/icord2016/

ICORD tiene el proposito de reunir investigadores de todo el mundo para presentar y discutir los modelos ymetodos para superar los problemas existentes en los paıses en desarrollo. ICORD 2016 se llevara a cabo en lasinstalaciones del Instituto Tecnologico Autonomo de Mexico (ITAM) en la Ciudad de Mexico. El tema principales “Construyendo caminos hacia sociedades avanzadas a partir de la investigacion en operaciones”. Previendo lassociedades avanzadas como grupos sociales organizados que persiguen altos estandares en la calidad de vida, lainvestigacion en operaciones juegan un rol importante en la toma de desiciones para el desarrollo de polıticas maseficientes en cuanto a sustentabilidad, salud, energıa, movilidad, educacion, etc.

MCPR 20168th Mexican Conference on Pattern Recognition 2016Del 22 al 25 de junio, 2016, Guanajuato, Mexicohttp://www.mcpr.org.mx

La MCPR 2016 se llevara a cabo en Guanajuato, Mexico, bajo la direccion de la Universidad de Guanajuatoy el Departamento de Ciencias Computacionales del Instituto Nacional de Astrofısica, Optica y Electronica(INAOE), con el objetivo de proporcionar un foro para el intercambio de resultados cientıficos, experiencias ynuevos conocimientos, ası como para promover la cooperacion entre grupos de investigacion en Reconocimientode Patrones y areas afines en Mexico y al rededor del mundo.

Indizada en el IRMDCT de CONACYT y en Latindex

¡Publique en Komputer Sapiens!

Komputer Sapiens solicita artıculos de divulgacion en todos los temas de Inteligen-cia Artificial, dirigidos a un amplio publico conformado por estudiantes, academicos,empresarios, tomadores de decisiones y consultores. Komputer Sapiens es patrocinadapor la SMIA, la Sociedad Mexicana de Inteligencia Artificial

www.smia.org.mx

Instrucciones para autores e informacion general: http://www.komputersapiens.orgSıguenos en las redes sociales: www.facebook.com/Komputer.Sapiens, twitter.com/KomputerSapiens

www.smia.org.mx

http://www.komputersapiens.org

www.facebook.com/Komputer.Sapiens

twitter.com/KomputerSapiens

c komputer sapiens, an˜o viii volumen i, enero-abril...

Documents