Club 185

4ª forros.
qxd:Maquetación 1 15/10/13 10:37 Página 1

Editorial
Editorial
Nº 185
Director de la Colección Club Saber

Electrónica
Del Editor al Lector
Ing. Horacio D. Vallejo
Hace 7 años publicamos el primer tomo de esta colección sobre electrónica
Jefe de Redacción BEAM y lógica difusa. En este tomo incuímos la primera práctica con MATLAB,
Luis Horacio Rodriguez preparándonos para un tomo específico sobre este entorno de trabajo.
He sido partícipe de una serie de eventos que me han hecho reflexionar sobre
Club Saber Electrónica es una publicación
el rumbo que está tomando la tecnología, y es por ello que nos propusimos la edi-
de Saber Internacional SA de CV de
México y Editorial Quark SRL de Argentina ción de una serie de textos que traten estas nuevas tecnologías pero con el con-
tenido científico y matemático limitado como para que resulten atractivos para
Editor Responsable en Argentina y todos los niveles.
México: Ing. Horacio D. Vallejo Los primeros capítulos explican qué es la inteligencia artificial, cómo se apoya
en la denominada “lógica difusa” y de qué forma se pueden realizar proyectos
Administración México: prácticos usando microcontroladores. El primer capítulo sienta las bases para el
Patricia Rivero Rivero
desarrollo de la lógica difusa que se expresa en los capítulos 2 a 4. El autor de
Comercio Exterior México:
estos capítulos es Sergio Raúl Richter y colaboradores y el mail de contacto es:
Margarita Rivero Rivero [email protected].
Los siguientes capítulos están destinados a la robótica BEAM, ya que es la
Director Club Saber Electrónica: rama de la robótica que mayor crecimiento a experimentado últimamente. Para su
Federico Vallejo edición se han tomado conceptos del muy conocido sitio en Internet: www.uco.es,
de los autores Antonio Luis Lora Silva y Edmundo Díaz González. También se han
Responsable de Atención al visitado otros portales que permiten enriquecer el texto. El capítulo 6, destinado a
Lector:
la construcción de robots con técnicas BEAM, fue escrito por Fernando Remiro
Alejandro A. Vallejo
Domínguez, un viejo conocido de nuestra querida Saber Electrónica. Por último,
Coordinador Internacional en el capítulo 7 comentamos los pormenores sobre la primera práctica con
Luis Alberto Castro Regalado MATLAB.
La selección del material y la coordinación del texto han estado a cargo de
Publicidad Horacio Daniel Vallejo, quien también posee cierta experiencia en el campo de la
Argentina: 4206-1742 robótica y las comunicaciones, sobre todo, en las modernas técnicas de diagnós-
México: 5839-5277 tico por imágenes, cuyo tema será objeto de un tomo próximo de la colección Club
Saber Electrónica.
Internet: www.webelectronica.com.ar
Web Manager: Pablo Ábalos ¡Hasta el mes próximo!
Club Saber Electrónica. Fecha de publicación: abril
2021. Publicación mensual editada y publicada por Edi-
torial Quark, Herrera 761 (1295) Capital Federal, Argen-
tina (005411-43018804), en conjunto con Saber Inter-
nacional SA de CV, Av. Moctezuma Nº 2, Col. Sta. Ague-
SobRE LoS 2 CDS y SU DESCARgA
da, Ecatepec de Morelos, México (005255-58395277), Ud. podrá descargar de nuestra web 2 CDs: “Todo Sobre
con Certificado de Licitud del título (en trámite). Distri-
bución en México: REI SA de CV. Distribución en Ar- Robótica” que posee un curso completo que comienza desde las
gentina: Capital: Carlos Cancellaro e Hijos SH, Guten- bases e incluye a los microcontroladores y “Proyectos de
berg 3258 - Cap. 4301-4942 - Interior: DISA – Distribu-
ción en Uruguay: Rodesol SA Ciudadela 1416 – Mon- Robótica y Minirobótica” con gran cantidad de circuitos para
tevideo, 901-1184 – La Editorial no se responsabiliza armar y sistemas para experimentar. Todos los CDs son productos
por el contenido de las notas firmadas. Todos los pro-
ductos o marcas que se mencionan son a los efectos de multimedia completos con un costo de mercado equivalente a 8
prestar un servicio al lector, y no entrañan responsabili- dólares americanos cada uno y Ud. los puede descargar GRATIS
dad de nuestra parte. Está prohibida la reproducción to-
tal o parcial del material contenido en esta revista, así con su número de serie por ser comprador de este libro. Para reali-
como la industrialización y/o comercialización de los zar la descarga deberá ingresar a nuestra web: www.webelectro-
aparatos o ideas que aparecen en los mencionados tex-
tos, bajo pena de sanciones legales, salvo mediante nica.com.mx, tendrá que hacer clic en el ícono password e ingre-
autorización por escrito de la Editorial. sar la clave “bEAM95”. Tenga este texto cerca suyo ya que se le
Revista Club Saber Electrónica, hará una pregunta aleatoria sobre el contenido para que pueda ini-
ISSN: 1668-6004 ciar la descarga.
Editorial 1
Robótica BEAM, Inteligencia Artificial y Lógica Difusa
Prácticas DE robótica bEam, intELigEncia artificiaL

y Lógica Difusa
sumario
CAPítULo 1 Las Señales Mioeléctricas . . . . . . . . . . . . . . . . . . . . . . . . .41
LA EvoLUCIóN DE LAS CoMPUtADoRAS: Práctica: Control de Brazo Robot
RobótICA E INtELIgENCIA ARtIfICIAL . . . . . . . . . . . .3 Mediante Señales EMG . . . . . . . . . . . . . . . . . . . . . .44
Inteligencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Introducción al Problema . . . . . . . . . . . . . . . . . . . . . . .44
¿Qué es la Inteligencia? . . . . . . . . . . . . . . . . . . . . . . . . . . . .4 Diseño del Sistema de Control Fuzzy . . . . . . . . . . . . .45
¿Cómo se mide la inteligencia? . . . . . . . . . . . . . . . . . . . . . .5 Implementación con PICAXE . . . . . . . . . . . . . . . . . . . .47
Inteligencia Artificial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .7 El Fuzzificador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .47
¿Superarán las Máquinas al Hombre? . . . . . . . . . . . . . . . . .8 Desfuzzificador . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
Spaun, una Simulación Cerebral Funcional . . . . . . . . . . . .11 Software . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48
Conclusión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .12 Hardware . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50
Funcionamiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .51
CAPítULo 2
RobótICA y LógICA DIfUSA: CAPítULo 5
REDES NEURoNALES ARtIfICIALES . . . . . . . . . . . . .13 bASES PARA LA CoNStRUCCIóN DE
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14
Perceptrón Simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .14 RobotS y MINI-RobotS:
Algoritmo de Entrenamiento . . . . . . . . . . . . . . . . . . . . . . . .16 RobótICA y MINI-RobótICA bEAM . . . . . . . . . . . .53
Práctica: Implementación de un Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .54
Perceptrón Simple en NePic . . . . . . . . . . . . . . . . . .17 Microcore . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .54
El Sistema NePic . . . . . . . . . . . . . . . . . . . . . . . . . . . . .17 Solar Engine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55
Robótica Clásica Vs Robótica BEAM . . . . . . . . . . . . . . . . .55
CAPítULo 3 Historia y Evolución de la Robótica BEAM . . . . . . . . . . . . .56
REDES NEURoNALES E INtELIgENCIA ARtIfICIAL: Práctica: Clasificación de la Robótica bEAM . . . .58
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .58
IMPLEMENtACIóN DE UN CEREbRo Robots No Motrices . . . . . . . . . . . . . . . . . . . . . . . . . . .60
PARA Robot MóvIL . . . . . . . . . . . . . . . . . . . . . . . .21 Robots Motrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .21 Aplicaciones de la Robótica BEAM . . . . . . . . . . . . . . .64
El Perceptrón Multicapa (MLP) . . . . . . . . . . . . . . . . . . . . .22 Conclusiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .65
Práctica: Implementación de un
Robot Móvil con NePic . . . . . . . . . . . . . . . . . . . . . .24 CAPítULo 6
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24
Un Robot para Experimentar . . . . . . . . . . . . . . . . . . . .25 ARME UN PEqUEño Robot DESDE CERo:
La Red que Usaremos . . . . . . . . . . . . . . . . . . . . . . . . .28 CoNStRUCCIóN DE UN MICRobot . . . . . . . . . . . . . .69
Regiones de Decisión . . . . . . . . . . . . . . . . . . . . . . . . .28 Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .69
Primera Práctica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30 Movilidad de Nuestra Estructura . . . . . . . . . . . . . . . . . . . . .71
Segunda Práctica . . . . . . . . . . . . . . . . . . . . . . . . . . . . .32 Los Sensores del Microbot . . . . . . . . . . . . . . . . . . . . . . . . .72
El Sensor CNY70 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .73
CAPítULo 4 El Sistema de Actuación: Control de Motores . . . . . . . . . .74
INtRoDUCCIóN AL CoNtRoL CoN fUzzy LogIC: Control de Motores por Medio de Microcontrolador . . . . . .77
CoNtRoL DE bRAzo Robot
PoR SEñALES ELECtRoMIogRÁfICAS . . . . . . . . . . .37
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38 CAPítULo 7
Los Conjuntos Fuzzy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38 PRÁCtICAS CoN MAtLAb . . . . . . . . . . . . . . . . . . .81
Diseño de un Control Fuzzy . . . . . . . . . . . . . . . . . . . . . . . .40 Montaje del Driver L293B con el Microcontrolador PIC . . .78
2 Sumario
Cap 1 - inteligencia:ArtTapa 15/01/13 09:51 Página 3
C a p í t u lo 1
L a E voLución dE Las c omputadoras
r obótica E
i ntELigEncia a rtificiaL
Como una primera aproximación, podemos decir que la robótica es la ciencia y la tecno-
logía de los robots. Se ocupa del diseño, manufactura y aplicaciones de los robots La
robótica combina diversas disciplinas como son: la mecánica, la electrónica, la informá-
tica, la inteligencia artificial y la ingeniería de control. Otras áreas importantes en robó-
tica son el álgebra, los autómatas programables y las máquinas de estados. Desde los
comienzos de la implementación de automatismos en las máquinas, a mediados de la
década del 50 del siglo pasado, se han buscado diferentes técnicas que impriman cierta
autonomía en la toma de decisiones de estas máquinas frente a diferentes procesos lo
que ha llevado a la implementación de lógicas difusas y a la formulación de otras técni-
cas. En este capítulo veremos de qué manera el hombre sigue buscando mecanismos
que simulen el funcionamiento del cerebro con el objeto de encontrar respuestas a cier-
tas enfermedades que sirvan, además, para la implementación de robots independientes
que puedan realizar tareas sumamente riesgosas para el hombre.
Capítulo 1 3
Robótica BEaM, Inteligencia artificial y lógica Difusa

IntelIgencIa que consideran la capacidad de adaptación a
nuevas situaciones; y las operativas, que son
La inteligencia es el término global mediante aquellas que dan una definición circular
el cual se describe una propiedad de la mente diciendo que la inteligencia es "...aquello que
en la que se relacionan habilidades tales como miden las pruebas de inteligencia".
inteligencia"
las capacidades del pensamiento abstracto, el Además, el concepto de inteligencia artificial
entendimiento, la comunicación, el raciocinio, generó hablar de sistemas, y para que se
el aprendizaje, la planificación y la solución de pueda aplicar el adjetivo inteligente a un sis-
problemas. tema, éste debe poseer varias características,
El diccionario de la Real Academia Española tales como la capacidad de razonar, planear,
de la lengua define la inteligencia (del latín inte- resolver problemas, pensar de manera abs-
llegentĭa), entre otras acepciones como la tracta, comprender ideas y lenguajes, y apren-
"capacidad para entender o comprender" y der.
como la "capacidad para resolver problemas". Tal diversidad indica el carácter complejo de
La inteligencia parece estar ligada a otras la inteligencia, la cual sólo puede ser descrita
funciones mentales como la percepción, o parcialmente mediante enumeración de proce-
capacidad de recibir información, y la memoria, sos o atributos que, al ser tan variados, hacen
o capacidad de almacenarla. inviable una definición única y delimitada,
La palabra inteligencia se define como la dando lugar a singulares definiciones, tales
capacidad que se tiene para razonar con el como: «la inteligencia es la capacidad de
objeto de solucionar problemas razonar y arti- adquirir capacidad», de Woodrow, o «la inteli-
ficial se define como algo no natural. gencia es lo que miden los test de inteligen-
Por lo tanto, y de manera más específica la cia», de Bridgman.
inteligencia artificial es la disciplina que se
encarga de construir procesos que al ser eje-
cutados sobre una arquitectura física producen ¿Qué es la IntelIgencIa?
acciones o resultados que maximizan una
medida de rendimiento determinada, basán- La inteligencia es la capacidad de relacionar
dose en la secuencia de entradas percibidas y conocimientos que poseemos para resolver
en el conocimiento almacenado en tal arquitec- una determinada situación. Si indagamos un
tura. poco en la etimología de la propia palabra
Hasta la fecha algunos de los sistemas de encontramos en su origen latino inteligere,
algoritmos han podido superar al ser
humano como en las sumas, recupera-
ción y almacenamiento de datos etc.
pero las maquinas todavía no pueden
superar al hombre como las lenguas
usadas, el reconocimiento de formas , la
visión ,etc.
Definir qué es la inteligencia es siem-
pre objeto de polémica; ante un escena-
rio tan diversificado de opiniones
Vernon (1960) sugirió una clasificación
de las principales definiciones. La
misma se hizo en base a tres grupos:
las psicológicas, mostrando la inteligen-
cia como la capacidad cognitiva, de
aprendizaje, y relación; las biológicas,
4 Capítulo 1
Inteligencia artificial
compuesta de intus * Inteligencia
(entre) y legere lingüística-
(escoger). Por lo Verbal: Es la flui-
que podemos dez que posee una
deducir que ser persona en el uso
inteligente es saber de la palabra.
elegir la mejor Destreza en la utili-
opción entre las zación del len-
que se nos brinda guaje, haciendo
para resolver un hincapié en el sig-
problema. nificado de las
Por ejemplo, si a palabras, su orden
una persona se le sintáctico, sus
plantea subir al sonidos, ...
tejado de una casa,
la persona selec- Esta inteligencia
cionará los instru- nos capacita para
mentos que cree escribir poemas,
necesario para historias, ...
subir, pues con los
conocimientos que * Inteligencia
ya posee (lógicos, Visual-espacial:
matemáticos, ...) Es la habilidad de
ha ideado una crear un modelo
forma para ejecutar una acción que le permitirá mental de formas, colores, texturas, ... Está
subir al tejado. Unos dirán que con una esca- ligada a la imaginación. Una persona con alta
lera, otros con una cuerda, otros necesitarán inteligencia visual está capacitada para trans-
una serie de instrumentos. formar lo que crea en su mente en imágenes,
tal como se expresa en el arte gráfico. Esta
“Una persona más inteligente que otra esco- inteligencia nos capacita para crear diseños,
gerá una opción mejor que otra”. cuadros, diagramas y construir cosas.
¿Cómo se mide la inteligencia? * Inteligencia corporal-cinética: Es la

Tristemente la mayoría de los test que miden habilidad para controlar los movimientos de
la inteligencia de un ser humano sólo tienen en todo el cuerpo para realizar actividades físicas.
cuenta las capacidades lógica-matemática y Se usa para efectuar actividades como depor-
lingüísticas. Según la teoría de las inteligencias tes, que requiere coordinación y ritmo contro-
múltiples según Howard Gardner podemos dis- lado.
tinguir tipos diferentes de inteligencia formal:
* Inteligencia lógica-Matemática: Es la * Inteligencia Musical: Es la habilidad que
habilidad que poseemos para resolver proble- nos permite crear sonidos, ritmos y melodías.
mas tanto lógicos como matemáticos. Nos sirve para crear sonidos nuevos para
Comprende las capacidades que necesitamos expresar emociones y sentimientos a través de
para manejar operaciones matemáticas y razo- la música.
nar correctamente.
* Inteligencia Interpersonal: Consiste en
Nuestro procesamiento aritmético, lógico, relacionarse y comprender a otras personas.
razonado, ... va ligado a ella. Incluye las habilidades para mostrar expresio-
Capítulo 1 5

nes faciales, controlar la voz y expresar gestos Fue algo ameno en una clase de herencia
en determinadas ocasiones. También abarcar mendeliana.
las capacidades para percibir la afectividad de En cambio, otros piensan que la inteligencia
las personas. se desarrolla durante el nacimiento y muerte de
la vida de un ser vivo.
* Inteligencia Intrapersonal: Es nuestra Aún así está demostrado que muchos niños
conciencia. Entender lo que hacemos nosotros aprenden más rápido que otros, aunque pienso
mismos y valorar nuestras propias acciones. que la adquisición de conocimientos y técnicas
no es cuestión de inteligencia (aunque esté
* Inteligencia naturalista: Consiste en el relacionado).
entendimiento del entorno natural y la observa- También cabe mencionar la diferencia entre
ción científica de la naturaleza como la biolo- una persona inteligente y una persona sabia.
gía, geología o astronomía.
¿Es lo mismo ser sabio que inteligente?
Ejemplos donde la separación de las inteli- Pues no. La sabiduría es la posesión de
gencias se manifiesta pueden encontrarse en conocimiento, el saber cosas.
personas con trastornos mentales que sorpren- En la inteligencia se utiliza las cosas que
dentemente poseen extraordinarias habilida- sabemos, aún así podemos saber muchas
des para realizar cálculos o componer música. cosas y no ser capaces de resolver un deter-
Como decía anteriormente, la mayoría de minado problema. Es el caso de mucha gente,
los test que calculan el coeficiente intelectual pueden saber mucho y ser unos auténticos
no hacen un estudio exhaustivo de todas las imbéciles.
distintas inteligencias que posee el ser Otro término que se confunde con la inteli-
humano. Los resultados de la medida de las gencia al igual que ocurre con la sabiduría es la
múltiples inteligencias de una persona le puede cultura.
servir para su orientación profesional, pues
podría saber cuáles serían las actividades ¿Una persona culta es una persona inte-
dónde se desenvolvería mejor, o qué inteligen- ligente?.
cia debería de desarrollar. Antes de nada tenemos que comprender
que significa cultura en el sentido de la refle-
¿La inteligencia de una persona se puede xión que estamos tratando. Según la RAE
desarrollar? (Real Academia Española) un individuo culto
Muchos dicen que no, que una persona es una persona que posee un conjunto de
nace con una determinada inteligencia, incluso conocimientos.
rematando la faena afirmando que es heredita- Por lo tanto una persona culta, no implica
ria (en mi opinión eso es una burrada). Un pro- que sea más inteligente que otra inculta (sin
fesor de biología una vez nos comentaba en estudios, sin conocimientos culturales). Por
clase una anécdota: otro lado tampoco hay que confundir inteligen-
cia con memoria.
“En una ocasión Albert Einstein conoció a Existen muchas personas con grandes
una exuberante actriz, la cual le propuso capacidades mnemotécnicas y que pueden
casarse y tener hijos, pues con la inteligencia recordar muchos conceptos, aunque sin la
de Einstein y la belleza de la actriz, tendrían necesidad de comprenderlos.
hijos tan guapos como ella y tan listos como él. Aún así está comprobado que definir la inte-
Lamentablemente la actriz no contempló la ligencia es muy complicado, pues existen
opción que Einstein le respondió: ¿Y si nues- muchas teorías y muchos puntos de vistas en
tros hijos saliesen tan feos como yo y tan idio- los que creer, algunos muy dispares. Sin
tas como tú?”. embargo, si no quieres calentarte el coco
6 Capítulo 1
demasiado cuando te pregunten ¿qué es la más específica la inteligencia artificial es la dis-
inteligencia? responde sutilmente: una palabra. ciplina que se encarga de construir procesos
que al ser ejecutados sobre una arquitectura
física producen acciones o resultados que
IntelIgencIa artIfIcIal maximizan una medida de rendimiento determi-
nada, basándose en la secuencia de entradas
Se denomina inteligencia artificial (IA) a la percibidas y en el conocimiento almacenado en
rama de las ciencias de la Computación dedi- tal arquitectura.
cada al desarrollo de agentes racionales no Existen distintos tipos de conocimiento y
vivos. medios de representación del conocimiento, el
Para explicar la definición anterior, entién- cual puede ser cargado en el agente por su
dase a un agente como cualquier cosa capaz diseñador o puede ser aprendido por el mismo
de percibir su entorno (recibir entradas), proce- agente utilizando técnicas de aprendizaje.
sar tales percepciones y actuar en su entorno También se distinguen varios tipos de proce-
(proporcionar salidas), y entiéndase a la racio- sos válidos para obtener resultados racionales,
nalidad como la característica que posee una que determinan el tipo de agente inteligente.
elección de ser correcta, más específicamente, De más simples a más complejos, los cinco
de tender a maximizar un resultado esperado. principales tipos de procesos son:
De acuerdo al concepto previo, racionalidad
es más general y por ello más adecuado que * Ejecución de una respuesta predetermi-
inteligencia para definir la naturaleza del obje- nada por cada entrada (análogas a actos refle-
tivo de esta disciplina. Por lo tanto, y de manera jos en seres vivos).
Capítulo 1 7

¿Qué es la inteligencia artificial?
* Búsqueda del estado requerido en el con- Varios ejemplos se encuentran en el área de

junto de los estados producidos por las accio- control de sistemas, planificación automática,
nes posibles. la habilidad de responder a diagnósticos y a
consultas de los consumidores, reconocimiento
* Algoritmos genéticos (análogo al proceso de escritura, reconocimiento del habla y reco-
de evolución de las cadenas de ADN). nocimiento de patrones. Los sistemas de IA
actualmente son parte de la rutina en campos
* Redes neuronales artificiales (análogo al como economía, medicina, ingeniería y la mili-
funcionamiento físico del cerebro de animales y cia, y se ha usado en gran variedad de aplica-
humanos). ciones de software, juegos de estrategia como
ajedrez de computador y otros videojuegos.
* Razonamiento mediante una lógica formal
(análogo al pensamiento abstracto humano).
¿superarán las MáQuInas al HoMbre?
También existen distintos tipos de percep-
ciones y acciones, pueden ser obtenidas y pro- ¿Surgirá una inteligencia artificial que
ducidas, respectivamente por sensores físicos supera a la humana?
y sensores mecánicos en máquinas, pulsos Desde el surgimiento de la Cibernética cre-
eléctricos u ópticos en computadoras, tanto ada por Norbert Wiener en 1948, los científi-
como por entradas y salidas de bits de un soft- cos han venido haciéndose esta pregunta, al
ware y su entorno software. principio como una especulación que ha ser-
8 Capítulo 1
Capítulo 1 9

vido de tema a la ciencia ficción, luego como todas las actividades intelectuales de cualquier
una posibilidad algo lejana, más reciente- humano independientemente de la inteligencia
mente como un hecho que se hará realidad en de éste y está convencido que esa inteligencia
poco tiempo, para algunos forma inevitable a superior será la que impulsará el progreso y
este hecho que según sus defensores debe este será mucho mas rápido e incluso superará
ocurrir en este siglo, le llaman la singularidad a la actual evolución natural, por lo que apare-
tecnológica. cerán problemas miles de veces más deprisa
El primero en hablar sobre la singularidad que la selección natural y afirma que estare-
tecnológica, fue Vernor Vinge, matemático y mos entrando a un régimen radicalmente dife-
escritor de ciencia ficción, quien en 1993 escri- rente de nuestro pasado humano.
bió un artículo anunciando el advenimiento de La singularidad se basa en las tendencias
una nueva era donde la tecnología superaba a actuales de priorizar el hardware sobre el soft-
los humanos y en la que vaticinó que el surgi- ware, y se apoya sobre los siguientes concep-
miento de entidades con inteligencia mayor a la tos:
humana la cual será una realidad en un futuro
cercano, antes del 2030, y se podrá alcanzar • La evolución de las máquinas es más
de diferentes modos: rápida que la de los humanos, mientras las
máquinas siguen un crecimiento acelerado, la
1. Pueden desarrollarse computadoras evolución natural de los humanos esta prácti-
"conscientes" con una inteligencia equivalente camente detenida.
a la humana o superior. • La aceleración de las tecnologías se
2. Las grandes redes de computadoras con seguirá incrementando hasta llegar a un punto
sus usuarios asociados, pueden despertar que escapa a las capacidades de los humanos
como entidades superinteligentes. (singularidad tecnológica).
3. Las interconexiones entre humanos y • Las máquinas que se Irán auto constru-
computadoras pueden llegar a tal nivel de pro- yéndose a si misma, cada vez mas perfeccio-
fundidad que los que la usen actúen como nadas, mas veloces, mas memorias, dotadas
superinteligencias. de mejores algoritmos podrán llegar a conver-
4. La ciencia biológica puede lograr métodos tirse en máquinas superinteligentes que
que mejore el intelecto humano natural. superen a los humanos.
• La inteligencia de las máquinas dada la
La idea de una singularidad, Vinge la sus- complejidad que Irán adquiriendo y las cone-
tenta sobre la ley de Moore que dice que la xiones internas (circuitos) o externas (redes)
capacidad de los microchips de un circuito inte- podrá despertar como una entidad auto-cons-
grado se duplicará cada dos años, lo cual ciente.
traerá un crecimiento exponencial de la poten-
cia del hardware de las computadoras y de Ahora bien, me permito un pensamiento
mantenerse este crecimiento acelerado, con- bastante individual:
ducirá inevitablemente a que las maquinas le
den alcance y luego superen la capacidad del “Por más que las máquinas sigan evolu-
cerebro para procesar la información y según cionando y que mejoren las técnicas de inteli-
un gráfico elaborado por Hans Moravec la pari- gencia artificial mediante el crecimiento de
dad entre el hardware y el cerebro se alcanzará fractales, la lógica difusa o implementaciones
alrededor del 2020 (vea el gráfico sobre la evo- complejas de redes neuronales, es imposible
lución de las computadoras) lo cual dará lugar que pueda –siquiera- acercarse al razona-
a las máquinas súper inteligentes. miento humano, por lo cual me resulta impo-
Vinge define una máquina súper inteligente sible pensar que las máquinas puedan supe-
como una equipo capaz de superar en mucho rar al hombre”.
10 Capítulo 1
spaun, una sIMulacIón cerebral funcIonal (compuestas por unas 10.000 neuronas). Es un
proyecto a largo plazo cuyos resultados vere-
La simulación cerebral es un área fascinante mos en el futuro.
en la que se mezclan neurociencia y computa- IBM ha realizado la mayor simulación neuro-
ción de alto nivel. Periódicamente recibimos nal hasta la fecha. 500 mil millones de neuro-
noticias de nuevas y sorprendentes simulacio- nas y 100 billones de sinapsis. Sin embargo, es
nes. Con frecuencia las informaciones son con- un proyecto de computación, no de neurocien-
fusas y es importante colocar cada cosa en su cia. No simula nada parecido a un comporta-
sitio. Spaun es un simulador que por primera miento humano. El objetivo a largo plazo es
vez simula la funcionalidad de un cerebro com- construir novedosos chips neurosinápticos de
plejo. Es decir, trata de hacer lo que hace un arquitectura no Von Neumann.
cerebro real. Un camino muy prometedor. Un proyecto mucho menos ambicioso pero
Uno de los primeros intentos fue el proyecto más realista es OpenWorm. Trata de simular la
Blue Brain, que sigue en marcha aunque últi- conducta de C. Elegans, un gusano del que
mamente con pocas noticias. La idea es simu- conocemos su Conectoma, sus 302 neuronas y
lar cada una de las baldosas o ladrillos del sus sinapsis. Empezar por lo sencillo tiene sus
cerebro llamadas columnas neocorticales ventajas.
Juntar un montón de
Simulación Cerebral neuronas y esperar que
Funcional emerja algo interesante
no parece una vía plau-
sible para entender
cómo funciona algo tan
sofisticado como el
cerebro.
Spaun, el nuevo simula-
dor, es novedoso y muy
interesante. Junto con
OpenWorm está en la
línea de las simulacio-
nes funcionales. Esto
significa que pretende
simular tareas reales
que realizamos los
humanos.
Para ello, simula 2,5
millones de neuronas
agrupadas en áreas
cerebrales que real-
mente tenemos los
humanos. Subredes del
simulador se correspon-
den con áreas anatómi-
cas físicas como el área
visual en el lóbulo occi-
pital, el área motora,
funciones ejecutivas en
el lóbulo frontal y memo-
Capítulo 1 11

ria de trabajo. También simula los ganglios conclusIón
basales, corresponsables del movimiento com-
plejo (afectados en el párkinson). Quiero concluir comentando que en 1987
El modelo recibe una imagen de 28×28 Martin Fischles y Oscar Firschein describieron
pixels como entrada, procesa la señal y genera los atributos de un agente inteligente. Al inten-
un output mediante un brazo simulado. Las tar describir con un mayor ámbito (no sólo la
neuronas individuales se comunican por seña- comunicación) los atributos de un agente inteli-
les eléctricas (potenciales de acción) y neuro- gente, la inteligencia artificial (IA) se ha expan-
transmisores. Aunque simplificado, el modelo dido a muchas áreas que han creado ramas de
capta muchos aspectos de neuroanatomía, investigación enormes y diferenciadas. Dichos
neurofisiología y comportamiento psicológico. atributos del agente inteligente son:
Esto queda demostrado en 8 tareas diferen-
tes. Por ejemplo: copia un dibujo, reconoce los Tiene actitudes mentales tales como creen-
números, los ordena, los cuenta, e incluso cias e intenciones.
completa una lista (2,3,4…). En la red hay dis- Tiene la capacidad de obtener conoci-
ponibles vídeos que permiten conocer mejor a miento, es decir, aprender.
Spaun. Algunas de las pruebas están extraídas Puede resolver problemas, incluso particio-
de test de inteligencia convencionales como el nando problemas complejos en otros más sim-
test de matrices de Raven. Spaun puntúa casi ples.
como un humano. Entiende. Posee la capacidad de crearle
Hasta ahora la carrera era conseguir una sentido, si es posible, a ideas ambiguas o con-
simulación del tamaño del cerebro humano. De tradictorias.
ahora en adelante, el reto es conseguir las Planifica, predice consecuencias, evalúa
mayores funciones biológicas y comportamien- alternativas (como en los juegos de ajedrez)
tos animales. Por el momento, Spaun es el Conoce los límites de su propias habilidades
ganador. y conocimientos.
El comportamiento es similar al humano. Puede distinguir a pesar de las similitud de
Reproduce errores similares y tiempos de res- las situaciones.
puesta parecidos (tareas más complejas llevan Puede ser original, creando incluso nuevos
tiempos de ejecución más complejos). conceptos o ideas, y hasta utilizando analo-
Si destruimos partes del modelo, podemos gías.
ver qué comportamientos fallan. O podemos Puede generalizar.
cambiar el funcionamiento de los neurotransmi- Puede percibir y modelar el mundo exterior.
sores y ver cómo se correlaciona con el com- Puede entender y utilizar el lenguaje y sus
portamiento. Así se puede observar qué ocurre símbolos.
en la edad avanzada con el envejecimiento
celular. La IA incluye características humanas tales
Están trabajando en un programa que no como el aprendizaje, la adaptación, el razona-
tiene instrucciones concretas sino recompensa miento, la autocorrección, el mejoramiento implí-
positiva o negativa. Este es un clásico ejemplo cito, y la percepción modular del mundo. Así,
de aprendizaje humano. podemos hablar ya no sólo de un objetivo, sino
Aunque esperan que el rendimiento esté de muchos, dependiendo del punto de vista o uti-
cerca del tiempo de respuesta real, en la actualidad que pueda encontrarse a la IA. J
lidad un segundo tarda horas en simularse.
Spaun es un salto en la simulación. Los des- bibliografía
lumbrantes ejercicios de supercomputación no http://elrincondelacienciaytecnologia.blogspot.com.ar
bastan. http://titoquintino.blogspot.com.ar
“Queremos simular conductas reales”. http://www.puntomag.com
12 Capítulo 1
Cap 2 - redes neuronales:ArtTapa 15/01/13 10:02 Página 13
C a p í t u lo 2
Robótica y L ógica D ifusa
R eDes N euRoNaLes
a RtificiaLes
De lo visto en el capítulo anterior se deduce que Inteligencia Artificial (IA) es el área
encargada de estudiar metodologías, procedimientos, arquitecturas, etc. que permitan
a una computadora (o a cualquier aparato con capacidad de procesar información)
implementar actividades que, por el momento, el hombre realiza mejor (adquirir cono-
cimientos, razonar y actuar). Algunos ejemplos de aplicación son: diagnóstico
médico, diagnóstico industrial, problemas de percepción (visión, habla), interpretación
de señales e imágenes, juegos, detección de virus en computadoras, navegación de
robots móviles, etc. Para que un robot pueda “emular” un sistema biológico suelen
emplearse algoritmos computacionales complejos denominados “redes neuronales
artificiales”. La unidad se denomina perceptrón y representa a las neuronas biológi-
cas, quienes poseen elementos especializados para recibir, integrar, conducir y trans-
mitir señales. El perceptrón simula matemáticamente una sola neurona y sus estudio
lo veremos a continuación.
Capítulo 2 13

IntroduccIón El perceptrón simple lo que pretende, es si-
mular matemáticamente una sola neurona.
Una Red Neuronal Artificial es una estructu- Como vemos en la figura 2, posee entradas
ra computacional inspirada en el estudio de los y una función de transferencia de tipo umbral.
circuitos neuronales biológicos. Es decir, la Las entradas a la red son las componentes del
emulación mediante software y hardware, de vector de entrada X (las xi), la salida es Y y los
neuronas y sus conexiones. pesos (codificación de la intensidad de las si-
Hay muchos tipos diferentes de redes neu- napsis) son el arreglo de números wi. Ya vere-
ronales artificiales, desde relativamente sim- mos esto con más detalle.
ples hasta muy complejas, así como también Antes de proseguir veamos un poquito de
existen muchas teorías sobre cómo trabajan álgebra, a no asustarse, son sólo unas defini-
sus pares biológicas. ciones elementales para facilitarnos la tarea, ya
Comenzaremos estudiando una muy senci- que no es el propósito de este curso ahondar
lla que recibe el nombre de perceptrón simple, en álgebra.
incluso no se trata de una red en sí, sino de Entonces, se llama vector a un simple arre-
una neurona aislada. La utilidad de la misma es glo de números:
muy limitada, pero su comprensión nos permi-
tirá luego avanzar en el entendimiento de otras
redes.
PercePtrón SImPle A x1,x2, x3 les llamamos las componentes

xi . Así decimos que la entrada X es el vector
Las neuronas biológicas poseen elementos “columna”, por la disposición de sus números,
especializados para recibir, integrar, conducir y es decir en varios renglones.
transmitir señales, éstos son: las dendritas, el Y también tenemos el vector de “pesos”:
cuerpo celular, el axón y los terminales del
axón (figura 1).
Figura 1
14 Capítulo 2
Redes Neuronales artificiales

za” con que esa entrada está co-
Figura 2
nectada a la neurona, esto lo va
a determinar el valor de su res-
pectivo peso wi.
Así cada entrada se va a multipli-
car por su peso respectivo, y lue-
go el cuerpo neuronal “suma” to-
dos estos productos. Esta opera-
ción en álgebra se llama produc-
to escalar de vectores y se defi-
ne de la manera que vemos en la
fórmula de la tabla 1.
Ojo, las entradas pueden ser
más que tres o menos y por lo
tanto los componentes de cada
Tabla 1 vector también más que tres, es-
to se simboliza poniendo la su-
matoria desde i=1 hasta n.
Bien, no era complicado ¿no?.
Después esa suma pasa luego
por una función de activación f,
Tabla 2 que equivaldría a un umbral bio-
lógico, o sea si esta suma supe-
Que es un vector “renglón”. Ahora, volviendo ra cierto valor, entonces la salida se pone en
a la neurona artificial de la figura 2, veamos có- alto. En este caso usaremos la siguiente f,
mo ésta funciona. Cada entrada xi sería el equi- (figura 3).
valente a la señal, digamos un valor numérico, Por otra parte si volvemos al esquema de la
proveniente de otra neurona o de un sensor ex- neurona vemos otro valor: b1, este puede ser
terno. Cada entrada va a influir sobre el dispa- cero o uno, se le llama bias y lo que hace, en
ro de la neurona, cuánto influya va a depender caso de no ser cero, es lo siguiente (figura 4).
de la intensidad de esa sinapsis, o sea la “fuer- Desplaza el umbral por b1*w0, a los fines
prácticos b1 se trata como una entrada más
Figura 3 que, o es siempre cero o siempre uno, según
deseemos o no desplazar el umbral, esto le da
un grado más de libertad a la región de deci-
sión. Vea la fórmula de la Tabla 2. De esto, el
modelo matemático final de neurona queda (al-
goritmo 1):
Y = 1 si
Figura 4
Y = 0 si
Capítulo 2 15

Bueno, hasta aquí sabemos cómo calcular aprendemos? Podemos observar que, desde
la salida de una neurona frente a una entrada niños vamos aprendiendo en base a prueba y
determinada. Ahora sabemos que los sistemas error, digamos que nuestra guía en el aprendi-
biológicos pueden aprender, entonces se plan- zaje es el error. Por ejemplo, al leer vemos una
tea la pregunta: ¿cómo aprende nuestro per- “a” y nos dicen que es una “a”, así la entrada es
ceptrón? “a”, la salida deseada es que pronunciemos “a”,
Y es allí donde volvemos a los pesos wi, son si decimos “e” nos corrigen, volvemos a inten-
éstos los que determinan el valor de la sumato- tar, hasta que frente a una “a” decimos “a”, es-
ria ante una determinada entrada, y de allí que te es un ejemplo muy simple, pero así es todo.
se active o no la salida Y. Fue esto lo que motivó a los primeros in-
Entonces cabe la pregunta: ¿supongamos vestigadores a pensar en el error entre la sali-
que encontramos la manera para que el valor da deseada y la que la neurona proporciona
de los pesos cambie, adaptándose para dar ante una entrada como la herramienta guía
unasalidadeseadaanteunadeterminadaen- para modificar los pesos. Así surge el algorit-
trada, entonces la red estaría aprendiendo a mo de entrenamiento para el perceptrón sim-
responderfrenteaunaentrada? ple, que bien podemos ver esquematizado en
Y así es como nace el algoritmo de entrena- la figura 5.
miento, o sea lo que se hace computacional-
mente es mostrarle una determinada entrada Figura 5
(digamos un grupo de valores de xi, o sea un
vector X) a la red y simultáneamente mostrarle
la salida que deseamos frente a esa entrada.
Los pesos se van modificando y de esa mane-
ra la información queda en la intensidad de las
sinapsis, codificada en los pesos, al igual que
en las neuronas biológicas.
Esto se lleva a cabo mediante un proceso
que se llama entrenamiento, y una vez conclui-
do, si fue exitoso, y por lo tanto la red aprendió, Describimos a continuación este algoritmo
ésta debe dar la salida deseada al “ver” la en- de entrenamiento (algoritmo 2):
trada correspondiente.
O sea, las neuronas tienen dos modos de 1)Inicializarlospesoswiconvaloresaleato-
funcionamiento, uno que es mientras aprenden rios menores que 1, así la neurona comienza
y por lo tanto modifican sus pesos y otro cuan- sin“saber”nada.
do habiendo aprendido se las usa con sus pe- 2)PresentaralPerceptrónsimpleunvector
sos fijos para obtener la salida ante una entra- patróndeentradasylasalidadeseadaD.
da determinada, aquí es el momento útil de la 3)CalcularelerrorentrelasalidaYylasa-
neurona. lidadeseadaD(e=D-y)
4) Ajustar los pesos de la red según el si-
guientealgoritmo:
AlgorItmo de entrenAmIento
En realidad, en el entrenamiento lo que se

Dondewi(t+1)eselnuevopeso,wi (t)es
tiene es un conjunto de entradas que represen-
tan distintas situaciones (patrones) y el conjun- elpeso“viejo”,eeselerroryunparámetrode
to de salidas deseadas correspondientes a ca- aprendizajegeneralmenteconvalor1,estose
da situación. realizaparacadapesowi.
Ahora, en nuestra vida cotidiana, ¿Cómo 5)Volveralpaso2)yrepetirelproceso.
16 Capítulo 2

Los patrones de entrenamiento, es decir los estas herramientas, todo se esclarece. Pronto
vectores de entrada con su salida deseada se veremos lo satisfactorio que es comprender la
van mostrando a la red en forma aleatoria, un idea detrás de algo tan vigente como la IA (si-
número determinado de veces, hasta que ésta glas de Inteligencia Artificial en inglés).
aprende. Una vez que la neurona aprendió, los En el próximo capítulo estaremos entrenan-
pesos no se modifican más y esta se puede do el “cerebro” de un robot para recorrer labe-
usar para cualquier situación dentro de las que rintos, para lo cual necesitaremos varias neuro-
aprendió, o aún “nuevas” (esto se llama gene- nas.
ralización y lo veremos más adelante). Primero, lo que vamos a hacer es la resolu-
Bueno, creo que por ahora es suficiente teo- ción de un problema sumamente sencillo, que
ría, así que mejor algo de práctica para afirmar nos permitirá observar el funcionamiento de
y comprender lo que hemos visto. A no preocu- una neurona. Pero antes de proseguir con esto,
parse si pareció muy teórico o algo no quedó veamos con qué vamos a trabajar:
claro, notaremos que al ver cómo se emplean
PrácTica:
implementación de un
Perceptrón Simple en NePic
el SIStemA nePIc un perceptrón simple mediante el software y
luego usarlo en un PIcAXe, (ver Saber 205,
Para realizar las prácticas, me pareció ade- 211 o consultar el sitio web www.rev-ed.co.uk
cuado crear un pequeño software para el entre- para saber más de éstos).
namiento de neuronas y la generación del códi- Vamos a enseñarle a un perceptrón a resol-
go que vamos a emplear en los microcontrola- ver la función “OR”, este ejemplo es sumamen-
dores. Este software va ir creciendo con los arte simple, pero sirve para entender la idea, ade-
tículos. Nuestra primer práctica va ser entrenar más por tradición, así como al aprender a pro-
gramar uno aprende a escribir “HELLO WORD”
en pantalla, en IA es la función “OR” el primer
ejercicio .
Veamos nuestro software (que Ud. lo puede
bajar gratuitamente de nuestra web: www.we-
belectronica.com.mx, haciendo clic en el íco-
no password e introduciendo la clave nepic), Al
ejecutar el programa aparecerá la imagen de la
figura 6 y al hacer clic en el botón “Perceptrón
para OR” aparecerá la imagen de la figura 7;
note que posee una tabla que deberemos com-
pletar para que la red “aprenda” que es una
compuerta OR.
Para cargar la tabla y entrenar la red proce-
demos como sigue, por ejemplo para cargar el
segundo renglón hacemos clic en In1 y Out, o
sea los encendemos, y luego damos clic sobre
Figura 6 “cargar”, así en patrones cargados queda tal
Capítulo 2 17

como se muestra en la figura Figura 7
8. Y así proseguimos hasta
cargar toda la tabla, clickean-
do los botones con la confi-
Cargamoslatabla“OR”
guración deseada y a conti-
paraquelaredlaaprenda
nuación “cargar”, hasta que
ingresemos todos los renglo-
nes, como vemos en la figura
9.
De esta manera le esta-
mos mostrando a la red las
entradas con que se va a en-
contrar y la salida que desea-
mos para cada una de ellas
(patrones de entrenamiento) Figura 8
y le decimos el número de
veces que queremos se ha-
ga esto: observe nuevamen-
te la figura 7.
Figura 9
Luego presionamos “entrenar” con lo que el sos w11 y w12 (equivalentes a w1 y w2), que
software ejecuta el algoritmo de entrenamiento son los que codifican la solución del problema.
visto ( algoritmo 2), durante el número de veces El código en sí, no es más que el modelo ma-
elegido y va modificando los pesos. Finalmen- temático de la neurona (algoritmo 1) que vimos
te se enciende el indicador “LISTO”, entonces anteriormente implementado y ejecutado, vez
presionamos “Generar código BASIC”, ésto ge- tras vez, en software. Y podríamos haberlo ge-
nera un código para PIcAXe que se guardará nerado mediante el editor de flujo de PICAXE
con el nombre de “C:\Archivos de programa- (en el “PICAXE Programming Editor”, se puede
\Nepic\ NeurOR.bas”, (se puede abrir con edi- bajar gratis de www.rev-ed.co.uk), y simularlo
tor de textos). con el simulador, de la forma que se ve en la fi-
El código BASIC generado es el que vemos gura 11.
en figura 10. En el problema de la figura 12 incluso “a ojo”
El entrenamiento, lo que genera son los pe- podríamos haber obtenido los pesos w1 y w2,
18 Capítulo 2

Figura 10
Figura 12
Figura 11
Figura 13
mos abrir este código con el “PICAXE Program-

ming Editor” y pasarlo a código ejecutable.
ya que por claridad resolvimos un ejemplo muy Bueno, no queda más que descargar el có-
sencillo, en el que incluso las entradas son bi- digo ejecutable a un circuito experimental como
narias, pero más adelante veremos que no es se ve en la figura 13, que podemos hallar en la
así en problemas de mayor magnitud, donde página www.rev-ed.co.uk, específicamente en:
son muchos pesos y con números reales.
Ahora, para probar esto en hardware, debe- www.rev-ed.co.uk/docs/axe001_pcb.pdf
Capítulo 2 19

Recomiendo usar el PICA- Figura 14
XE 18X, para que nos sirva
para los códigos siguientes.
Armaremos este circuito y
nos servirá para todos los ex-
perimentos, en este experi-
mento le agregamos Led1
(será la salida y), s2 (será la
entrada x1) y s3 (será la en-
trada x2):
Y listo, podemos verificar
cómo los interruptores s2 y s3
responden según la tabla OR,
encendiendo y apagando el
Led1. Quizás parezca inútil
tanto proceso para una sim-
ple tabla OR, pero lo cierto es
que nuestro programa “apren- Figura 15
dió” a responder, y ése es el
camino hacia la IA.
Como dijimos, en la próxi-
ma parte veremos las verda-
deras redes, los “perceptro-
nes multicapa” y estaremos
entrenando el “cerebro” de un
robot para recorrer laberintos,
para lo cual necesitaremos de
varias neuronas.
Algunos de los proyectos
experimentales, en los que in-
tentaremos mostrar cómo se
utilizan estas herramientas,
serán: Figura 16
• Perceptrón simple y per-

ceptrón multicapa (capaz de
aprender la respuesta a en-
tradassencillas).(Verlafigu-
ra14).
•“Entrenarelcerebro”deun
robot para recorrer laberintos,
comoseveenlafigura15.
• Diseñar un control sim-
ple, del movimiento de rota- Lista de Materiales: TB1: Conectordelosusados C1: 100µF-capacitorelec-
cióndeunbrazorobot,apar- enbateríasde9V,conportapila trolítico
IC1: Picaxe18-Microcontrolador de6V S1: miniaturepushresetswitch
tir de las señales de electro-
IC2: ULN2803A-C.Integrado R1 a R6: 10kΩ1/4W S2: switchminiatura
miografía de una persona CT1: 3,5mm-Conector R7: 22kΩ1/4W S3: switchminiatura
(figura16).J miniaturaestereo R8: 4k71/4W Led 1: diodoemisordeluz
20 Capítulo 2
Cap 3 - cerebro:ArtTapa 15/01/13 10:03 Página 21
C a p í t u lo 3
R edes N euRoNales e I NtelIgeNcIa a RtIfIcIal

I mplemeNtacIóN de uN c eRebRo
paRa Robot m óvIl
La navegación autónoma de robots en entornos desconocidos constituye uno de los mayo-
res retos tecnológicos en el campo de la robótica móvil . Se han realizado muchas investi-
gaciones centrando su atención en el desarrollo de técnicas de control y navegación de
robots. Entre varios enfoques para resolver este problema se encuentran las Redes
Neuronales. Aquí se emplean un tipo muy conocido de las mismas, llamadas “Perceptrones
Multicapa”, para un acercamiento a este problema. Los Perceptrones Multicapa son, quizás,
las redes neuronales artificiales más conocidas. Estos tienen la capacidad de “generaliza-
ción”, propiedad que los hace muy adecuados para su empleo en la navegación de robots
en entornos desconocidos. Estas redes permiten dotar a los dispositivos, además de la
posibilidad de aprender, de la habilidad para “tomar decisiones acertadas” ante situaciones
nuevas; por “analogía” con las ya conocidas. En este capítulo veremos cómo es posible
“diseñar” un cerebro virtual para dotar a un robot de cierta inteligencia.
IntroduccIón sos escogidos inicialmente en forma aleatoria.

En una fase en la que éste aprende, la entra-
En el capítulo anterior vimos nuestra prime- da es comparada con un patrón preestableci-
ra “red” neuronal, el Perceptrón simple (PS). do para determinar la salida de la red. Si en la
Este consiste en una suma de las señales de comparación, la suma de las entradas multipli-
entrada, multiplicadas por unos valores de pe- cadas por los pesos es mayor o igual que el
Capítulo 3 21

patrón preestablecido, la salida de la red es operación lógica XOR (OR
Tabla 1
uno (1), en caso contrario la salida es cero (0). Exclusivo), para esto sólo
El Perceptrón es un dispositivo que, en su con- tendríamos que repetir el ex-
figuración inicial, no está en capacidad de dis- perimento del artículo ante-
tinguir patrones de entrada muy complejos, sin rior con la tabla 1.
embargo, mediante un proceso de aprendizaje Y notar que no la
es apto para adquirir esta capacidad. En esen- aprende. Bueno, veamos en-
cia, el entrenamiento implica un proceso de re- tonces qué se propuso frente a estas limitacio-
fuerzo, mediante el cual los pesos que codifi- nes.
can las sinapsis, se incrementan o se decre-
mentan. Esto dependiendo de si las dendritas
contribuyen o no a las respuestas correctas del El PErcEPtrón MultIcaPa (MlP)
Perceptrón. La red tipo Perceptrón fue inventa-
da por el psicólogo Frank Rosenblatt en el año Primero cabe mencionar, como es obvio, que
1957. Su intención era ilustrar algunas propie- para tener varias entradas y salidas, se pue-
dades fundamentales de los sistemas
inteligentes en general, sin entrar en
mayores detalles con respecto a con-
diciones específicas y desconocidas
para organismos biológicos concre-
tos. Al inicio del desarrollo de los sis-
temas de inteligencia artificial, se en-
contró gran similitud entre su compor-
tamiento y el de los sistemas biológi-
cos y en principio se creyó que este
modelo podía computar cualquier fun-
ción aritmética o lógica.
En 1969 Marvin Minsky y Seymour
Papert publicaron su libro: "Percep-
trons: An introduction to Computatio-
nal Geometry", el cual para muchos,
significó el final de las redes neurona-
Figura 1
les. En él se presentaba un análisis
detallado del Perceptrón, en términos
de sus capacidades y limitaciones, en
especial en cuanto a las restricciones
que existen para los problemas que
una red tipo Perceptrón puede resol-
ver; la mayor desventaja de este tipo
de redes es su incapacidad para solu-
cionar problemas que no sean lineal-
mente separables. Como dijimos, no
ahondaremos en álgebra, sino vere-
mos casos prácticos, así en el artícu-
lo anterior vimos cómo entrenar un
PS, para resolver la operación lógica
OR, ahora podemos verificar que éste
es incapaz de resolver por ejemplo la Figura 2
22 Capítulo 3
Implementación de un Cerebro para Robot Móvil

Figura 3 Así el funcionamiento de un PMC es
básicamente: se aplica una entrada
cuya salida se conoce, luego se cal-
cula primero la salida de las neuronas
de entrada, estas salidas son las en-
tradas de las neuronas de la capa
oculta, con estas entradas se calcula
la salida de las neuronas ocultas, y
con éstas como entrada para las neu-
ronas de salida, se calculan las sali-
das finales.
Esta es la fase hacia delante, por así
decirlo, en la red.
Luego se obtiene el error con respec-
to a la señal deseada y finalmente es-
te error se retro propaga (de atrás ha-
den conectar Perceptrones simples como ve- cia delante) modificando los pesos.
mos en la figura 1. No trataremos la parte matemática de cómo
Pero con esto no se amplía el tipo de funcio- se hace esto, pero mencionaremos que las
nes que puede aprender la red. Así es como neuronas de la capa oculta usan como regla de
nace la idea ( proveniente también de copiar propagación, la suma ponderada de las entra-
los sistemas biológicos), de hacer redes que das con los pesos sinápticos wij y sobre esa
tengan más de una capa de neuronas, ver figu- suma ponderada se aplica una función de
ra 2. transferencia de tipo sigmoide (figura 4) (recor-
A partir de ahora, a cada neurona de la red, demos que en el PS, era simplemente un um-
algunas veces la llamaremos nodo. bral), que es acotada en respuesta. Similar-
Así, por ejemplo, a una red multicapa con mente en la retropropagación, el error en los
dos neuronas de entrada, dos ocultas y dos de nodos de las capas ocultas es proporcional a la
salida, la podemos graficar como sigue (figura sumatoria de los gradientes de los nodos de la
3). capa siguiente pesados por los pesos de cone-
El entrenamiento de esta red neuronal con- xión.
sistirá, al igual que en el perceptrón simple, en La aparición de una función de activación
presentar las entradas, junto con las salidas del tipo sigmoide es debido a restricciones
deseadas para cada una de ellas, y modificar analíticas en los algoritmos de entrenamiento.
los pesos de acuerdo al error (diferencia entre Una función de activación de este tipo es:
la salida deseada y la obtenida). 1
La principal dificultad en el entrenamiento y (p)=––––––
de redes de varias capas es encontrar los erro- 1-e -p
res asociados con las capas ocultas; es decir, donde x es la sumatoria de las entradas al
en las capas que no son la de salida (sólo se nodo pesadas por los pesos de conexión y y(p)
tiene salida deseada en las capas de salida). la salida del nodo correspondiente (o sea si re-
Esto es debido a que los errores son nece- cordamos del artículo anterior):
sarios para el aprendizaje, para saber cómo
modificar los pesos de las neuronas en las ca-
pas ocultas. Así se da origen a algoritmos muy
ingeniosos, el precursor y más conocido por su
simplicidad, es el que recibió el nombre de re-
tropropagación del error (backpropagation). Observe la figura 4.
Capítulo 3 23

Figura 4 sión difiere según la capa que se esté adap-
tando (el subíndice i es la capa y el j es la neu-
rona de la capa).
Para nodos de la capa de salida:
donde dij es la respuesta deseada.

Para unidades en las capas escondidas:
De todo esto, luego de algún trabajo mate-
mático, surge el algoritmo que se usa en el en-
trenamiento de la red.
n son las neuronas de la capa siguiente.
4. Volver al paso 2. y repetir el proceso has-

algorItMo dE rEtroProPagacIón ta que los pesos converjan ( O sea el error en-
tre las salidas deseadas y las obtenidas sea
1. Inicializar los pesos aleatoriamente y con menor que un valor deseado).
valores menores que 1. Generalmente estos pasos (de 1 a 4) se
2. Escoger un patrón del conjunto de entre- realizan un número determinado de veces, lla-
namiento, calcular la salida (para esto se avan- madas épocas de entrenamiento y luego se
za neurona por neurona, capa por capa, hasta observa si la red aprendió.
llegar a la salida, al igual que en el PS) y el Este es un modo de entrenamiento, existen
error asociado en cada nodo de la capa de sa- otros, pero por ahora con éste es suficiente.
lida. Una vez entrenada la red, se puede usar de
3.Adaptar los pesos: empezando con la ca- igual manera que vimos con el Perceptrón
pa de salida, y “modificando hacia atrás”, de la Simple. No existe un límite para fijar la canti-
siguiente manera: dad de capas de un PMC, pero se ha demos-
trado que un PMC con una capa oculta y con
wij (k+1)=wij (k)+a.dij . Yij el número suficiente de nodos, es capaz de so-
lucionar casi cualquier problema. Si se agrega
donde Yij es la salida real de la capa ante-
una capa oculta más, un PMC soluciona cual-
rior, a es un parámetro de aprendizaje (gene- quier tipo de problemas y en forma más efi-
ralmente 0.5) y dij es el gradiente cuya expre- ciente que con una sola.
PrácTica:
implementación de un
robot Móvil con NePic
IntroduccIón que navegue por el entorno, evitando los obs-
táculos y alcanzando la meta. Existe varios en-
A grandes rasgos, el problema puede enun- foques para resolver este problema, y entre
ciarse de la siguiente manera: un robot móvil ellos se encuentran las técnicas de IA como
se encuentra situado en un determinado am- son la Lógica Fuzzy y las Redes Neuronales.
biente, que contiene una serie de obstáculos y Estas técnicas han permitido aproximarse a la
una meta. Se trata de controlar el robot para solución de muchos problemas de control debi-
24 Capítulo 3

do a su capacidad de emular algunas caracte- No se puede pretender que el robot aprenda
rísticas propias de los humanos. Ahora tratare- todas las situaciones que posiblemente se va-
mos de aprovechar la capacidad de generaliza- yan a presentar durante la navegación. A nivel
ción de las redes neuronales, para resolver los de memoria se recargaría el sistema con dema-
problemas que plantea la navegación de robots siada información que se puede considerar re-
en ambientes desconocidos. dundante. Para resolver este problema las per-
Generalización en IA es el nombre que re- sonas recurrimos al proceso de generalización,
cibe una característica de las redes neuronales que nos permite solucionar un caso particular,
artificiales. Es decir, si una red neuronal se en- cuando se asemeja a un caso general conoci-
trena con un número suficiente de patrones, y do. Una de las principales características de las
luego frente a un patrón que no pertenece al redes neuronales es precisamente su capaci-
grupo con el que se la entrenó (una situación dad de generalización, por tanto, son una he-
nueva), da una salida correcta (que resuelve la rramienta ideal para proporcionar al robot la ca-
situación), entonces se dice que la red genera- pacidad de decidir en cualquier situación, inclu-
liza bien. so cuando dicha situación no se haya presenta-
Para que un robot pueda navegar en un am- do anteriormente.
biente desconocido, tiene que ser capaz de
efectuar unos movimientos tan intuitivos como
los que realizaría una persona que se encuen- un robot Para ExPErIMEntar
tra en su misma situación.
Los humanos no tenemos un mapa o un sis- De forma experimental en nuestro proyecto
tema de coordenadas en base al cual navega- podemos montar un pequeño robot, para esto
mos, simplemente observamos el entorno y va- debemos haber armado inicialmente la placa
mos decidiendo en cada instante la acción que del circuito experimental que les hablé en el ar-
hemos de ejecutar para continuar avanzando tículo anterior, (que podemos hallar en la pági-
hacia nuestro objetivo. Lo que se pretende es na www.rev-ed.co.uk, específicamente en
que el robot actúe de igual forma que una per- www.rev-ed.co.uk/docs/axe001_pcb.pdf ).
sona, es decir, que capte información sobre su Ya que, como dijimos vamos a usar los Pica-
entorno a través de los sensores y en función xe para experimentar, (ver Saber 205 , 211 o
de ella “decida” qué acción debe llevar a cabo consultar el sitio web www.rev-ed.co.uk para
para continuar su camino. saber más de estos).
Recomiendo usar el PICAXE 18X, pa-
ra que nos sirva para otros experimen-
tos.
Así, teniendo la placa con el Picaxe 18,
ésta va ser el “cerebro” del robot, aho-
ra necesitamos la estructura física, y
como para que cualquiera pueda expe-
rimentar, vamos a usar, y ¿por que
no?, algunos elementos de desecho.
Por ejemplo, ¿quién no tiene CD-
ROMs viejos? Bueno vamos a sacrifi-
car dos de éstos.
Los materiales que vamos a necesitar
serán los que podemos observar en la
figura 5.
Bueno, vamos armar un robot experi-
Figura 5 mental, nuestro primer experimento
Capítulo 3 25

será muy sencillo y le Figura 6
permitirá al robot mover-
se por el espacio. El
otro, que es más sofisti-
cado, lo simularemos en
parte, ya que requiere
realmente de algunos
materiales más, pero no
es imposible de realizar
y proporciona una clara
noción de la utilidad de
las redes.
En cuanto a los mate-
riales sólo mencioné las
características genera-
les, de manera que cada
uno pueda hacerlo con
lo que tenga en casa.
Sólo es conveniente que
las ruedas sean peque- Figura 7
ñas.
Los chinos dicen:
“Una imagen vale más
que mil palabras”, de
manera que en el en-
samblado procuraré va-
lerme más que nada de
esquemas.
Así el CD que irá en
la parte de abajo deberá
quedar como en la figura
6.
Como sensores en
este primer experimento
usaremos los interrupto-
res de contacto, éstos
deben ser de un tipo
muy común, lo que tene-
mos que lograr es que
se accionen con facili-
dad cuando contactan con algún objeto al cos- más o menos la relación que vemos en esa fi-
tado del robot. gura.
Para lograr esto, le colocaremos como una El CD superior deberá quedar como en la fi-
especie de “bigotes”, es decir le pegaremos gura 8:
unas barritas de plástico flexible. Entonces una vez armado, nuestro robot se
La disposición de estas barritas la podemos deberá ver como la figura 9.
observar en la figura 7 y su largo podemos ele- Es importante notar que la superficie en la
girlo experimentalmente, pero manteniendo que se moverá nuestro robot deberá ser com-
26 Capítulo 3

1- Cable del interruptor si-
Figura 8
tuado del lado izquierdo
del robot (ver figura 7).
2- El otro cable del inte-
rruptor situado del lado iz-
quierdo del robot (ver fi-
gura 7).
3- Cable del interruptor si-
tuado del lado derecho
del robot (ver figura 7).
4- El otro cable del inte-
rruptor situado del lado
derecho del robot (ver fi-
gura 7).
5- Negativo de la batería.
6- Positivo de la batería
(conviene interponer un
interruptor para comodi-
dad).
Es importante tener en
cuenta que si se trata de
pletamente lisa, de manera que los soportes no motores de corriente continua, como es este
se traben, por ejemplo un mesa con cubierta de caso, depende como los conectemos, van a gi-
fórmica. rar hacia un lado u otro.
A continuación veremos cómo realizar las Para asegurarnos de hacer bien las conexio-
conexiones, para esto nos guiaremos por la fines lo mejor es, una vez puestos en su lugar,
gura 10, los números dibujados sobre la placa, probar con la fuente directamente como deben
nos señalan lo que hay que conectar en esos ir conectadas las polaridades para que cada
pines marcados: motor gire en un sentido que provoque el avan-
ce del robot.
Figura 9 Una vez logrado esto, mar-
camos cada cable del mo-
tor según qué polaridad re-
ciba de la batería como + o
-. Entonces continuamos:
7- El cable marcado como

negativo del motor situado
del lado izquierdo del ro-
bot.
positivo del motor situado
del lado izquierdo del ro-
bot.
negativo del motor situado
del lado derecho del robot.
Capítulo 3 27

10- El cable marcado como positivo del mo-
tor situado del lado derecho del robot. Observe
la figura 10.
la rEd quE usarEMos
Una red muy apropiada para el control del

robot es un perceptrón multicapa, ya que debi-
do a sus características es muy válido para re-
solver problemas de clasificación. Además pre-
senta una estructura comparativamente senci-
lla, que permite una relativa sencillez en la im-
plementación en un microcontrolador.
En la figura 11 vemos una de las estructu-
ras que emplearemos en este primer experi-
mento: Figura 10
Resta ahora ver cómo implementar y entre-
nar esta red con NePic, y así programar la pla-
ca “cerebro” de nuestro robot. Luego planteare-
mos y simularemos un caso más completo de
navegación de robots móviles, con más senso-
res de proximidad y un sensor de orientación,
lo cual permitirá alcanzar un objetivo deseado
en el laberinto en el que el robot se mueve. Una
vez realizados estos experimentos veremos
más claramente la utilidad de las redes neuro-
nales multicapa. Figura 11
el robot tal como lo dejamos en el artículo pa-

rEgIonEs dE dEcIsIón sado (recomiendo tenerlo a mano). Con la con-
figuración que éste tiene, como vemos en la fi-
Bueno, vayamos a nuestro robot. En el pri- gura 12, no son demasiadas las opciones, tan-
mer experimento que realizaremos, usaremos to en lo relativo a la información que obtenga
Figura 12
28 Capítulo 3

del ambiente, como las posibilidades de movi- ra usaremos el robot tal cual está, ya que nos
miento. servirá para analizar varios aspectos.
En esta figura podemos apreciar que si el El problema como está es muy sencillo, y se
robot hace contacto con un obstáculo con su puede solucionar con dos Perceptrones sim-
antena, el interruptor correspondiente envía ples. Esto nos permitirá entender lo que men-
una señal en alto. Para evadir el objeto el robot cioné en el artículo anterior: “para que un pro-
deberá apagar su motor derecho y mantener blema se pueda resolver con un perceptrón
encendido el izquierdo, hasta alejarse del obs- simple (PS), sus soluciones deben ser lineal-
táculo (girando a su derecha) , luego volver a mente separables”, ésta era la gran limitación
encender los dos. del PS.
Para lograr esto construimos una tabla con De manera que con una estructura como la
las opciones y los resultados esperados: siguiente (figura 13), estaría solucionado (a no
preocuparse, pronto veremos un PMC).
Entradas salidas
X1=0 Y1=1
X2=0 Y2=1
X1=0 Y1=0
X2=1 Y2=1
X1=1 Y1=1
X2=0 Y2=0
En esta tabla, X1 es la señal proveniente del

Figura 13
interruptor 1 que ingresa en In1, X2 es la señal
proveniente del interruptor 2 que ingresa en
In2, y Y1, Y2 son las salidas hacia los motores Analicemos cada neurona por separado, y
izquierdo y derecho respectivamente. veamos su espacio solución.
Así, si ningún interruptor está cerrado (no Para la neurona 1 (figura 14), ésta deberá
hay contacto con objeto), el robot debe avanzar funcionar de manera que:
hacia adelante, para lo cual debe enviar alimen-
tación (nivel alto) a ambos motores. • X1=0, X2=0 => Y1=1
En el segundo caso el robot hace contacto • X1=0, X2=1 => Y1=0
con un objeto a su izquierda, entonces debe gi- • X1=1, X2=0 => Y1=1
rar a la derecha, para esto apaga el motor de-
recho (nivel bajo) y mantiene encendido el iz-
quierdo. Similarmente para un objeto a la iz-
quierda.
Cabe mencionar que suponemos que el ro-
bot no choca de frente con un objeto.
Debido al tipo de integrado al que se hallan
conectados los motores (un simple UL-
Figura 14
N2803A), éstos no podrán girar en reversa, así
los motores sólo pueden moverse hacia ade-
lante, lo cual es una limitación bastante grande, Esta información la podemos colocar toda
la opción para obtener reversa es usar el junta en un gráfico cartesiano, con X1 en las
L293D (para esto ver en la página www.rev-ed- abscisas, X2 en las ordenadas, Y1=1 marcado
.co.uk, específicamente en www.rev-ed- con “x” y Y1=0 marcado con “o”, como vemos
.co.uk/docs/axe020.pdf) y colocarle interrup- en la figura 15.
tor frontal como una entrada más, pero por aho- Este gráfico recibe el nombre de región de
Capítulo 3 29

Figura 15 . En la figura 17 vemos, de acuerdo que forma
de región de decisión tengamos, qué estructu-
ra de neurona deberíamos usar.
No existe un límite para fijar la cantidad de
capas de un PMC, pero se ha demostrado que
un PMC con una capa oculta (total dos capas)
y con el número suficiente de nodos, es capaz
de solucionar casi cualquier problema. Si se
agrega una capa oculta más (total tres capas),
decisión y en este caso vemos que para sepa- un PMC soluciona cualquier tipo de problemas
rar los dos tipos de decisiones que tenemos y en forma más eficiente que con una sola.
nos basta con una línea recta (figura 16), de Bueno, por ahora llegamos hasta aquí.
ahí que digamos que el PS sólo soluciona pro- Volviendo a nuestro caso del robot con dos
blemas linealmente separables. “antenas”, podemos ver que la neurona dos va
a funcionar similar, sólo que de manera diame-
Figura 16 tralmente opuesta.
Así, nuestro primer experimento será entre-
nar de esta forma simple a nuestro robot.
PrIMEra PráctIca
Para entrenar el circuito necesitamos la ver-

sión actualizada de NePic (se lo puede bajar
También podemos ver en el caso de la tabla gratuitamente de nuestra web: www.webelec-
“OR”, si nos tomamos el trabajo de graficar, tronica.com.mx, haciendo clic en el ícono
que su solución es una línea recta que pasa password e introduciendo la clave nepic2).
por el origen, por lo que con un PS sin bias, lo Una vez instalada esta aplicación ingresamos
solucionábamos. en “Perceptrón completo”, desde la pantalla de
Cabe mencionar que la señal de bias lo que opciones, como vemos en la figura 18.
hace es proporcionar una ordenada al origen a Luego procedemos al igual que con la fun-
la recta, por eso decíamos que le añade un ción “OR”, cargamos los patrones (tabla) me-
grado de libertad más a la
neurona (ver primer artícu-
lo). Como pasa en el caso
de la función “XOR”, ya no
basta con una recta para
separar las soluciones, así
también en problemas más
sofisticados; como por
ejemplo si se dispone de
imágenes de un equipo de
diagnóstico médico y se
quiere enseñar a una red a
detectar el cáncer, ya los
espacios soluciones pre-
sentan regiones de deci-
sión en formas complicadas Figura 17
30 Capítulo 3

Figura 20
Figura 18
Figura 19 BASIC”, (figura 19) esto genera un código para

PICAXE que se guardará con el nombre:
C:\Archivos de programa\Nepic\ Robot1.bas
Nota: se puede abrir con editor de textos).

El código BASIC generado es el que vemos
diante el mismo método anterior, luego presio- en la figura 20 .
namos “entrenar” y finalmente “Generar código El entrenamiento, lo que genera son los pe-
sos w11, w12, w13 y w14 (equivalen-
Figura 21 tes a w1, w2, w3 y w4), que son los
que codifican la solución del proble-
ma. Nuevamente, al ser un problema
muy sencillo, los pesos son casi “in-
tuitivos”. Una vez más podríamos ha-
ber generado el código mediante el
editor de flujo de PICAXE (en el “PI-
CAXE Programming Editor”, se pue-
de bajar gratis de www.rev-ed.co.uk),
y simularlo con el simulador, de la
forma que vemos en la figura 21.
En la figura 22 se puede ver cómo se
configuran las variables de entrada y
de salida en el Editor de Programas
de PICAXE.
En la implementación en microcon-
Capítulo 3 31

trolador, verán que utilicé la función de activa- Figura 22
ción f invertida (vea el capítulo 2), en este caso
fue por sencillez y por la imposibilidad de traba-
jar con números negativos con PICAXE, lo que
me llevó a cambiar esto, para lograr la pendien-
te negativa que tiene la recta que separa las
regiones de decisión. Más adelante, en poste-
riores experimentos posiblemente usaremos
algunos artilugios que nos permitan codificar
números negativos en Picaxes (con PICs co-
munes se emplean los números complemento
de dos, pero ya que aquí esto no es posible,
emplearemos otras estrategias). Como hemos
visto hasta ahora, las redes neuronales nos sir-
ven por ejemplo, para resolver problemas co-
mo el aprendizaje (en dispositivos más sofisti-
cados los mismos pueden estar dotados del al-
goritmo de aprendizaje). Pero esta flexibilidad
también implica un costo computacional más
elevado (es decir se emplea más recursos, por
ejemplo: memoria).
Volviendo a nuestro robot, no queda más
que abrir el código basic con el “PICAXE Pro-
gramming Editor” , pasarlo a código ejecutable
y luego descargar el código ejecutable al Pica- mos el sistema de sensores. De todas mane-
xe 18 del circuito experimental que hace de ras, sólo lo simularemos con NePic, mediante
“cerebro” del robot. Y listo!, ya puede empezar un pequeño módulo que le agregué, debido a
a funcionar. Hasta acá bien ¿y los PMC?, ¿qué que conseguir los sensores de ultrasonido que
pasó? En el siguiente experimento nos valdre- requiere y una brújula electrónica, junto a su
mos de éstos para plantear el diseño de un dis- acondicionamiento, puede ser algo caro y la
positivo, que actúe de manera más similar a idea es como dijimos, aprender en forma eco-
una persona en un ambiente desconocido. nómica.
Figura 23
sEgunda PráctIca
Ahora en este caso su-

pondremos un robot que
parte de una posición cual-
quiera en un laberinto y que
debe ser capaz de alcanzar
una determinada meta (fi-
gura 23).
Para que el robot tenga
más “percepción” del am-
biente y pueda moverse con
más soltura, sin colisionar
con los objetos, rediseña-
32 Capítulo 3

De todas formas se Pero por ahora quedémonos con la idea.
pueden armar de Veamos, el ambiente donde navega el robot es
manera relativa- un cuadrado, en su interior se encuentran distri-
mente sencilla buidos en forma aleatoria varios obstáculos que
usando mouses en el robot deberá evitar.
desuso, ya que los Así, las variables de interés para el robot son
LEDs infrarrojos de la presencia de obstáculos y su orientación res-
Figura 24
éstos, con una pe- pecto a la meta. Entonces el robot está equipa-
do con cinco sensores de proximidad que
Figura 25 se encuentran uniformemente distribuidos
en la parte delantera (ver figura 24).
Estos sensores tienen la capacidad de de-
tectar la presencia de un obstáculo y me-
dir la distancia a la que se encuentra. En
este caso se ha considerado que única-
mente son de dos estados, de forma que
si se detecta un objeto se activará la señal
lógica 1 y si no la señal activa será un 0
(esto para facilitar la comprensión). El
campo de acción de los ultrasonidos lo su-
ponemos de un ángulo de unos 33º de
apertura y 22,5 cm de alcance.
También por simplicidad supondremos
que S5 y S4 así como S1 y S2 trabajan de
a pares como un solo sensor, así tenemos
el equivalente de 3 sensores a la entrada
(figura 25).
En cuanto a la brújula, nos dará un uno si
queña adaptación se pueden emplear de ma- el robot está dentro de los 0 y + 180 grados
nera muy satisfactoria como detectores de pro- apuntando hacia la meta y un cero si está en la
ximidad. dirección contraria (+180 y +360), ver figura 26.
Bueno, la red elegida es
Figura 26 un PMC, debido a que es-
te tipo de redes por sus
características, como ya
vimos, son muy válidas
para resolver problemas
de clasificación como el
que nos ocupa.
A esto cabe añadir que
presentan una arquitectu-
ra relativamente sencilla.
En la figura 27 se muestra
la estructura de la red em-
pleada compuesta por
cuatro entradas, cuatro
neuronas en la capa ocul-
ta y dos en la de salida; to-
Capítulo 3 33

Figura 27 sus propios patrones de movimiento, esto nos
dará una idea experimental de cómo aprende
el robot, de todas formas en una aplicación real
son necesarias las funciones.
Lo que tenemos que hacer es imaginar to-
das aquellas situaciones con que se puede en-
contrar el aparato y de ahí extraer el valor que
nos entregarían los sensores (entrada de nues-
tra red) y lo que desearíamos a la salida.
Puede ver 2 ejemplos en figura 28.
das ellas con función de activación del tipo sig- De esta forma podemos generar conjuntos
moidal.
Una de las características
más destacables de las redes
neuronales, es que como vimos,
aprenden a partir de ejemplos.
Para poder llevar a cabo el pro-
ceso de entrenamiento, es nece-
sario recopilar una gran cantidad
de datos, los suficientes para
que la red pueda aprender a de-
sempeñar la tarea para la que
fue creada. En este caso, los
ejemplos (patrones) van a ser
una serie de trayectorias como
la que se muestra en la figura
23, a partir de las cuales se van
a extraer todos los parámetros
que componen los vectores de
entrada y salida de la red. Figura 28
Para generar estas trayecto-
rias, lo ideal sería poder captar
la secuencia de movimientos
que efectuaría una persona que
guiase el robot. Como esto no es
posible, hay que recurrir a otras
alternativas como utilizar alguna
serie de funciones programadas
en algún software con capaci-
dad de procesamiento numérico,
que permitan extraer los datos
de las trayectorias trazadas.
Como esto es algo complica-
do recurriremos a un método
manual que es más didáctico,
plantearemos un par de situacio-
nes y cómo crear los patrones y
dejaremos que el lector genere
34 Capítulo 3
Figura 30
Figura 29
de patrones que luego cargaremos y entrenare-

mos. Por ahora el simulador sólo muestra los
dos ejemplos ya propuestos, en próximas edi-
ciones concluiré un módulo de entrenamiento
más avanzado y hablaremos de softwares gra-
tuitos disponibles en Internet. Esta vez ingresa-
mos en “Perceptrón Multicapa “ (figura 29) y
luego presionamos “Probar en simulador” (figu-
ra 30) donde luego de encender el robot, pode-
mos verificar que éste se comporte como le en-
señamos, encendiendo o apagando el motor
correspondiente, según las acciones que ejecu-
temos sobre sus sensores (sensores de ultra-
sonido y brújula), ver figura 31.
Veamos ahora un ejemplo más, de otra for-
ma en que podemos usar las redes para nave-
gación de robots. Supongamos que tenemos el
Figura 31 siguiente esquema (figura 32).
Figura 32
Capítulo 3 35

Si por ejemplo la videocámara le
entrega a la red alguna de las for-
mas de la figura 33, la red debe re-
conocer cada una como pertene-
ciente a una forma determinada, sin
importar su posición y su grado de
nitidez. Cada una de ellas se repre-
senta por un vector de nueve ele-
mentos, donde cada componente
es el nivel de gris correspondiente a
cada píxel.
Para esto es útil, por ejemplo,
una red multicapa de 9 entradas,
capa oculta de 2 neuronas y 3 neu-
ronas de salida. Más adelante vere-
mos cómo podemos usar estas téc-
nicas en visión artificial, desarro-
llando un pequeño “Ojo artificial
electrónico” y luego entrenándolo Figura 33
con imágenes “corrompidas”.
Bueno, con esto es suficiente por ahora. Ya algo de control “fuzzy”, tendiente al mando de
tendremos oportunidad de ver más de redes la rotación de un brazo robot, a partir de las se-
En el próximo capítulo comenzaremos con ñales de electromiografía de una persona. J
36 Capítulo 3
Cap4-brazoEMG:ArtTapa16/01/1310:13Página37
C a p í t u lo 4
I ntroduccIón al c ontrol con F uzzy logIc

c ontrol de B razo roBot
por S eñaleS e lectromIográFIcaS
Cuando se desea hacer control con las técnicas convencionales, nos encontramos con la
necesidad de obtener un modelo matemático del proceso a controlar. Además, se necesita
contar con un objetivo en el control, expresado en forma matemática precisa. Si el sistema
a controlar es algo complejo, no lineal y con un comportamiento temporal que varía, la tarea
de obtener el modelo matemático puede ser complicada. Mediante el empleo de técnicas de
lógica difusa se pueden implementar sistemas de control fácilmente, por medio de reglas
provenientes de la experiencia o el sentido común. Empleando estas técnicas es posible
comandar muchos dispositivos, los cuales por su naturaleza complicada sería muy difícil
gobernar de otra manera; el control de “neuroprótesis” es una clara aplicación. La imple-
mentación de un controlador fuzzy puede realizarse de muchas formas, en este capítulo
explicaremos cómo usar una técnica sencilla para la implementación de un brazo robot uti-
lizando técnicas de lógica difusa a señales eléctricas producidas por un músculo durante el
proceso de contracción y relajación (señales electromiográficas).
Capítulo 4 37

IntroduccIón perteneceonoperteneceylisto.Peroextrapo-
lemos esto a la realidad y veamos que no es
¿Quién no ha escuchado en esta época ha- tansencilloenlavidacotidiana.
blar de FUZZY LOGIC o Lógica Difusa? Si por ejemplo quisiéramos clasificar a las
Seguramenteadiariovemosyoímossobre personasenaltasybajas,entoncespodríamos
lavadoras y televisores con tecnología fuzzy, definirdosconjuntos,talcomosemuestraenla
software que juega al ajedrez con técnicas figura1.
fuzzy,satélitesconcontrolfuzzy,etc. Ahorasupongamosqueimponemoslacon-
Nuestropropósitoesdesmitificarestatécni- dición que una persona para ser “alta” tiene
ca,poniéndolaentérminosmuysencillosalal- quetener1,70mdealtura.Así,sitomamosco-
cancedecualquieraficionado. moxlapersona:
Paracomenzartendremosquerepasaral-
gomuyconocido,queseguramentetodoshe- µC(x) =1 si la persona tiene una estatura
mosvistoalgunavez,ynosreferimosalaTeo- igual o mayor a 1,70 m (o sea pertenece al con-
ríadeConjuntos.Aunqueahoratrataremoscon junto C).
unnuevotipodeconjuntos:losconjuntosfuzzy µC(x) = 0 (caso contrario).
(difusosoborrosos).
Enrealidad,losconjuntosordinariosnoson Comopodemosapreciar,estemétodoesun
másqueuncasoparticulardelosconjuntosdi- pocoinjusto,porquenoeslomismodecirque
fusos.Algunosautoresprefierenllamarlossub- esbajaunapersonaqueposee1,50mdealtu-
conjuntosdifusos,porrazonesteóricasválidas, ra,queaquellaquemide1,69m.Además,¿es
pero nosotros directamente nos referiremos a realmente apreciable la diferencia entre 1,69 m
elloscomoconjuntos,yaqueelobjetivoessim- y 1,70 m?
plificarlateoríaparafacilitarlacomprensióny Asínacelaideadeusarfuncionesqueindi-
eluso. quen pertenencia a conjuntos, cuyos resulta-
dosnoseanexclusivamenteunosoceros,sino
que puedan variar libremente en el intervalo
Los conjuntos Fuzzy [1,0].
Conestemétodopodemosindicarporejem-
SupongamosquetenemosunconjuntoA,y plo;silapersonaxmide1,69m:
BesunsubconjuntodeA.Enteoríaconvencio-
naldeconjuntosdecimosqueB ⊂ A(Bestáin- µC(x) = 0,99 (tiene un 99% de pertenencia
cluidoenA).Yparaindicarqueunelementox al conjunto de altos).
cualquierapertenecealconjuntoAescribimos:
x ∈ A. yademás:
Ahora,existeotraformaparaexpresaresa
nociónyconsisteenelusodeunafunciónde µD(x)=0,01(tieneun1%depertenenciaal
pertenencia.Esdecir,unafunciónquemedian- conjuntodebajos).
te su valor nos indique, si x
perteneceonoaA.Así,silla- Figura 1
mamosµA(x)adichafunción,
podemosindicar:
µA(x)=1six ∈ A
µA(x)=0six ∉ A
Aquí estaríamos frente al

casoenquelacuestiónessi
38 Capítulo 4
Control de Brazo Robot por Señales Electromiográficas

Figura 2 • Es fácil de entender conceptualmen-
te. Los conceptos matemáticos detrás
de ésta son muy simples. Lo que la
hace atractiva es la naturalidad con la
que uno puede expresar problemas
de cierta complejidad.
• Es flexible. Una vez diseñado un al-
goritmo fuzzy es fácil cambiar las re-
glas de comportamiento.
• Los datos pueden ser imprecisos y
sin embargo, el sistema funcionar
Como vemos, formar parte de un conjunto igualmente.
noexcluyelapertenenciaaotro,enestateoría. • Se pueden modelizar sistemas no-lineales
de complejidad arbitraria.
¿Para qué nos sirve esto? • El sistema fuzzy puede ser construido en
Bueno,comotodossabemos,enlavidanor- base a la experiencia de expertos. Esto es una
malmentenuestraapreciacióndelarealidadno gran ventaja si lo comparamos con las redes
esunsimpleSí/No.Porejemplo,lamadreque neuronales donde la red entrenada es como
estáapuntodebañarasubebé,tienelatina una caja negra, en problemas complejos.
preparada, introduce la mano y dice que el • Puede combinarse con técnicas de control
agua“estácaliente”,pero¿cuánto es caliente?, convencionales.
¿exactamente 60 ºC?, ¿o más? • Se basa en el lenguaje natural. Como vere-
O cuando alguien afirma que un objeto es mos en el diseño de los controladores, es sen-
amarillo, ¿es porque la longitud de onda que re- cillo expresar las instrucciones como reglas
fleja es exactamente de 555 nm? fuzzy.
Lalógicadifusatienemuchoqueverconla
precisión. ¿Qué tan importante es ser preciso EntonceslaLógicaFuzzyesunaformapara
en lo que uno dice? conseguirlosresultadosdeseados.
Surgelanecesidaddeexpresarestasideas Volviendo al ejemplo, podemos expresar el
en el campo de la técnica de alguna manera conjuntodepersonasbajascomoseestablece
sencilla y fácil de manipular. La Lógica Difusa enlafigura2.Aquíseexpresacadaelemento
seproponecomounaherramientaparasalvar consufuncióndepertenenciaasociada,según
estasambigüedades.Obviamentenoeslaúni- elejemplo:
camanera,perosílamássimple.
Así podemos mencionar algunas de sus ConjuntodePersonasaltas=
ventajas: ={1|(0,001);1,50|(0,01);1,60|(0,85);1,64|(0,99);1,80|(1);1,90|(1)}
Figura 3 Alconceptomatemático:
C = {x1| (µC(x1)); x2|(µC(x2)); ...; xn|(µC(xn))}
Selellamaconjuntofuzzy.
Existenvariasoperacionessencillasy
muyútilesquesepuedenrealizarcon
los conjuntos fuzzy. Analicémoslas
con mucha atención, ya que son la
baseparaeldiseñoposterior.
Capítulo 4 39

Losconjuntosfuzzypuedenserrepresenta- Ahora al expresar las funciones de perte-
dos en forma gráfica muy fácilmente como nenciagráficamente,lasoperacionesquedefi-
quedarepresentadoenlafigura3.Osea,para nimos anteriormente también pueden expre-
eldiseñodecontroladoresfuzzy,losconjuntos sarseenformagráfica(figura7).
se representan con figuras convexas (triángu-
losytriángulostruncadossonunamanerasen-
cilla)ynormales(enlasquealmenosunode
suselementostengavalordepertenencia1,y
ninguno más que 1).Así, por ejemplo, supon-
gamos que tenemos una persona que mide
1,60 m; podemos mediante el gráfico saber
cuanaltaycuanbajaes(observelafigura4).
Figura 4
Figura 7
La forma analítica de expresar un conjunto

fuzzy se muestra en la figura 8, donde se
expresalacorrespondenciaentreunconjuntoy
lossubconjuntosasociados.
También, las funciones de pertenencia po-

dríansercomolassiguientes(figura5).
Figura 5
Figura 8
dIseño de un controL Fuzzy
Peroporsimplicidad,alahoradeimplemen- ¿Cómo empleamos estos conocimientos?

tar,escogemosfigurascomoéstas(figura6). Todo parece complicado. Bueno, ahora ve-
remosquetodaestateoríaesmuyútil.
Figura 6 Engeneral,entodoprocesodecontroltene-
mos(figura9).
Figura 9
40 Capítulo 4

Existeunconjuntodesensoresqueleenlos comolaparadadeéstaylapuestaenmarcha.
datosdelaporcióndelmundorealsobrelacual Tambiénesposibleelmanejodesistemassoft-
queremosactuar,leenvíanestainformacióna warequereproduzcanpalabrasdeunmenúen
uncontrolador,queposeeunareferenciaacer- lapantalladeunordenadorconectadoaunsis-
ca de que comportamiento se desea en este tema de adquisición de señales de este tipo.
proceso. El controlador influye sobre el proce- Para esto sólo hay que asociar determinadas
so,basándoseenesareferenciayatravésde señalesEMGalosmovimientosdeunpuntero
losactuadoresprocuralograrelcomportamien- enlapantalladelordenador,medianteelquese
toesperado. escoge la palabra adecuada para ser repro-
Loqueharemosesconstruiruncontrolador, ducida. Otras aplicaciones son la determi-
perobasándonosenlastécnicasquenospro- nacióndeltiempodeactivacióndelmúsculo,la
porcionarálalógicafuzzy.Sureferenciaserán estimacióndelafuerzaproducidaporunacon-
lasreglasfuzzy. tracción muscular y la obtención de un índice
Para estudiar todos los pasos en el diseño de la fatiga muscular. Estas últimas aplica-
deestetipodecontroladores,veremosuncaso ciones están muy indicadas en medicina
práctico aplicado a señales eléctricas produci- deportiva.
dasporelcuerpohumano. Desgraciadamente también hay serios
inconvenientes, como la fatiga muscular. La
respuesta de un músculo en estado de fatiga
Las señaLes MIoeLéctrIcas difiere de la respuesta del mismo músculo en
ausenciadeesteestado;estodebesertenido
Las señales electromiográficas (EMG) son encuentadurantelafasedeutilizacióndeeste
señales eléctricas producidas por un músculo sistema de control EMG. Otro inconveniente,
duranteelprocesodecontracciónyrelajación. aunquedemenortrascendenciaeselhechode
Esta característica muscular se pretende queserequiereunperiododeaprendizajepor
aprovecharenelcontrolporcomputadorapara parte del usuario. Durante este tiempo el
conseguir crear interfaces de comunicación pacientedebeaprenderagenerarlarespuesta
entreelusuarioylamáquinaalternativosalos adecuadaparaelmanejodeunsistemadeeste
ya existentes, como son el teclado y el ratón. tipo.
Un interfaz de este tipo permitiría a cualquier Una cuestión importante es conocer el
usuario controlar sistemas informáticos y/o número de señales distintas que puede pro-
electrónicos mediante la contracción de deter- ducirunmúsculoyqueseanutilizablesporun
minadosmúsculos. sistema de control EMG. Actualmente se han
Pero más que para usuarios normales, un construido sistemas experimentales que han
sistema de este tipo es especialmente intere- conseguidodistinguirentreseisseñalesdistin-
santeparaindividuosquepadezcanalgúntipo tasenmúsculosconcretos.
de parálisis que dificulte sus actividades y su
interacción con el mundo que le rodea, ofre- ¿Cómo se pueden utilizar estas señales en
ciendo unas posibilidades hasta ahora inexis- beneficio de estas personas?
tentesymejorandosucalidaddevida. Podemos hacerlo con ayuda de orde-
Unadelasaplicacionesquesepuedellevar nadores y sistemas electrónicos de control.
acaboconsisteenusarestasseñalesparaque Utilizandoestastecnologíasesposiblecapturar
personas con un alto grado de discapacidad las señales electromiográficas producidas por
física puedan desplazarse en silla de ruedas laactividaddeunmúsculosano,aplicarlesuna
controlados por ellos mismos. Esto es posible serie de transformaciones para obtener una
siemprequeelpacientedispongaalmenosde señal más adecuada para su almacenamiento
unmúsculosano,queseráutilizadoparacon- en ordenadores, y comparar las señales pro-
trolar la dirección de avance de la silla, así ducidasporelusuarioconotrasanteriormente
Capítulo 4 41

tratadas y almacenadas en un usados en el diseño deben ser
ordenador, para que operen ciudadosamente seleccionados
comocomandossobresistemas paraminimizarqueelruidopre-
de control que realicen las fun- senteentodosloscircuitoselec-
ciones más importantes que el trónicos afecte a la señal de
usuario necesite, auxiliando a entrada.  Una vez realizada la
ésteensulabordiaria. amplificación, tenemos una
Perounsistemadeestetipo, señalequivalentealaproducida
no se reduce a colocar unos porlacontracciónmuscularpero
electrodos en un individuo y de mayor amplitud. Es nece-
conectarlosaunacomputadora, sario ahora eliminar algunas
sino que se necesitan circuitos componentes conocidas de
electrónicos muy sensibles y ruido en esta señal ya amplifi-
sofisticados para recoger este cada con objeto de eliminar
tipodeseñales,asícomotécni- información que puede estar
cas de tratamiento de señales ensuciandolaoriginal.Paraello
complejas. En la figura 10 se selahacepasarporunaetapa
pueden ver las partes princi- defiltrado,enconcretoseelimi-
palesdelasquesecomponeun Figura 10 nan las componentes de fre-
sistema de adquisición de cuencia de 50Hz 0 60Hz (red
señalesEMG. local).Lasresponsablesdeesteruidode50Hz
Enelmúsculoelegidoparaello,secolocan o 60Hz son las líneas de tensión domésticas
unos electrodos de superficie para capturar presentesentodaslasinstalaciones.Hayque
estasseñales.Estoselectrodossonfundamen- tener en cuenta que existen otras fuentes de
tales para una buena captura, debiendo tener ruidoqueafectanalaseñalyquenoesposi-
buena superficie de contacto y gran adheren- blesueliminacióntotal. Llegadosaestepunto
cia.Debidoaquelapielofreceunaresistencia sehaobtenidounaseñalenunosmárgenesde
elevada,sehacenecesariolaaplicacióndeun tensiónadecuadosysehaeliminadoruidoen
gelquedisminuyadicharesistenciaenlazona lamedidadeloposible,peroestaseñalnoestá
aplicada,contribuyendoamejorarlaganancia en la forma adecuada para que los orde-
delaseñal.Estoselectrodosseaplicandirec- nadores actuales (digitales) puedan trabajar
tamentealaentradadeunamplificadordealta conella.Portantosehacenecesariounaetapa
ganancia.Estoesasídebidoaquelasseñales de conversión. La señal original es de natu-
EMGtienenunatensióndelordendemilivoltlo ralezaanalógica,esdecir,entredosinstantes
quelahaceinapropiadaparatrabajarconella, detiempocualesquieradeéstaexisteninfinitos
debiéndose por esta razón amplificarla hasta valores de la señal. Al no poder trabajar los
valoresenlosqueloscircuitospuedantrabajar ordenadores con señales analógicas hay que
sin problemas. La etapa de amplificación es convertirlas a señales digitales o discretas
una de las etapas más críticas en todo el muestreando la señal analógica con una fre-
tratamiento a que se someten estas señales. cuencia adecuada para no perder ninguna
Los amplificadores deben diseñarse con informaciónrelevante.Elteoremadelmuestreo
extremo cuidado para evitar influir en la señal afirmaqueparamuestrearunaseñalsinperder
original y deben realizar una amplificación lo informaciónyportantopoderreproducirlaper-
más fiel posible de la señal de entrada. En la fectamente partiendo de la señal discreta, se
práctica,estoescomplicadodebidoaquelas debemuestrearaunafrecuenciadealmenos
señalesEMG,alsertandébiles,sonfácilmente el doble de la frecuencia fundamental de la
sobremoduladasporotrasseñalesqueaumen- señalanalógica.LasseñalesEMGtienenuna
tan el ruido de la señal original. Los circuitos frecuencia que oscila entre 50Hz y 150Hz, de
42 Capítulo 4

lizan en casos específicos cuando la señal es
Figura 11
de difícil tratamiento. Es un método computa-
cionalmente eficiente puesto que existe un
algoritmo, llamado FFT (Fast Fourier
Transform) que reduce el número de opera-
ciones necesarias para realizar la conversión.
 De las técnicas matemáticas para el análisis
univariantedeseriestemporalesseutilizanlos
procesosautoregresivosAR,quesebasanen
estimar el enésimo valor de la señal usando
unacombinaciónlinealdeunnúmero,determi-
nado a priori, de valores anteriores. Existen
otros procesos como MA (Moving Average) o
procesos de media móvil, y combinación de
aquísededucequelafrecuenciademuestreo ambos en ARMA.  La última técnica men-
adecuadanodebesermenorde300Hz,figura cionada consiste en utilizar una red neuronal
11.Quizássepuedapensarqueunafrecuencia para determinar el grado de igualdad entre
de muestreo mayor, por ejemplo 600Hz, sea señales. Estas técnicas son muy recientes y
mejor,perocon300Hzseobtienetodalainfor- parecenadaptarsebienaestetipodeseñales
maciónfundamentaldelaseñalyseminimiza en las que hay una componente fuerte de
el número de datos necesarios para manejar aleatoriedad. Presentan como inconveniente
lasseñalesEMGenordenadores. unacargacomputacionalelevada. Estosméto-
A una frecuencia de 300Hz y muestreando dos son implementados mediante algoritmos,
durante un segundo se representa una señal programados lo más eficientemente posible,
EMG como un vector de 300 elementos, un usando para ello estructuras de datos ade-
tamaño aceptable que permite un tiempo de cuadas y haciendo especial énfasis en la
cómputomuybuenoenunordenadoractualde velocidad de ejecución de estos métodos,
prestacionesmedias.  puestoqueunsistemadeestetipodebetener
Ya tenemos la señal producida por la con- característicasdetiemporealyportantodebe
tracción muscular de una persona en la com- acortareltiempoderespuesta.Unavezquese
putadora de forma manejable y a la que se le reconoceunaseñalprocedentedelmúsculodel
puedenaplicardeterminadasoperaciones.Nos usuario, se realizan las acciones asociadas a
centramosahoraenladescripcióndelasprin- esta señal. Estas acciones pueden ser muy
cipales técnicas matemáticas para la manipu- variadas,desdemoverelpunterodelratónen
lacióndeestasseñales.Debidoalanaturaleza lapantalladelordenador,hastaactivarunsis-
estocásticadeestasseñales,hayquerecurrira tema motor que realice una acción mecánica.
técnicas específicas; en concreto, el que Las acciones a realizar por el sistema vienen
suscribeestáutilizandotresmétodos:elanáli- determinadas por las necesidades de cada
sis espectral, ecuaciones autoregresivas y paciente, siendo prácticamente ilimitadas. Un
redesneuronales. Elanálisisespectraloanáli- sistema de este tipo es un claro ejemplo de
sisdeFourierconsisteenpasarunaseñaldel cooperación entre dos áreas de conocimiento
dominiodeltiempoaldominiodelafrecuencia. que, aunque se encuentra aún en fase de
Obteniéndosedeestaformainformaciónsobre desarrolloyhaypocostrabajosenestecampo,
lascomponentesenfrecuenciadelaseñalen esperemos que sea un campo en crecimiento
estudio.Sóloesnecesarioañadiruncriteriode constante,puesesdegranpotenciayutilidad,
distanciaparadeterminarlaigualdadentredos sobretodoparapersonasconparálisis,loque
señales. Normalmente se usa la distancia conduciría a una mayor integración de estas
Euclídea,peroexistenotrasmuchasqueseuti- personasenlasactividadessociales.
Capítulo 4 43
Práctica:
Control de Brazo Robot
Mediante Señal EMG
IntroduccIón aL ProbLeMa Paraelcontroldeestasprótesissecuenta
conlasseñalesgeneradasenlosmúsculospor
En la actualidad existen muchos individuos lasinstruccionesqueelcerebrolesenvíapara
con discapacidades sensori-motoras. Con el moverlos.Estassellamanseñaleselectromio-
objetivodeayudaralamejoradelacalidadde gráficas(EMG).Ennuestrocaso,parasimplifi-
vidadeestaspersonassehandesarrolladonu- car,supondremosqueutilizaremosestasseña-
merosos sistemas prácticos. Estos sistemas les obtenidas de una persona sana, es decir,
están orientados, en algunos casos a facilitar demúsculosnormaleseintactos.
susfuncionessensori-motoras,talescomoex- Enunciaremoselproblemaentonces:
tenderlamano,tomarysosteneralgo,pararse, Supongamos que deseamos controlar el
caminar, etc. y en otros casos directamente a movimientoderotacióndeunbrazoutilizando
reemplazarlosmediosoriginalesporloscuales uncontroladordifuso.
selograbanestastareas. Elbrazorobotimitaráelmovimientodelaar-
Uncasomuycomúneselreemplazodelas ticulacióndelcododelapersona.
funcionesmínimasdeunmiembrosuperior,en Paracontrolarestemovimientosensaremos
unapersonaamputada,medianteunaprótesis lasseñalesdeelectromiografíacorrespondien-
electrónicaymecánica. tesalosmúsculosbícepsytríceps.Yaquíca-
Aunquequizástodavíanosparezcaunpro- beunaaclaración.Comonoeselpropósitode
ductodelacienciaficción,hoyendíamedian- esteartículoexplicarlosrequerimientosdeun
te las técnicas de procesamiento de señales, dispositivo electrónico capaz de adquirir elec-
es factible el diseño de “prótesis inteligentes”. tromiograma, simplemente describiremos bre-
Estas se conectan mediante electrodos al pa- vementeenquéconsistedichoaparato.
cienteylepermiten,conunentrenamientoade- Laseñaldeelectromiogramaestáconstitui-
cuado,controlardichaprótesis. daporlasumatoriaespaciotemporaldetrenes
Unejemploconvencionaldeestosdispositi- depotencialesdeaccióndeunidadesmotoras.
vos es el “UtahARM2”, una prótesis eléctrica En palabras sencillas los nervios, al enviarle
diseñada por “Motion Control” (Figuras 12 y señaleseléctricasalosmúsculosesqueléticos
13). para que se contraigan, generan potenciales
Figura 12 Figura 13
44 Capítulo 4

Figura 14 eléctricosquepuedenseradquiridosenlasu-
perficiedelmúsculoestudiado,medianteelec-
trodosdesuperficie(figura14).
Estoselectrodosregistranesaseñaldemuy
pequeñaamplitudylaingresanaunsistemade
adquisición, el cual la amplifica considerable-
mente,lafiltraylaentregaporejemploconun
rangodeexcursiónde0-5voltios(verfigura15).
Comodijimosanteriormente,porelmomen-
tosupondremosquenuestrointerésestáenel
controladordelbrazorobóticoyporlotantono
nos preocuparemos por el procesamiento que
recibiráestaseñal,parallegaraserunaseñal
eléctricadelaamplitudconsiderada.
Figura 15 De manera que nuestro controlador
estará compuesto por dos canales
de adquisición como el de la figura
15(verfigura16).
Así, el controlador recibe la señal
provenientedelosmúsculostríceps
ybíceps.
Ahoraveamosenbaseaestafigura
comodeberácomportarseelcontro-
lador:
Silacontraccióndelbícepsessupe-
rior a la que presenta el tríceps,
nuestro brazo robótico deberá mo-
verseensentidoantihorario.
Supondremos que nuestro sistema
deacondicionamientoentregalase-
ñal en un voltaje de 0-5V y filtrada
como muestra la figura 17. Para si-
mularelcomportamientodeunmús-
culo,laseñalprocesadavaríaenun
rangode0Va5Vydebeconsiderar-
sede“pocaimportancia”siesmenor
a1V,“pequeña”siseencuentracer-
ca de los 2V, “media” cercana a los
3Vy“alta”siesmayoralos4V.
Figura 16
dIseño deL sIsteMa
de controL Fuzzy
Para la solución de este problema,

implementaremos en un microcon-
trolador Picaxe, un controlador
Figura 17 fuzzy.
Capítulo 4 45

Figura 18 Entonces, en el ejemplo dividimos el
rangodecadavariable(lasdosseña-
lesdeEMG)encuatroconjuntosdifu-
sos, tal como muestra la figura 19, a
losquellamaremos:
PI: pocaimportancia,
P: pequeñaimportancia,
M: mediaimportancia,
Elesquematípicodeunsistemadecontrol a: altaimportancia.
fuzzyeselquevemosenlafigura18.
Como observamos en el esquema, inicial- Los posibles movimientos del motor, tam-
mentelasvariablesdeentradarealessecon- bién tendrán sus funciones de pertenencia y
vierten en variables lingüísticas mediante un serán(figura20):
proceso de fuzzificación. Usando esas varia-
blesseevalúaunconjuntodereglasdecontrol, Ga: giroantihorario,
lasquedaráncomoresultadounaseriedeva- GH: girohorario,
lores lingüísticos a su salida. Por último, se Q: quieto.
desfuzzificanestasvariablesobteniéndoselos
valoresrealesdesalida. Así,tantoelvalordelaseñaldelbíceps,co-
moladeltrícepstomadasaintervalosregula-
1)Fuzzificación: Medianteesteprocesose res de tiempo, le asignaremos su pertenencia
calculaelgradodepertenenciadelaentradaa alconjuntoquecorresponda.
unoovariosconjuntosfuzzy,digamoselgrupo
deposiblesconjuntosalosquepuedepertene- 2) evaluación de las reglas de control
cer la variable de entrada. Las funciones de (tambiénllamadoprocesodeinferencia):
pertenenciasedefinenapartirdelosdatosyel Con el objeto de determinar cómo se va a
sentido común. Las mismas se representarán comportar el sistema, se establece una serie
gráficamentedelaformavistaanteriormente. dereglasdelaformaIF(...)tHen(...) quein-
dican la acción a realizarse según a qué con-
Figura 19 juntopertenecelaentrada.
Evaluarlasreglassignificadeterminarcuá-
lesdeellasseactivaránfrenteaunsubconjun-
to de valores de pertenencia a los conjuntos
fuzzydeldominiodeentrada.Unaformaprác-
tica de expresar estas reglas de una manera
compacta, es mediante la matriz de memoria
asociativadifusa(FAMdesussiglaseninglés).
Figura 20
46 Capítulo 4

áreabajolacurva.Hayporlomenos,
cincométodosparaconstruirlasalida
a partir de éste, usaremos uno de los
mássencillos:
Donde:
tabla 1 µi:gradodepertenenciaalconjuntoi-
ésimo.
Basándonos en el enunciado del ejemplo CEi:centroidedelconjuntoi-ésimo.
dado,podemosobtenerlasreglasquedetermi- Ennuestroejemploserá:
naránelcomportamientodelsistema.Estasse-
ránlasquevemosenlatabla1.
Deestatabla,porejemplo,laregla1sepo-
dríaexpresarsegúnlasdefinicionesvistasan-
teriormentecomo:
Coneldiseñovistolograremosuncomporta-
µGA(x)=min{µAB(EMG1),µMT(EMG2)} mientosuaveyproporcionalatodaslascombi-
nacionesposibles.
Tambiénlaregla9:
µQ(x)=min{µPIB(EMG1),µPIT(EMG2)}
IMPLeMentacIón con PIcaXe
Yasítodaslasrestantes.
PodemosahoraarmarlamatrizFAMdees- Ahoraveremosdeunamanerasimplificada
tasdecisiones(tabla2). laimplementacióndeuncontrolenunPICAXE.
El control de los actuadores electromecánicos
deunbrazorobotizado,usandosólolasseña-
lesdeelectromiografíadeunapersona,puede
resultarunproblemamásqueinteresante.Pa-
ra la implementación en un microcontrolador
simplificaremosunpocoeldiseñoquevimos.
eL FuzzIFIcador
tabla 2
El principio del “fuzzificador” se observa en
lafigura21,aquíhemosrealizadolassiguien-
3)desfuzzificación: Laentradaparaelpro- tesmodificaciones:
cesodedesfuzzificaciónesunconjuntofuzzyy
la salida es un número real simple. Quizás el • La función de pertenencia va de 0 hasta 5,
métodomáspopulardedesfuzzificaciónesel esto es debido a que los PICAXE no pueden
cálculodelcentroide,queretornaelcentrodel codificar decimales, así que no tendríamos más
Capítulo 4 47

que dos datos si variase solo de 0 hasta Figura 21
1.
• Despreciamos el conjunto PI por ser
de poca importancia, de manera que
sean menos los cálculos y las variables
a almacenar.
• Todo esto lleva a disminuir las re-
glas (vea la tabla 3).
• Los valores de entrada pueden ser
de 0 a 254, que son los posibles valores
en los que puede codificar la señal de
entrada, el conversor AD del microcon-
trolador.
• Para la salida el rango de valores
será de 0 hasta 16 (figura 22), lo que nos
proporcionará dieciséis pasos posibles
en la velocidad del motor, como veremos
más adelante.
nota: Es imprescindible que haya

leídolanotaanteriorparaentendereste
artículo.Sinolatiene,lapuedebajarde
nuestrawebconlaclave“fuzzy”.
desFuzzIFIcador tabla 3
Esta operación se establece según la fór- soFtware

mula:
Para crear el software sólo necesitamos el
editordeflujodePICAXE(enel“PICAXEPro-
gramming Editor” que se puede bajar gratis
desdenuestrawebconlaclavePIcaXe)yde
pasonosserviráparasimularconelsimulador
Lalógicade“desfuzzificador”dondeCEes
elcentroide geométrico (verfigura23),osea Figura 23
, el valor numérico correspondiente.Antes de
analizar cómo funciona, veamos la implemen-
tacióndeestecontrolador.
Figura 22
48 Capítulo 4

Figura 24a
queposee. Figura 24b
Eldiagramade
flujoquedebe-
mos generar
serán los vis-
tosenlasfigu-
ras 24a, b, c,
d,e,fyg.
Enlafigura25
vemos cómo
configurar las
variables.
Luego sólo
nos queda simularlo, notando cómo cambia la
salidadelpuertoenrelaciónconlaentrada.
Conestolograremosquesegúnlasentradas
0y1enanalógicavaríen,antelamodificación
Figura 24c
Capítulo 4 49
Figura 24 e
Figura 24 f
Figura 24 g
Figura 24 d
delasseñalesquelellegan,ob-
tendremos distintas salidas en
losbits0,1,2y3delpuertoC,
codificandoenbinariolosnúme-
rosde0a6queesperamosala
salida.
Hardware
Este software podemos car-

garlo ahora en un PICAXE.Así
50 Capítulo 4

el hardware tentativo para manejar el
motorlovemosenlafigura26,estono
quieredecirqueellectornopuedapro-
barsupropiodiseño,unavezentendido
elprincipiodefuncionamiento.
Así, el diagrama de bloques de este
controladorseráelquevemosenlafi-
gura27.
FuncIonaMIento
Supongamos una entrada de 110 en

EMG1yde150enEMG2,estasseñales
seránprocesadassegúnvemosenlafi-
gura28.
Ese valor 6 en binario es convertido
porelDACyluegoalrestarleunvoltaje
dereferenciavaadarunvalornegativo,
indicando que el motor debe girar en
Figura 25
sentidoantihorario.
Figura 26
Figura 27
Capítulo 4 51
Figura 28
Entoncesvemossegúnsielvalordesalida portamientosuavedeunacontracciónmuscu-
esmenora8enbinario,elmotorgiraráensen- lar.
tidoantihorario,sies8,estodaráunvoltajece- Concluimosestabreveintroducciónaltema
roalasalidaysiesmayora8unvoltajeposi- lógica fuzzy, aunque queda mucho por cono-
tivoqueharíaquegireensentidohorario. cer.Esperoqueeltemahayasidodesuagrado
Conestonosaproximamosbastantealcom- yquedoalaesperadesuconsulta.J
52 Capítulo 4
Cap 5 - Robotica BEAM:ArtTapa 15/01/13 11:43 Página 53
C a p í t u lo 5
Bases para la C onstruCCión de roBots y M ini -roBots

roBótiCa y M ini -roBótiCa
BeaM
BEAM es un acrónimo de las palabras Biología (Biology), Electrónica (Electronics),
Estética (Aesthetics) y Mecánica (Mechanics).
Las técnicas BEAM son una forma alternativa de enfrentarse a la robótica, ya que analiza
ésta desde un punto de vista más analógico que digital. La mayoría de los robots BEAM
carecen de tecnología digital, salvo algunas excepciones que disponen de procesadores
muy simples, que se encargan de controlar su movimiento. Mark W. Tilden, ingeniero cana-
diense, que actualmente ejerce como investigador en el Laboratorio Nacional de Los Ála-
mos, en Nuevo México (EE.UU.), es considerado el padre de esta filosofía. Uno de los aspec-
tos fundamentales de la robótica BEAM es su bajo costo, derivado en la mayoría de las oca-
siones de la reutilización de componentes extraídos de aparatos electrónicos que han per-
dido su funcionalidad (juguetes infantiles, impresoras, computadoras viejas). Además tam-
bién se utiliza como fuente de alimentación la energía solar, que presenta claras ventajas
frente a las baterías ya que las células solares tiene una larga vida y no se requiere la cons-
tante recarga desde la red eléctrica o cambio de baterías.
Capítulo 5 53

IntroduccIón magnitudes cuyos valores se mueven en un
rango continuo.
Antes de comenzar debemos definir algunos
conceptos básicos que nos pueden ayudar a Ø Sistema digital.- En este caso se utiliza
comprender mejor los fundamentos y preten- información representada mediante magni-
siones de la robótica BEAM. tudes cuyos valores se mueven en un rango
Empecemos haciendo una aclaración de los discreto (“0” ó “1”).
conceptos que implica o reúne el acrónimo
BEAM: Biología (Biology), Electrónica Los dos circuitos básicos a tener en cuenta
(Electronics), Estética (Aesthetics) y Mecánica cuando hablamos de robótica BEAM son los
(Mechanics): siguientes:
Ø Biología.- Un campo que lleva 4 mil mi- Microcore

llones de años de evolución. El mundo que nos Es un circuito simple inventado y patentado
rodea es una gran fuente de inspiración y por Mark W. Tilden, que controla los robots con
aprendizaje. Por lo que la robótica BEAM extremidades (patas) coordinando el
intenta imitar muchos de los comportamientos movimiento de estas. Es un circuito simple y
propios de la madre naturaleza y todo aquello barato.
que interviene en ella. El funcionamiento básico de este circuito
consiste en ir activando los diodos LEDs de
Ø Electrónica.- Es la base fundamental de forma ordenada según el movimiento que se
esta filosofía, ya que mediante componentes quiera conseguir. Sin contar con la presencia
electrónicos (LEDs, transistores, conden- de los circuitos auxiliares PNC (Circuito de
sadores, interruptores, resistencias, etc.), se Neutralización de Proceso) y el PIN (Circuito
trata de implementar complejos comportamien- Iniciador de Proceso), la salida que se obten-
tos con simples circuitos. dría sería tal que no permitiría el correcto fun-
cionamiento de las extremidades del robot. Sin
Ø Estética.- Tal y como la entendemos, los embargo, combinando la acción de estos cir-
circuitos deben seguir diseños claros, en los cuitos se consigue que el Microcore repro-
que sea fácil distinguir todos sus componentes, duzca los estados deseados para un
para facilitar las posibles modificaciones o movimiento coordinado.
depuraciones en su diseño, modo de trabajo El principal cometido de mantener este con-
pretendido en cualquier tipo de ingeniería. trol sobre el circuito principal es que no puedan
ser activados 2 diodos opuestos al mismo
Ø Mecánica.- El campo que introduce en tiempo, ya que supondría la incompatibilidad
estos robots motores, sensores, etc. los cuales de movimiento de las extremidades
permiten dinamizar los comportamientos que pertenecientes a un mismo motor. Por tanto, si
se intentan imitar mediante los circuitos elec- activamos el PNC durante un par de segundos,
trónicos incorporados. conseguimos encender un diodo de cada
extremo con un desfase que evita lo comen-
También hay que hacer una pequeña men- tado anteriormente. Si el periodo de fun-
ción de los términos analógico y digital, ya que, cionamiento del PNC es superior a tres segun-
como se tratará en apartados posteriores, dos se logra la activación de un solo diodo en
tienen su importancia dentro de la robótica cada instante de tiempo. Si activamos el PIN
BEAM: invertimos el estado en el que se encontrara el
circuito.
Ø Sistema Analógico.- Son sistemas que El Microcore pretende acercarse a la idea
utilizan información representada mediante de red nerviosa o neuronal, considerándose de
54 Capítulo 5
Robótica y Mini-Robótica BEaM

Figura 1 vital importancia en esta filosofía por parte de
sus investigadores. En la figura 1 se puede
observar un circuito básico de robot inspirado
en Microcore.
Solar Engine
Este simple circuito se muestra en la figura 2
y almacena energía, trasformada a partir de la
luz captada por una pequeña célula solar, que
es almacenada en un condensador o disposi-
tivo de almacenamiento. Esta energía es uti-
lizada por el motor o motores del robot para
hacerlo funcionar.
La célula solar se encarga, mediante tran-
sistores (física de semiconductores), de trans-
formar la luz captada en energía eléctrica.
La filosofía básica del funcionamiento de los
robots BEAM, partiendo de la base de los cir-
cuitos anteriores podría resumirse de la si-
guiente manera: los robots, mediante los recep-
tores de los que disponen (sensibles a la luz o
al contacto en su mayoría) actúan sobre su cir-
cuitería para que ésta sea la encargada de acti-
var o desactivar motores u otras fuentes de
energía (como puede ser un circuito solar como
el comentado anteriormente), que controlan los
actuadores del robot (patas, ruedas, etc). De
esta forma se consigue un com-
portamiento del robot adaptado al
medio con el que interactúa.
roBótIcA cláSIcA VS
roBótIcA BEAM
Al hablar de robótica en términos

muy generales podríamos decir
que es una rama de la ingeniería
que trata de hacer máquinas que
sean capaces de realizar dife-
rentes tareas, en condiciones que
en principio pueden ser desconoci-
das. Esto se asemeja al compor-
tamiento humano o animal que
estudia el entorno que lo rodea
para tomar decisiones. Como se
puede dilucidar hablar de “toma de
Figura 2 decisiones” implica algún tipo de
Capítulo 5 55

inteligencia, otro de los campos abiertos en su aparición a principios de los 90 para conver-
este terreno, la búsqueda de la inteligencia arti- tirse en algo lúdico, son muchos los aficionados
ficial. que investigan en diseños y nuevas posibili-
Al llegar a este punto de encuentro entre los dades, además celebran convenciones en
seres vivos y los robots que pretende encon- Canadá, la India, etc., pero en realidad no
trarse, es donde difieren más ambas ramas de parece haber estudios serios que avancen en
la robótica, ya que ponen sus bases en polos este campo.
opuestos.
Mientras que la robótica clásica busca un
modelo de inteligencia y de similitud con el HIStorIA y EVolucIón dE lA roBótIcA BEAM
comportamiento humano y animal usando la
tecnología digital, los seguidores de la filosofía Hablar de robótica BEAM es hablar de Mark
BEAM, mantienen que estos comportamientos W. Tilden, figura 3, creador de esta forma de
no podrán representarse digitalmente nunca, entender la robótica a principios de los años
debido a los límites que presenta el mundo di- noventa del siglo pasado.
gital, y por ello basa todas sus construcciones
en componentes analógicos. Figura 3
La robótica BEAM deriva de las teorías del
profesor Chris Langton acerca de la Vida
Artificial, este científico estudia desde media-
dos de los 80 las bases de la vida natural para
sintetizar un modelo de vida artificial. Estas
teorías introducen los términos: propósito de
vida, supervivencia, autosuficiencia..., que son
atribuidos a los robots BEAM.
Mark W. Tilden afirma que sus robots tienen
vida propia, o vida artificial, aunque sea en un
grado muy pequeño, ya que son autosufi-
cientes y toman decisiones en base a su super-
vivencia, por ejemplo se abastecen ellos mis- Mark W. Tilden nació en Inglaterra. Cursó
mos de la energía solar y además la buscan, sus estudios de Ingeniería de Sistemas en la
tienen un propósito de vida, que es seguir facultad de Waterloo (Canadá). Al termino de
vivos, y se adaptan al medio que los rodea para éstos hizo un master en Electrónica y trabajó
mantener este propósito de vida, afirma que al durante 7 años en la Facultad de Matemáticas
utilizar componentes electrónicos, que son de dicha universidad como Ingeniero de
menos delicados que los digitales, sus robots Robótica y Computadoras. Ha estado involu-
son mas robustos. Según estas teorías, una crado en muchos proyectos de investigación a
vez conseguido este nivel de vida artificial, si lo largo de su vida, tales como: maquinaria
asignamos una tarea a un robot BEAM, el industrial, electrónica de computadoras, sis-
propósito de vida de éste será llevarla acabo temas de realidad virtual, diseño de satélites….
mientras su supervivencia sea posible. Actualmente ejerce como investigador en la
Todas estas teorías parecen perder fuerza División de Biofísica del Laboratorio Nacional
cuando las enfrentamos al trabajo y los de los Álamos (Nuevo México, EEUU). En
avances de la robótica clásica, frente a los que estos últimos años ha colaborado en investiga-
la BEAM parece no ser mas que un ciones con la Agencia de Desarrollo de
pasatiempo o una forma económica de ini- Proyectos Avanzados de Defensa (DARPA), la
ciación al mundo de la robótica. Es por ello que NASA, el Instituto de Ciencias Físicas y la
esta filosofía parece haber perdido peso desde Universidad de California.
56 Capítulo 5

Los inicios de la robótica BEAM datan del El fruto de las investigaciones de Tilden en
año 1989, concretamente el 10 de Noviembre, esta forma de ver la robótica, que él mismo ha
fecha en la que Tilden construye su primer iniciado, han sido diversas publicaciones
robot BEAM en el Laboratorio MFCF Hardware acerca de los avances que, junto con sus com-
de la Universidad de Waterloo, un simple pañeros de trabajo, han ido desarrollando en
solaroller que fue capaz de recorrer 15 cm tras este nuevo campo, y que demuestran que son
20 minutos de “alimentarse de luz solar”. de las pocas personas que hacen una investi-
Tras este primer paso surgieron otros robots gación verdaderamente profesional de la mate-
cuyo nexo de unión lo podemos encontrar en la ria:
patente de Tilden (Adaptive Robotic Nervous
System and Control Circuits Therefor / 15 de Ø “LIVING MACHINES”. Hasslacher B. &
Junio de 1992), en la cual se hace referencia a Tilden M. W. Robotics and Autonomous
los circuitos básicos de estos robots, que son Systems 15, 143 (1995).
los verdaderos cerebros de estas máquinas, a
las que Tilden quiere dotar de las teorías sobre Ø “BIOMORPHIC ROBOTS AS A PERSIS-
Vida Artificial, cuyo máximo exponente es el TENT MEANS FOR REMOVING EXPLOSIVE
profesor Chris Langton, investigador científico y MINES” Symposium on Autonomous Vehicles
director del Programa de Vida Artificial del in Mine Countermeasures, U.S. Naval
Instituto de Santa Fe (Nuevo México, EEUU). Postgraduate School, Milipitas, California, June
El número de robots construidos por Tilden 1995.
alcanza ya tal magnitud, que él mismo dice
poseer un “Parque Jurásico” de robots, figura 4, Ø “LIVING MACHINES AND THE ROBOT
que cuenta ya con casi 200 ejemplares. JURASSIC PARK: PRIMITIVES TO PREDA-
TORS” Neuromorphic Workshop, Telluride,
Figura 4 Colorado, July 6, 1995, and Recursos
Smithsonian Group, Los Alamos, New Mexico,
July 14, 1995.
Ø “THEORETICAL FOUNDATIONS FOR

NERVOUS NETWORKS” NEC Research
Institute, Pittsburg, Pennsylvania, September
25, 1995, and NASA Neurons to Nanotech,
NASA Ames Research Center, Moffett Field,
California, October 18, 1995.
Ø “A CONCURRENT APPLICATION
RESEARCH PROPOSAL FOR THE DEVEL-
OPMENT OF LIVING MACHINE” NASA AIAA
Nanosat Meeting, Houston, Texas, November
1, 1995.
Ø “BIOMECH ROBOTICS: MACHINES

BUILT FOR THE HUMAN RACE” BEAM
Workshop, Los Alamos, New Mexico, April
18–20, 1996, and International BEAM Robot
Games, Southern Alberta Institute of
Technology, Calgary, Canada, May 24–26,
1996.
Capítulo 5 57

Ø “AUTONOMOUS BIOMORPHIC vantes, ya que el resto son más bien aficiona-
ROBOTS AS PLATFORMS FOR SENSORS” dos que “investigadores de la materia”. Aunque
DOE Office of Scientific and Technical esto nos es óbice para que la robótica BEAM
Information, Washington, D.C., August 1996. esté extendida por todo el mundo en lugares
tan distantes como la India, Europa Occidental
Así como se han publicado todos estos o América. Entre todos estos aficionados
artículos y memorias, también existe un libro de podemos destacar algunos nombres, como:
reciente edición, en el que Tilden junto con Math Vos, Ian Bernstein, o Chiu-Yuan Fang,
David Hrynkiw, hacen una pequeña introduc- que incluso poseen sus propias páginas web
ción a este mundo de la Robótica BEAM para, donde muestran todas sus creaciones.
posteriormente, analizar en detalle varios Los avances que se han ido produciendo
proyectos de robots construidos mediante esta han sido consecuencia de las investigaciones
filosofía: de Mark Tilden, mientras que sus seguidores
se han preocupado más de hacer sus propios
Hrynkiw D. and Tilden M. W. JunkBots, diseños en pos de su propio gozo personal.
BUGBOTS, AND BOTS ON WHEELS: Actualmente se sigue manteniendo esta
BUILDING SIMPLE ROBOTS WITH BEAM línea de trabajo que ralentiza en cierta manera
TECHNOLOGy. 1ª ED. McGraw-Hill Osborne que esta filosofía alcance cotas más altas,
Media. 2002. 352 p. ISBN: 0072226013. aunque el volumen de personas interesados
por la misma es tal, que sus aportaciones son
Hasta ahora sólo se ha hablado de Mark W. poco a poco más relevantes. Por tanto, al
Tilden porque es la única persona a la que hablar del estado del arte, no nos queda más
hacen referencia todos los que, de algún modo, que hablar del “parque” de robots que existe en
se han interesado por esta filosofía, y que, tal y la actualidad, al no haber material de trabajo
como se ha demostrado, es el verdadero impul- científico riguroso que pueda ser digno de men-
sor de este movimiento. De ahí que, salvo cole- ción, exceptuando, claro está, los trabajos de
gas de Tilden del laboratorio de Los Álamos, investigación realizados en las instalaciones
como Brosl Hasslacher, no haya nombres rele- del Laboratorio Nacional de Los Álamos.
Práctica:
Clasificación de la
Robótica BEAM
IntroduccIón tos de la robótica BEAM. El primer solaroller,
construido por Mark W. Tilden, se terminó en
Como en otras disciplinas, en la robótica Noviembre de 1989 en la Universidad de
BEAM puede recurrirse a diversos criterios Waterloo (Ontario, Canadá).
para elaborar una clasificación. La que se hace Estos robots, como la mayoría de los robots
a continuación es la que se suele aceptar como surgidos a partir de la filosofía BEAM, utilizan
más adecuada, y está realizada fundamental- como fuente de energía la luz solar, y su única
mente en base a su evolución. función es el movimiento en una sola dirección
mediante una o varias ruedas. Este movimiento
Ø Solarollers oscila entre unos cuantos milímetros hasta va-
Estos dispositivos son los robots primogéni- rios centímetros. La figura 5 muestra un robot
58 Capítulo 5

de esta categoría, el Lunabot (César Blum
Silveira).
Figura 5
Figura 7
Además, hay que destacar que muchos de

estos robots abandonan en parte la filosofía
BEAM al no utilizar como fuente de energía la
luz solar y sí baterías (pilas generalmente).
A partir de estos tres tipos de robots BEAM
(principalmente de los Solarollers) se han
desarrollado otros muchos robots BEAM.
Ø Photovores Basten como ejemplo los siguientes:
Básicamente, estos robots consisten en la
unión de dos motores a cada uno de los cuales Ø Symets
se le asocia un Solaroller (recién lo hemos visto). Symet quiere decir “robot simétrico”. Su prin-
El movimiento del robot dependerá del circuito cipal característica es que carecen de sensores
solar que reciba una luz mas intensa, girando que les indiquen si hay obstáculos en su
hacia el foco de dicha luz. camino. Simplemente, se mueven en una direc-
En la figura 6 podemos ver algunos diseños ción que cambian cuando colisionan con un
de estos nanobots. obstáculo, figura 8.
Figura 8
Ø nocturnal robots
Estos robots almacenan energía durante el
día y cuando llega la noche comienzan a
moverse, emitiendo algún tipo de luz (mediante
leds) o sonido.
Figura 6
Ø Aquabots
Basándose en la arquitectura básica de un
Ø Walkers solaroller, un aquabot es capaz de desplazarse
Actualmente son los robots BEAM más en el medio acuático.
implementados y complejos. Hay multitud de
robots BEAM de este tipo, que varían en fun- Como se dijo al principio de este apartado,
ción del número de motores que utilizan para hay muchas posibles clasificaciones para los
mover las patas que tengan. Los más comunes robots BEAM y se ha comentado brevemente la
tienen 4 patas y dos motores que accionan más aceptada. Es posible realizar otra clasifi-
dichas extremidades, figura 7. cación bastante extendida entre los seguidores
Capítulo 5 59
Figura 9
de esta técnica, se basa en la motricidad o no su movimiento, figura 10. En general son

motricidad del robot, y, dependiendo de la mo- automatismos inteligentes.
tricidad, se incluye en un grupo u otro. Según
Bruce Robinson, los robots se clasifican en: 1.b) Pummer: Son los llamados noctur-
nal robots, que almacenan durante el día la
No motrices energía que utilizan durante la noche para emi-
Motrices tir algún tipo de luz o sonido, figura 11.
A su vez, los “no motrices” pueden ser del Figura 11

tipo SITTER (Beacom, Pummer y Ornament) o
SQUIRMER (Magbot, Flagwaver y Head), tal
como veremos más adelante.
Los robots motrices pueden ser de dife-
rentes estilos y se pueden clasificar según el
cuadro mostrado en la figura 9.
roBotS no MotrIcES 1.c) Ornament: Básicamente son los

mismos robots que los dos anteriores, pero
1) Sitter: intentando conseguir un diseño atractivo como
No tienen partes que se muevan. Su único los mostrados en la figura 12.
cometido es realizar alguna función “intere-
Figura 12
sante” mediante la luz que emiten sus LEDs, o
también mediante sonidos. Los tres tipos son:
1.a) Beacon: Los destellos que emiten

sirven a otros BEAM robots para ayudarse en
2) Squirmer:
Son robots que, sin desplazarse, mueven
todo o parte de su cuerpo cuyo único fin es el
entretenimiento del usuario o creador.
Figura 10
Destacamos los siguientes:
60 Capítulo 5

2.a) Magbot: Utilizan para el movimiento de roBotS MotrIcES
su cuerpo campos electromagnéticos. Algunos
de ellos poseen alas para darle mayor espec- 1) Slider:
tacularidad, figura 13. Como su propio nombre indica, son capaces
de desplazarse mediante el deslizamiento
sobre una superficie. En esta categoría enu-
meramos a los siguientes robots:
Figura 16 1.a) Snake: Su

movimiento se ase-
meja al de una ser-
piente, con desplaza-
miento ondulatorio
horizontal, figura 16.
1.b) Earthworm:
Estos robots se
Figura 13
mueven al estilo de
los gusanos, siguiendo un desplazamiento
ondulatorio de compresión longitudinal, figura
2.b) Flagwaver: Hacen uso de un motor 17.
para mover una bandera o algún otro objeto
similar, tal como se aprecia en la figura 14.
Figura 14
Figura 17
2.c) Head: Estos robots giran, depen-

diendo de su complejidad, ya sea en uno o en 2) crawler:
dos ejes, en la figura 15 se puede apreciar un Se denominan así porque, su movimiento,
robot beam de esta categoría. consiste en gatear a lo largo de la superficie
sobre la que se desplazan. Encontramos los
siguientes tipos:
2.a) Turbot: Normalmente se caracteri-

zan por tener
Figura 18 2 extremi-
dades que
rotan al
mismo tiempo
y en la misma
dirección,
Figura 15 figura 18.
Capítulo 5 61

2.b) Inchworm: Estos robots dividen su
cuerpo en varias articulaciones, que proporcio-
nan al robot un movimiento similar al del
gusano (Slider) pero con la diferencia de que
estas articulaciones pueden moverse selectiva-
mente, mientras que el resto del cuerpo per-
manece en el suelo, figura 19.
Figura 21
4) roller:
Son los más comunes y se desplazan uti-
lizando ruedas, motores, su propio cuerpo, etc.,
se emplea cualquier cosa que permita que rue-
Figura 19 den. Por su popularidad se dividen en:
4.1) Symet (“robot simétrico”): Estos

2.c) Tracked: Son robots cuyo sistema robots se mueven en una dirección que cam-
de movimiento y diseño es el propio de un bian cuando colisionan con un obstáculo. Su
tanque, con cintas propulsadas por motores estrucutra suele ser de la más variada, como
como el de la figura 20. muestran los diferentes casos reunidos en la
figura 22.
Figura 20
Figura 22
3) Jumper:
Son aquellos robots cuyo movimiento está
basado en saltos. 4.2) Solaroller: Se mueven en una sola
Esta clase de robots no posee una subclasi- dirección y sin llegar a recorrer más de unos
ficación y suelen ser muy populares en los con- pocos centímetros, suelen ser de muy pequeño
cursos de minirobótica debido a la gran canti- tamaño y hoy se han vuelto muy populares en
dad de variantes posibles (figura 21). la creación de insectos robots (figura 23).
62 Capítulo 5

5) Walker:
Son, junto con los roller, los más populares,
figura 26. Tienen varias extremidades, general-
mente cuatro, número que varía en función del
diseño, y que se mueven en secuencia para
proporcionar el desplazamiento del robot.
Figura 26
Figura 23
4.3) Popper: Utilizan varios motores y

diferentes sensores que guían al robot a su
destino, generalmente es una fuente de luz
(photopoppers) o de energía, figura 24.
6) Swimmer (a.k.a. aquabot):

Están diseñados para poder desplazarse
exclusivamente en un medio líquido, que suele
ser agua y se los divide en 2 categorías:
Figura 24 6.1) Boatbot: Se desplazan a través de

la superficie líquida en cuestión, como la lancha
mostrada en la figura 27.
4.4) Miniball: Tienen pequeñas ruedas
que accionan el movimiento de la bola que con- Figura 27
tiene el robot en sí y su estructura básica suele
ser como la que se muestra en la figura 25.
6.2) Subbot: Al contrario que los ante-

riores, éstos se desplazan bajo la superficie,
Figura 25 figura 28.
Capítulo 5 63

APlIcAcIonES dE lA roBótIcA BEAM
Como ya se ha comentado, la robótica

BEAM es una materia relativamente reciente
(comienzos de los años noventa) lo que, unido
al cariz que están tomando sus desarrollos
(encaminados mas al hobby y al entrete-
nimiento que a fines provechosos para la
sociedad en general), nos llevan a comprobar
la carencia de resultados interesantes en
Figura 28 cuanto a aplicaciones reales se refiere.
Así, las pocas aplicaciones que se están
7) Flier (a.k.a. aerobot): sacando de estas máquinas tienen que ver con
Estos robots son capaces de desplazarse en su peculiar fisonomía y estructura, que les per-
el medio aéreo mediante el uso de alas que son mite alcanzar lugares prácticamente inaccesi-
propulsadas por pequeños motores, figura 29. bles al ser humano y de ahí que se utilicen con
cierta frecuencia a tales efectos, ya que per-
miten realizar algún tipo de tarea sencilla que
las personas no pueden a causa de esta
imposibilidad de llegar al lugar mencionado.
Como prueba de ello, tenemos las conver-
saciones que mantuvieron el numerosamente
citado señor Tilden con compañías cercanas a
la propia NASA, para enviar algunos de sus
robots a la Luna con el propósito de recoger
rocas en lugares poco accesibles al ser
humano para su posterior estudio ya aquí en la
Figura 29 Tierra. Aunque sólo hay constancia de estas
conversaciones, y en ningún sitio se menciona
si dichos encuentros han llegado a buen puerto
8) climber: y los robots de los que se habla se enviaran
Su nombre puede llevar a engaño, ya que no finalmente a la Luna, figura 31.
escalan obstáculos de ningún tipo. La denomi-
nación viene porque son capaces de seguir (y de Figura 31
ahí lo de escaladores) una línea y, posterior-
mente, deshacer lo recorrido, figura 30.
Algunos robots BEAM se han utilizado

experimentalmente en la desactivación de
explosivos, aunque no queda claro en dichas
Figura 30 noticias de que los robots de los que se habla
64 Capítulo 5

sean propios de esta manera de construir los 90 no podemos decir que se haya avanzado
robots, hablamos del RoboLobster lo suficiente como para considerar que estemos
(Northeastern University Marine Science ante una nueva rama de la robótica capaz de
Center), figura 32. competir con la “robótica digital”.
La robótica BEAM es una forma económica
Figura 32 de acercarse a la construcción de robots y por
tanto más llamativa a la hora de introducirnos
en el desarrollo de pequeños robots, ya que
con costes muy pequeños podemos estar
probando y viendo los resultados, lo cual
resulta más atractivo.
Las teorías sobre las que se monta esta
filosofía de trabajo: supervivencia, autosuficien-
cia, propósito de vida, autocontrol (toma de
decisiones)… también resultan muy intere-
santes, pero parecen perder fuerza si vemos
los resultados reales de los robots BEAM, ya
Como hay poco que tratar con respecto al que tampoco hay muchas aplicaciones que
tema de aplicaciones reales, vamos a estudiar desarrollen algo en el mundo real en estos
un poco en detalle algunos proyectos de parti- momentos, aunque podemos considerar que
culares que se han interesado en la materia. como materia en vía de investigación en el
momento en el que esté consolidada las aplica-
ciones pueden ser inmediatas.
concluSIonES Por tanto y en resumen, las ventajas más
claras que presenta la robótica BEAM es el bajo
Una vez vistos los conceptos básicos de la coste de desarrollo y la relativa simpleza de la
robótica BEAM y los desarrollos que se han mayoría de los diseños y las piezas que los
conseguido si pensamos que es una materia componen que además son más robustas o
que marca sus primeros pasos a principios de resistentes que los “delicados” sistemas digi-
tales, de modo que es muy sen-
cillo acceder a ellos. Sin embargo,
parece que a nivel profesional no
ha tenido mucha aceptación y por
consiguiente es una rama de la
robótica que está mas cerca de
ser un hobby que algo profesional,
exceptuando al pequeño grupo de
ingenieros que investigan lidera-
dos por Mark W. Tilden.
Hoy en día ninguna materia puede
ser subestimada, por lo que
seguiremos a la espera de que un
día la robótica BEAM nos sor-
prenda y nos muestre un robot
con vida e inteligencia artificial y lo
más sorprendente aún que lo
haga manteniendo su filosofía
analógica. J
Capítulo 5 65
Cap6-Microbot:ArtTapa15/01/1309:58Página69
C a p í t u lo 6
Luego de haber definido qué es
la robótica BEAM, en este capí-
tulo vamos a montar un
pequeño mini-robot “desde
cero”, aprovechando los con-
ceptos vertidos tanto en este
texto como en diferentes edi-
ciones de Saber Electrónica.
Este desarrollo se ha expuesto
de diversas maneras en distin-
tas publicaciones y su funcio-
namiento es similar al “siguelí-
neas” que publicáramos en
Saber 212. Nuestro mini-robot,
al que hemos bautizado
MICROBOT , será armado teniendo en cuenta tres etapas: Estructura, Sensores y
Actuadores. Indicaremos cómo montar nuestra estructura, cuáles son los sensores
adecuados y daremos diferentes opciones para manejar a los motores (actuadores).
A rme un P equeño roBoT desde C ero

C onsTruCCión de un m iCroBoT
IntroduccIón presa Microsystems Engineering que se
muestraenelcopetedelanota,dondepode-
Para la construcción de nuestro microbot mosvercómosusdiseñadoreshanintegrado
podemosutilizarmuchostiposdeestructuras, hábilmente la placa de circuito impreso de
quedependerándelafunciónquequerramos controlenlaestructuramecánicayjustamen-
realizar,noeslomismodiseñarunrobotbípe- tedebajodeélseencuentraalojadaunabate-
doqueunrastreador.Unasdelasestructuras ríadeplomode12Vy0,8mA/h.
másutilizadasesladelosjuegoseducaciona-
les de construcción tipo Lego, Mecano o Ei-
techinteresantesporsuflexibilidad,ydefor-
maunpocomás“profesional”laestructurade
losFischertechnikquefuerondiseñadasorigi-
nariamente para aplicaciones técnicas, tanto
estáticascomodeestructurasmecánicascon
movimiento.
Enlafigura1vemoslaestructuradeunmi-
crobot realizado con una estructura Fischer-
technik.
Una estructura realizada con un Mecano
es,porejemplo,elcasodelPívot-1delaem- Figura 1
Capítulo 6 69
Figura 2b Figura 2c
Figura 2a
Paraelcasodenuestroras- utilizando ruedas, podemos

treador, que no debe salvar pensarenvariasopcionesque
obstáculos y que será un mi- podemos utilizar dependiendo
crobot experimental de bajo Figura 2d delaaplicaciónqueselequie-
costo,podemosutilizarunaes- ra dar a nuestro microbot de
tructuramássencilla,comopor “investigación”.Asípues,pode-
ejemplountrozodemetacrila- mos optar por una estructura
to,poliestireno,PVC,placade formadapordosruedasatrac-
circuitoimpresooinclusopue- ciónindependientesyunarue-
deservirnoslacajadeplástico dalocacomolaquesemues-
deunCompactDisc.Ennues- traeneldiagramadelafigura
tro caso vamos a utilizar dos 2a, o por una arquitectura de
placas de poliestireno blanco triciclo,comoladelafigura2b,
de 180 x 13,5 mm, pero pue- formada por dos ruedas de
denutilizarseotrasmedidas,elhechodeutili- tracción y una de dirección independientes o
zardosplacas,esporquedeestamanera,co- porunaestructurasimilaraloscochestradicio-
moluegoseverá,sepuedenponerlasbaterías nales formada por dos ruedas tractoras con
enelpisoinferioryelcircuitodecontroldelos control de la dirección y dos ruedas sin trac-
motoresysensoresenelsuperior. ción,comolaquesemuestraenlafigura2c.
Alahoradediseñarlatraccióndelmicrobot En la figura 2d vemos la estructura para el
Figura 3a.- Movimiento hacia delante, se Figura 3b.- Movimiento hacia atrás, se Figura 3c.- Movimiento de giro a la dere-
hacen girar los dos motores en la misma di- hacen girar los dos motores en la misma dicha, se hacen girar el motor izquierdo en
rección hacia delante (sentido horario). Es- rección hacia atrás (sentido contrario a la sentido horario (hacia delante) y el motor
to provoca un movimiento rectilínea supo- agujas del reloj). Esto provoca un movi- de la derecha en sentido antihorario (hacia
niendo que los dos motores son exacta- miento rectilínea suponiendo que los dos atrás). Esto provoca un movimiento de giro
mente iguales. motores son exactamente iguales. a la derecha de la estructura.
70 Capítulo 6
Construcción de un Microbot
diseño de nuestro microbot. denfabricarsedemaderaouti-
Las “ruedas locas”, deben ser lizarunosdiscoscompactoses-
capacesderodarypivotarso- tropeados y por supuesto tam-
bresímismas,aligualquelas bién pueden comprarse en
ruedas motrices deberán de tiendas de modelismo, éstas
sercapacesdeadaptarsealos suelensermejoresperomucho
obstáculosdelterreno.Sumo- máscaras.
vimiento alrededor del eje so-
bre el que pivota debe ser lo
mássuaveposible,paranodi- Figura 3d.- Movimiento de giro a la iz- MovIlIdad de nuestra
ficultarlarotacióndelmicrobot, quierda, se hacen girar el motor izquierdo estructura
de lo contrario es posible que en sentido antihorario (hacia atrás) y el mo-
tor de la derecha en sentido horario (hacia
sebloqueeypatinesinoseeli- adelante). Esto provoca un movimiento de Laestructuraquehemoselegi-
gedeformaadecuada.Lasso- giro a la izquierda de la estructura. do para nuestro microbot nos
lucionesparaestetipoderue- permitirá realizar movimientos
daspuedensermuchas,noso- haciaadelante,haciaatrás,giro
troshemosoptadoporunarue- aladerecha,giroalaizquierda,
da que gira libremente sobre lasplacasconunrotulador,pa-
sueje,graciasaunapequeña rapoderluegotaladrara10mm
plataformaconrodamientosde de cada esquina. Esto lo hare-
lasquepodemosencontrarca- mos sin quitar el plástico pro-
si en cualquier ferretería, ade- tector contra arañazos que lle-
más hay un gran surtido de van pegadas por encima las
ellasenloreferenteatamaños. placas de poliestireno, de esta
Otra opción podría ser utilizar manera, después quedarán to-
laboladeunrolóndedesodo- talmentelimpiasysinarañazos,
Figura 3b.- Movimiento hacia atrás, se
rante, a la que se le adapten hacen girar los dos motores en la misma di- comomuestralafigura4.
una pequeñas escuadras para rección hacia atrás (sentido contrario a las Una vez marcadas las placas,
fijarlaalaestructura.Veaenla agujas del reloj). Esto provoca un movi- pasamos a taladrar cada una
miento rectilínea suponiendo que los dos
figura 3 las distintas opciones motores son exactamente iguales. delasplacasutilizandountala-
demovimiento. drodesobremesa.Utilizaremos
Respectoalasruedasmotricesquehemos unabrocaparametalde3mm,yaqueestosta-
utilizado para la tracción del microbot, son de ladrossonparafijarposteriormenteunossepa-
lasutilizadasenjuguetesyquesepuedenen- radoresmetálicosdelosutilizadosparafijarlas
contrar fácilmente en las tiendas que venden placasdecircuitoimpresoaloschasisocajas.
materialaloscentrosdeeducaciónsecundaría Verfigura5.
paralaasignaturadeTecnología,tambiénpue- Enesteprimermontajeutilizaremosdosmo-
Figura 4 Figura 5 Figura 6
Capítulo 6 71
toresquevamosdecorrientecontinuaconca- por los circuitos impresos para fijarlos a los

jareductorade17:1condobleejequetrabaja chasis metálicos. Para conseguir una separa-
con tensiones de 1,5V a 12V, previamente le ciónde30mmhemosutilizadocuatrosepara-
haremostambiénunostaladrosde3mmcomo doresde20mmyotroscuatrode10mmylos
losquesemuestranenlafigura6parasupos- correspondientestornillosde20y10mm.
teriorfijaciónalaplacabasemediantetornillos. En la figura 9 vemos las dos plataformas
Estosmotorestienenlaventajadesubajopre- montadasypreparadasparasoportarlabate-
cio,peroelinconvenientedequelavelocidad ríaobateríasdelmicrobotysucircuiteríaelec-
quealcanzanesgrandeyporlotantosonmás trónica.
difícilesdecontrolar.
Antesderealizarelmontaje,serecomienda
soldarunoscablesflexiblesalosterminalesdel los sensores del MIcrobot
motor,yaqueahoraserámasfácilquecuando
estémontado. Estaetapaonivelestáformadaporelcon-
Comotercerpuntodeapoyodenuestraes- juntodesensores,asícomolossistemasbási-
tructura vamos a utilizar una “rueda loca”, de cosparasumanejo.Vamosaconstruirunsis-
lasquesepuedenencontrarprácticamenteen temadecontrolparaconseguirunmóvilreacti-
cualquier ferretería, éstas concretamente, las vo,quenoestácontroladoporunmicrocontro-
hemoscompradoenelRastroMadrileño,utili- lador, pero que nos servirá como paso previo
zaremoslamáspequeñaqueeslaquemejor paraobtenerconocimientossobrecómohacer
seadaptabaanuestraestructura. funcionarestos“cacharros”.
Como rueda loca puede incluso, utilizarse Comenzaremos de una manera sencilla
unrolóndedesodoranteconlaoportunaadap- construyendo un circuito que dependiendo de
taciónparafijarlaenlaestructura.Verfigura7 una señal de entrada “0” o “1” haga girar un
El siguiente paso es fijar los motores y la motordecorrientecontinuahaciadelanteoha-
ruedalocaanuestraestructurautilizandotorni- ciaatrás,esdecirensentidohorariooensen-
llos, es recomendable que todos los tornillos tidoantihorario.
seandelmismopasoporejemplodemétrica3, Elcircuitoqueutilizamosparaelprimerro-
deesaformapodremosintercambiarlosyade- botreactivonoutilizaningúnmicrocontrolador
másdeestaformaconunasolabrocapodre- ylohemosdiseñadoasíparaempezaracom-
moshacertodoslostaladros. prender el funcionamiento de los sensores de
En la figura 8 vemos los motores con sus infrarrojosCNY70,cuyascaracterísticassein-
ruedasylaruedalocafijadasalaestructurain- cluyen en este mismo número y el circuito de
feriordelmicrobot controldepotenciaparalosmotores.
Estamosyapreparadosparamontarelpiso Elprimercircuitoquehemosutilizadohasi-
superior. do el de la figura 10, que no es más que un
Empleamos separadores de los utilizados puenteenHdetransistorescontroladoporlos
72 Capítulo 6
sensoresCNY70yunosinversoresSchmittTri- den con el ánodo y cátodo del emisor, y las
gger,queseencargandeconformarlasseña- otrasdossecorrespondenconelcolectoryel
lesdelsensoraniveleslógicosmásestables. emisordelfototransistor,quehacelasvecesde
receptor.Losvaloresdelasresistenciassontí-
El Sensor CNY70 picamentedeRT=10kΩparaelfototransistor,
ElCNY70esunsensordeinfrarrojosdecor- mientras que para el diodo emisor es
toalcancebasadoenundio- RD=220Ω,siendotípicoslos
do emisor de luz infrarroja y Figura 11 dosmontajesqueseindican
un receptor formado por un enlafigura11.
fototransistor, ambos apun- En el circuito por el que nos
tandoenlamismadirección, hemosinclinadoeneldiseño
ycuyofuncionamientoseba- eseldelaopción“a”,dema-
sa en la capacidad de refle- nera que cuando el sensor
xióndelobjeto,yladetección esté sobre la línea negra la
delrayoreflectadoporelre- luzesabsorbidayelfototran-
ceptor.Eldispositivodispone sistor se mantiene en corte,
decuatropinesdeconexión. porloquealasalidaelcircui-
Dos de ellos se correspon- to entrega un nivel bajo,
Figura 10
Capítulo 6 73

mientras que cuando el sensor esté sobre el tabla1
fondoblancoquereflejalaluz,elfototransistor Parámetro vdd Mínimo típico Máximo unidades
se satura y a la salida del circuito obtenemos VT+ 5.0 2.2 2.9 3.6 V
unnivelalto.Elfuncionamientodelcircuito“b” 10 4.6 5.9 7.1 V
es justamente al contrario, cuando el sensor 15 6.8 8.8 10.8 V
estásobrelalíneanegra,elfototransistorper- VT- 5.0 0.9 1.9 2.8 V
maneceencorteyentregandoalasalidaunni- 10 2.5 3.9 5.2 V
vel alto en el colector, mientras que si se en- 15 4.0 5.8 7.4 V
cuentrasobreunfondoblanco,elhazinfrarro-
josereflejayelfototransistorsesaturaentre- ñalV1alcanzaelvalorVT+lasalidaVObascu-
gandoalasalidadelcircuitounnivelbajo. laaunnivelalto,ynovuelveatomarunnivel
Paraobtenerseñales“digitales”desdeestos bajohastaquelaentradanollegueaVT-.
sensoresutilizamospuertasinversorasSchmitt
Trigger,quetienenlaventajadequeenelmis-
mochipnosencontramosconseisinversores el sIsteMa de actuacIón:
(CD4016).Estosdispositivostienenunacarac- control de Motores
terística de transferencia, como la que se
muestraenla En nuestro “Microbot”, uno de los motores
Figura 12 figura 12. En está controlado por un puente en H, formado
estacurvase por cuatro transistores de potencia montados
aprecia que enantiparalelo.
si la tensión Los transistores trabajan en conmutación y
de entrada se comportan como interruptores controlados
a s c i e n d e porlaseñalquelesllegadesdeelsensoratra-
desde 0V vés del inversor. Su funcionamiento es el si-
hastaunnivel guiente: en la figura 14 vemos el puente de
alto,latransi- transistorescontroladoporelsensorysuinver-
ciónseproducesiguiendolacurvaAysepro- sorasociado,sielsensorconsupuertainver-
duceparaelvalorVT+denominadoumbralas- soraentregaunnivelalto,alabasedelostran-
cendente.Porelcontrario,silaentradaestáa sistoresTR3yTR2(NPNyPNP)lesllegares-
unnivelaltoysevadisminuyendohasta0V,la pectivamente un nivel alto y un nivel bajo, lo
transición se produce siguiendo la curva B, queleshaceentrarsimultáneamenteensatu-
cuandosealcanzaeldenominadoumbraldes- raciónmientrasqueaTR1yTR4quelesllegan
cendenteVT-. lasmismasseñalessequedanencorteporser
LosvaloresdeVT+ydeVT-paralaspuer- designocontrario(PNPyNPNrespectivamen-
tasdetecnologíaTTL,sonde4,7V
y 0,9V respectivamente, pero para Figura 13
el caso del 40106 depende de la
tensióndealimentaciónypuedeto-
marlosvaloresdelatabla1.
Estas compuertas son de gran
utilidad cuando se desea controlar
un circuito digital con señales pro-
venientesdesensorescomolosin-
frarrojos.Enlafigura13semuestra
cómoactúauncircuitonoinversor,
elcircuitofrenteaunaseñalqueno
espuramentedigital.Cuandolase-
74 Capítulo 6
Figura 14 Figura 15a
Figura 15b Figura 16 son TR1 y

TR4, mien-
tras que los
que pasan al
estado de
corte son
TR3 y TR2,
como puede
verseenlafi-
gura15b.
El problema
deestetipodecircuitoseslacaídadetensión
real que hay en los transistores y que habrá
que compensarla con la batería, que por su-
te), en estas condiciones el motor gira en un puestovadisminuyendoenlamedidaqueésta
sentido como puede verse en la figura 15a. sevaagotando.Paraevitarestosproblemasen
Cuandocambianelvalordelaseñalqueentre- el diseño final hemos utilizado un puente inte-
ga el sensor, los transistores que se saturan grado,elLM293B.Estecircuitoesundriverde
4canales,capazdeproporcionaruna
tabla2 corrientedesalidadehasta1Aporca-
Pin nombre descripción
1 ChipEnable1 Habilitacióndeloscanales1y2
nal.Cadacanalescontroladoporse-
2 Input1 Entradadelcanal1 ñales de entrada compatibles TTL y
3 Output1 Salidadelcanal1 cada pareja de canales dispone de
4 GND Tierradealimentación unaentradadehabilitaciónquedesco-
5 GND Tierradealimentación nectalassalidasdelosmismos.Elcir-
6 Output2 Salidadelcanal2 cuito dispone, además, de una patita
7 Input2 EntradadelCanal2
paralaalimentacióndelascargasque
8 VS Alimentacióndelascargas
9 ChipEnable2 Habilitacióndeloscanales3y4 seestáncontrolando,deformaquedi-
10 Input3 Entradadelcanal3 chaalimentaciónesindependientede
11 Output3 Salidadelcanal3 lalógicadecontrol.Enlafigura16se
12 GND Tierradealimentación muestransuencapsuladode16pines,
13 GND Tierradealimentación yenlatabla2sudistribucióndepati-
14 Output4 SalidadelCanal4 llasyladescripcióndelasmismas.
15 Input4 EntradadelCanal4
En base a las diferentes etapas des-
16 VSS AlimentacióndelC.I.
criptas, el circuito final de nuestro Mi-
Capítulo 6 75
Figura 17
crobotsiguelíneaseselquesemuestraenlafi- aluminio como soporte para los sensores

gura 17 que posee el circuito de detección CNY70 y para sujetarlos hemos utilizado una
(sensores), las puertas Schmitt Trigger para cintaadhesivaporlasdoscaras,queesunsis-
conformarlosimpulsosyeldriverLM293para
el control de los motores. En las figuras 18 y
19,semuestraelcircuitomontadosobreplaca
deprototipo(experimentadordigital)yelmon-
tajefinaldenuestromicrobot,enelquepuede
verse cómo se ha colocado una escuadra de
Figura 18 Figura 19
76 Capítulo 6
tema muy económico y sencillo de sujeción. tabla3 drivers 1 y 2. La señal
Parasujetarlaplacadelcircuitoylasbaterías vInn voutn venn EN2activalaparejade
hemosutilizadounasgomaselásticas.Lasba- H H H drivers 3 y 4. Las sali-
terías,despuésdetomarlafoto,lashemosme- L L H das OUTn se asocian
tido entre las dos placas de poliestireno para H Z L con las correspondien-
quenoestorben.Parapoderutilizarlosenotros L Z L tesINn.Lasseñalesde
montajesloshemosconectadoatravésdeun salidasonamplificadas
cableplanoaunconectortipopostehembray respectoalasdeentradatantoentensión,co-
enlaplacahemoscolocadoelconectormacho moencorriente(máximo:1A)ylatabla3esla
correspondiente. de funcionamiento para cada uno de los dri-
vers.
control de Motores Por MedIo H= Nivel alto "1",

de MIcrocontrolador L= Nivel bajo "0",
Z = Alta Impedancia
Si construyó el Microbot habrá observado
queenseguidatomavelocidad,yaquetienepo- Enlatabla4sedescribenlosvaloresabso-
co coeficiente de reducción de los motores y lutosmáximosdeldriverL293B.
quecabeceamuchoenelseguimientodelalí-
neanegrasobrefondoblanco. tabla4
Vamosahacerunanálisisdetalladodelfun-
símbolo Parámetro valor unidades
cionamientodeldriverL293ysucontrolatra- VS Tensióndealimentaciónparalascargas 36 V
vésdeunmicrocontrolador,paraelmanejode VSS Tensióndealimentacióndelalógica 36 V
motoresdecorrientecontinua.Cuandoanalice- Vi Tensióndeentrada 7 V
Vinh Tensióndehabilitación 7 V
mos los motores paso a paso, veremos cómo Iout Intensidaddepicodesalida 2 A
utilizarloenestetipodemotores.Paraelcon- Ptot Potenciatotaldedisipación 5 W
Tstg,Tj Temperaturadealmacenajeydelaunión -40a+150 ºC
troldelmotorhemoselegidoelPIC16F84para
ello.ElL293Besundriverde4canalescapaz
deproporcionarunacorrientedesalidadehas- En la tabla 5 de la página siguiente vemos
ta1Aporcanal.Cadacanalescontroladopor las características eléctricas para cada canal
señalesdeentradacompatiblesTTLycadapa- paralossiguientesparámetros:
rejadecanalesdisponedeunaseñaldehabili-
tación que desconecta las salidas de los mis- VS=24V,VSS=5V,Tamb=25ºC.
mos.Disponedeunapataparalaalimentación
delascargasqueseestáncontrolando,dema- Veamos, seguidamente, algunas formas de
nera que dicha conectar los motores de corriente continua al
Figura 20 alimentación es driver.
independiente de
la lógica de con-
trol. Giro de Dos Motores en un Único Sentido:
Enlafigura20,se Enlafigura21semuestraelmododefun-
muestraeldiagra- cionamientodedosmotoresdecorrienteconti-
ma de bloques nuaquegiranenunúnicosentido:
delL293B.
La señal de con- • El motor M1 se activa al poner a nivel bajo
trol1EN1activala la entrada de control A.
parejadecanales • El motor M2 se activa al poner a nivel alto
formada por los la entrada de control B.
Capítulo 6 77

En la figura 21 vemos
laconexióndedosmoto-
res de continua, M1 acti-
vo por “0” y M2 por “1”.
En la tabla 6 vemos el
modo de funcionamiento
del circuito de la figura
21.LosdiodosD1yD2,
están conectados para
proteger el circuito cuan-
do se generan los picos
dearranquedelosmoto-
res. Si no se trabaja a
máxima potencia de tra-
bajo, pueden eliminarse
delcircuito.
Giro de Un Motor
en los Dos Sentidos:
El circuito de la figura
22 permite controlar el
doble sentido de giro del
motor.Cuandolaentrada
CestáanivelbajoylaD
anivelalto,elmotorgira
hacialaizquierda.
CambiandolaentradaCanivelaltoylaDa Montaje del drIver l293b
nivelBajo,secambiaelsentidodegirodelmo- con el MIcrocontrolador PIc
torhacialaderecha.
Sisequiereprotegerelcircuitocontraposi- Paracomprobarelfuncionamientodeldriver
blespicosdecorrienteinversaenelmomento L293Bconeldeunmicrocontrolador,vamosa
dearranquedelmotor,serecomiendaconectar utilizarelPIC16F84,queesun chipquetodos
unosdiodostalycomosemuestraenlafigura nuestroslectoresyaconocenyquepuedeser
23.Enestecasolatabla7nosmuestraelmo- reemplazado por un PIC16F627, si es que se
dodefuncionamiento. tomanlosrecaudosenlainclusióndeunape-
Figura 21 Figura 22
78 Capítulo 6
tabla6 queñarutinaenelpro-
Vinh A MotorM1 B MotorM2 grama,talcomoexpli-
H H Paradarápidadelmotor H Giro cáramos en Saber Nº
H L Giro L ParadaRápidadelmotor 215, también usare-
L X Motordesconectado,girolibre X Motordesconectado,girolibre mos un motor de los
queyahemosemplea-
do, un inversor tipo Schmitt Trigger del tipo
40106ynuestrodriver.
En la figura 24 vemos el motor para las
prácticasconelmicrocontroladoryeldriver.
Tambiénmontaremoselcircuitodelafigura
25,quemuestraelesquemadelmontajepara
el control de motores con el driver L293B y el
PIC16F84.Paracomprobarsufuncionamiento,
vamosaescribirelprogramamotor1.asm,que
controlaeldriverdelmotordemaneraquede-
pendiendo del estado del conmutador RA0. Si
RA0cerrado(“0”)oabierto(“1”),elmotorsepa-
raogirarespectivamente.
El organigrama del programa es el que se
muestra en la figura 26 y el programa moto-
r1.asmsereproduceenelcuadro1.Sidesea,
Ud. puede bajar el programa de nuestra web
conlaclaveMicrobot.
Siguiendo con el modo de funcionamiento
del driver conectado al microcontrolador, reali-
tabla7
vinh a b Motor
H L L Paradarápidadelmotor
H H H Paradarápidadelmotor
H L H GiroalaIzquierda
H H L Giroaladerecha
L X X Motordesconectado,girolibre
Cuadro 1
Capítulo 6 79

Figura 25
zamosunsegundoejercicio,enestecasocon
el programa: motor2.asm, que dependiendo
del estado del interruptor RA0 esté cerrado
(“0”)oabierto(“1”),elmotorgiraenelsentido
quelemarcaelestadodeconmutadordeRA1.
SiRA1=0serealizaelgiroaladerechadelmo-
tor,siporelcontrarioRA1=1elsentidodegiro
delmotoreshacialaizquierda.Elprogramase
muestraenelCuadro2.Elsentidodegirode
los programas, dependerá de cómo se hayan
realizado las conexiones de las bornas de los
motores, si no coinciden, intercambiar las co-
nexiones. El conmutador y la resistencia co-
nectadosalaentradaRA1,podemossustituir-
los por el circuito de la figura 27, de manera
que cuando el sensor esté sobre un objeto
blanco,elhazdeinfrarrojos
se refleja, el transistor se Figura 27
saturayenRA1seobtiene
unnivelalto,mientrasquesi
se enfrenta el emisor a un
objetonegro,elhazdeinfra-
rrojosdelemisoresabsorbi-
do, por lo que el transistor
noconduceyenRA1seob-
tendráunnivelbajo.J Cuadro 2
80 Capítulo 6
C a p í t u lo 7
P racticando con r obótica
P ráctgicas con
MatLab
MATLAB es una plataforma de programación y cálculo numérico utilizada por millones de
estudiantes, técnicos e ingenieros y científicos para analizar datos, desarrollar algorit-
mos y crear modelos. MATLAB combina un entorno de escritorio perfeccionado para el
análisis iterativo y los procesos de diseño con un lenguaje de programación que expresa
las matemáticas de matrices y arrays directamente. Las toolboxes de MATLAB se des-
arrollan de forma profesional, pasan pruebas rigurosas y están totalmente documenta-
das. Las apps de MATLAB le permiten ver cómo funcionan diferentes algoritmos con sus
datos. Realice iteraciones hasta obtener los resultados deseados y, después, genere
automáticamente un programa de MATLAB para reproducir o automatizar su trabajo.
Los lectores de Saber Electrónica conocen esta plataforma y, aprovechano el tema de
este libro, publicamos en este capítulo una práctica para que desarrolle sus conocimien-
tos. En una próxima entrega de la colección Club Saber Electrónica desarrollermos la pla-
taforma MATLAB.
Capítulo 7 81
Prácticas de Robótica utilizando Matlab !
Práctica 1
Introducción
La aparición de la robótica en la industria ha supuesto en los últimos 40 años una

importante revolución industrial, que sin embargo no ha tenido el crecimiento
exponencial que los pioneros de la robótica habían supuesto. Una de las razones para
este no tan rápido crecimiento ha sido la complejidad de los cálculos dinámicos de los
mecanismos robotizados. Las elegantes formulaciones matemáticas realizadas por los
padres de la dinámica requieren un gran número de cálculos que obligaba a realizar un
gran número de simplificaciones. Históricamente, el análisis, simulación y diseño de
robots ha supuesto una gran inversión de tiempo y capital, reservado para centros de
investigación y grandes fabricantes.
Sin embargo, la revolución del PC, está permitiendo la implantación de

herramientas sencillas de análisis y simulación de robots. Los programas de propósito
general para el modelado y la simulación de los sistemas mecánicos de múltiples
cuerpos han llamado poderosamente la atención durante esta ultima década. Un
programa CAD para la dinámica de los sistemas multicuerpos minimiza la posibilidad
del error humano en el manejo de modelos complejos, pero en la mayoría de ocasiones,
paquetes de software como IMP [Sheth-1972 ], ADAMS [Orlandea-1977], DISCOS
[Bodley-1978], DADS [ Nikravesh-1985], MEDYNA [Jaschinsky-1986] ofrecen unas
prestaciones mayores de las requeridas por el usuario. Además, utilizando paquetes de
análisis matemático general como MatLab! se pueden implementar los algoritmos
clásicos de la dinámica computacional, y obtener una serie de herramientas que
permitan al usuario del PC realizar un diseño y análisis de su propio mecanismo.
En este sentido, este libro quiere presentar una serie de herramientas sencillas de
modelado computacional y simulación de robots, enfocadas a ser utilizadas en el diseño
paramétrico de robots y mecanismos tanto planares como espaciales en computadoras
personales. En contraste con los libros clásicos de robótica, en los cuales la teoría ocupa
un espacio predominante y es posible encontrar toda las bases de las herramientas que
aquí se utilizan, este libro pretende tener un enfoque eminentemente práctico, aportando
varias referencias para aquellos lectores que quieran ampliar las bases teóricas.
Práctica 1 .- Pág. 1
82 Capítulo 7
Prácticas de Robótica utilizando Matlab ! prácticas con MatlaB
1.1.- Clasificación de robots. Morfología.

La palabra robot proviene del eslavo robota y fue utilizada por primera vez por el
escritor checo Karel Capec en 1917 para referirse en su obra Rossum’s Universal Robot
R.U.R. a máquinas con forma humanoide, pero fue el escritor americano de origen ruso
Isaac Asimov el que dotó de popularidad a esta palabra. En octubre de 1945 publicó en
la revista Galaxy Science Fiction una historia en la que se enuncian por primera vez sus
tres leyes de la robótica;
1. Un robot no puede perjudicar a un ser humano, ni con su inacción permitir que

un ser humano sufra daño.
2. Un robot ha de obedecer las órdenes recibidas de un ser humano, excepto si tales
órdenes entran en conflicto con la primera ley.
3. Un robot debe proteger su propia existencia mientras tal protección no entre en
conflicto con la primera o segunda ley.
Sin pretender ser exhaustivos con la historia y el desarrollo de la robótica se puede

citar que la primera patente de un dispositivo robótico fue solicitada en marzo de 1954
por el inventor británico C.W. Kenward, si bien la primera patente de un dispositivo de
transferencia de artículos programada que se asemeja más al concepto de robot
industrial que hoy conocemos fue presentada por el ingeniero americano George D.
Devol en 1961. En ella se dice:
"The present invention makes available for the first time a more or less general purpose
machine that has universal application to a vast diversity of applications where cyclic
control is desired."
Se pueden distinguir cuatro fechas puntuales en el desarrollo de la robótica industrial:
! En 1948 R.C. Goertz diseñan en el Argonne National Laboratory el primer

sistema telemanipulador para manejar materiales radioactivos.
! Joseph F. Engelberger y G.C. Devol fundan en 1958 la primera empresa
dedicada a la fabricación de robots industriales; Unimation, e instalan su primera
máquina. En 1967 instalaron un conjunto de robots en la factoría de General
Motors y tres años después se inicia la implantación de los robots en Europa,
especialmente en el sector automovilístico.
! En 1970 la Universidad de Stanford y el MIT empiezan un proyecto destinado a
controlar un robot mediante computadora.
! A partir de 1975, la revolución de la microelectrónica y la aparición del
microprocesador relanza el sector de la robótica.
Capítulo 7 83
Figura 1.1.- Primer sistema de teleoperación maestro-esclavo con servoaccionamientos eléctricos.

(desarrollado en el Argonne National Laboratory)
A la hora de definir el concepto de robot de distinguir entre el robot industrial o

robot de producción y los robots especiales o también denominados robots de servicio.
La definición más comúnmente aceptada de robot industrial es la de la Asociación de

Industrial Robóticas (RIA), según la cual:
Un robot industrial es un manipulador multifuncional reprogramable, capaz de

mover materias, piezas, herramientas o dispositivos especiales, según
trayectorias variables, programadas para realizar tareas diversas.
Figura 1.2.- Robot Industrial UNIMATE de la serie 5000
84 Capítulo 7
prácticas con MatlaB
Mientras que los robots de servicio se definen como:
Dispositivos electromecánicos, móviles o estacionarios, dotados normalmente de

uno o varios brazos mecánicos independientes, controlados por un programa de
ordenador y que realizas tareas no industriales de servicio [Nostrand 90]
Para el estudio de la morfología de un robot se debe tener en cuenta que un robot

está formado por los siguientes elementos; estructura mecánica, transmisiones,
actuadores, sistema sensorial, sistema de control y elementos terminales.
Figura 1.3.- Elementos constitutivos de un robot industrial clásico
Estructura mecánica
Un robot está formado por una serie de elementos o eslabones unidos mediante
articulaciones que permiten un movimiento relativo entre cada dos eslabones
consecutivos. La constitución física de la mayor parte de los robots industriales está
inspirada en la anatomía del brazo y la mano humana.
Se definen como grados de libertad como los posibles movimientos básicos

(giros y desplazamientos) independientes. La figura 1.4 muestra diferentes tipos de
articulaciones y los grados de libertad que aportan cada una de ellas.
Capítulo 7 85
Prácticas
Prácticas de Robótica
Robótica utilizando
u tiliz a n Matlab
a tla b !
Figura
Figura 1.4.-
1.4.- Diferentes
Diferentes articulaciones
articulaciones utilizadas
utilizadas en
en robótica
ro b ó tic a
Las
Las didiferentes
ferentes combinaciones
combinaciones de estasestas articulaciones
articulaciones dan
dan lugar
lugar a distintas
distintas
configuraciones
confiiguraciones o a
onf arquitecturas
rquitecturas mecánicas,
mecánicas, cada
cada una de ellas
ellas con
con características
características que la
la
hacen
ha más
cen m ás o m menos
enos recomendable
recomendable para
para la
la realización
realización de una determinante
determinante tarea.
tarea. Las
Las
ssiguientes
iguientes figuras
ffiiguras m muestran
uestran las
las configuraciones
onfiiguraciones más
conf más típicas
típicas utilizadas
utilizadas enen robots
robots
iindustriales,
ndustriales, y e en ellas
n ellas sse distinguen
e distinguen los
los eslabones
eslabones y los
los grados
grados de libertad
libertad de cada
cada
confiiguración.
onf
configuración.
Robot
Robot cartesiano
c a r te s ia n o Robot
Robot Cilíndrico
Cilíndrico
Robot
Robot Polar
P o la r Robot
Ro SCARA
bot S CARA Robot
Robot antropomórfico
a n tr o p o m ó r f ic o
Figura
Figura 1.5.-
1.5. Di
Diferentes
ferentes arquitecturas m e c á n ic a s
arquitecturas mecánicas
86 Capítulo 7
Práctica
Pr áctica 1 .- Pág.
.- Pá g. 5
Prácticas
Pr ácticas de Robótica
utilizan Matlab
t la b !
Ess ttambién
E ambién muy
muy común
común ususar
ar een
n robótica
robótica terminología
terminología iinspirada
nspirada en
en la
la anatomía
anatomía
dell bra
de zo humano,
brazo humano, así así en
en la
la mayoría
mayoría de arquitecturas
arquitecturas mecánicas
mecánicas de robots
robots industriales,
industriales,
llas
as ttres últimas articulaciones,
res últimas articulaciones, que normalmente
normalmente se se utilizan
utilizan para
para proporcionar
proporcionar
entación al
orientación
ori al elemento
elemento terminal
terminal (se
(se estudiará
estudiará esto
esto más
más profundamente
undamente en
profunda
prof en el
el capítulo
capítulo
ssiguiente), forman lo
iguiente), forman
form lo que sese conoce
conoce como
como muñeca
muñeca del
del robot (figura
(fiigura 1.6).
(f
Figura
F 1.6.-- Mu
igura 1.6. Muñeca
ñeca del
del Robot
R obot
O
Otro
tro c
concepto
oncepto importante
importante que debedebe tenerse
tenerse en
en cuenta
cuenta en
en la
la descripción
descripción de un
robot sson
on llas
as di
dimensiones
mensiones de dell robot y el
el e
espacio
spacio dde
e tr
trabajo
abajo que dedefine
ffiine el
el movimiento
movimiento
de llas
as di ferentes a
diferentes rticulaciones. El
articulaciones. El espacio bajjo de un robot se
espacio de trabajo
traba se subdivide
subdivide en áreas
en áreas
diferenciadas entre
diferenciadas entre sí
sí por la
la accesibilidad
accesibilidad del
del elemento
elemento terminal
terminal en
en cada ellas.
cada una de ellas.
Por
Por ejemplo,
ejemplo, es es diferente
diferente la
la zona
zona enen la
la que el
el elemento
elemento terminal
terminal solo
solo puede orientarse
puede orientarse
horizontalmente
horizontalmente o aquella
aquella en
en la
la que también
también puede
puede orientarse
orientarse verticalmente.
verticalmente. La ffiigura
La figura
siguiente
siguiente muestra
muestra un robot de la la casa
casa STAÜBLI
STAÜBLI y su su espacio
espacio de trabajo.
traba
bajjo.
F igura 1.7.
Figura 1.7.-- Di
Dimensiones
mensiones y espacio
espacio de
de trabajo
trabajo del
del Robot
Robot Industrial
Industrial STAÜBLI
STAÜBLI PUMA
PUMA RX-60
RX-60
capacidad de
La capacidad de carga
carga que puede
puede transportar
transportar la
la garra
garra del
del robot,
robot, la
la precisión
precisión en
en
la repetibilidad y la
repetibilidad la velocidad
velocidad de las
las articulaciones
articulaciones son también características
son también características muy
muy
iimportantes
mportantes del
del robot que deben
deben ser
ser citadas
citadas en
en la descripción de un robot.
la descripción robot.
Capítulo 7 87
Práctica
Pr áctica 1 .-
.- Pág.
Pág. 6

Transmisiones y reductores
Las transmisiones son los elementos encargados de transmitir el movimiento

desde los actuadores hasta las articulaciones. Los reductores se incluyen con las
transmisiones y son los encargados de adaptar el par y la velocidad de la salida del
actuador a los valores adecuados para el movimiento de los elementos del robot.
Normalmente los actuadores se intentan situar lo más cerca de la base del robot,
con el fin de reducir al máximo el peso estático y la inercia de los eslabones finales, que
deben moverse con aceleraciones altas. Para ello es necesario utilizar sistemas de
transmisión que trasladen el movimiento hasta las articulaciones. La siguiente tabla,
extraída de [1] resume los sistemas de transmisión para robots. El lector que quiera
profundizar en el tema puede utilizar las referencias [1],[2] y [3] para obtener más
información.
Entrada-Salida Denominación Ventajas Inconvenientes
Circular-Circular Engranaje Pares altos Holguras

Correa dentada Distancia grande ---
Cadena Distancia grande ruido
Paralelogramo --- giro limitado
Cable --- deformabilidad
Circular-lineal Tornillo sin fin Poca holgura Rozamiento

Cremallera Holgura media Rozamiento
Lineal- Circular Paral. Articulado --- Control difícil

Cremallera Holgura media Rozamiento
Tabla 1.1.- Sistemas de transmisión para robots
Los reductores utilizados en robótica pueden tener diferentes morfologías y estar

basados en distintas tecnologías, y en muchas ocasiones vienen incorporados con el
actuador.
Actuadores
Para el estudio de los actuadores y sus modelos matemáticos se ha dedicado la

práctica cuatro de este libro. Sin embargo el lector debe conocer que los elementos
motrices que generan el movimiento de las articulaciones pueden ser, según la energía
que consuman, de tipo hidráulico, neumático, eléctrico o basado en las propiedades de
las aleaciones con memoria de forma (SMA).
88 Capítulo 7
Prácticas
Prácticas de Robótica
utilizan Matlab
t la b !
Elementos
Elementos terminales
terminal
nale
es
A lla
ammuñeca
uñeca del
del manipulador
manipulador sese acopla
acopla una
una garra herramienta, que será
garra o una herramienta, será la
la
eencargada
ncargada de materializar
materializar el bajjo previsto.
el trabajo
traba previsto. El
El elemento terminal debe
elemento terminal debe ser
ser capaz
capaz de
aagarrar
garrar lla
a ccarga
arga máxima
máxima deldel robot,
robot, a la
la vez
vez que debe ser de dimensiones
debe ser dimensiones y peso peso
reducido.
re ducido. E Esto obliga
sto obl iga en
en muchas
muchas ocasiones soluciones de c
ocasiones a soluciones ompromiso en
compromiso en que el el
e
elemento
lemento terminal
terminal se
se diseña
diseña para
para una aplicación concreta. Normalmente
aplicación concreta. Normalmente sese opta
opta por
garras
ga neumáticas.
rras ne umáticas. Algunas
Algunas garras
garras de sujeción
sujeción son las mostradas
son las mostradas en
en las
las figuras
ffiiguras
ssiguientes.
iguientes.
Figura
Figura 1.8.-
1.8.- Mo
Morfología
rfología de
de distintas
distintas garras
garras neumáticas
neumáticas
L
La
a ssiguiente
iguiente figura
ffiigura muestra
muestra diferentes
diferentes formas
formas de sujetar
sujetar la
la carga.
carga. La
La fricción
fricción
eentre
ntre lla
a carga
carga y los
los dedos
dedos de la pinza es
la pinza es un factor
factor determinante
determinante a lala hora de elegir
elegir o
diseñar
di señar una pinza.
pinza. El
El la literatura especializada
la literatura especializada y enen los
los catálogos
catálogos de los
los fabricantes
fabricantes
ssuelen
uelen aparecer
aparecer tablas permiten seleccionar
tablas que permiten seleccionar la
la pinza
pinza adecuada
adecuada para
para cada
cada aplicación.
aplicación.
Figura
F 1.9.-- Su
igura 1.9. Sujeción
Sujje c ió n d
deeu
una
na pieza
pieza por
por distintas
distintas pinzas
pinzas neumáticas
n e u m á tic a s
Capítulo 7 89
Práctica
Pr áctica 1 .-
.- Pág.
Pág. 8
Robótica BEaM, Inteligencia artificial y lógica
Prácticas Difusa
de Robótica utilizando Matlab !
1.2.- Sistemas de representación utilizados en robótica.

Tal y como se vio en el epígrafe anterior, las diferentes arquitecturas mecánicas
de robots aconsejan el uso de distintos sistemas de representación de acuerdo con la
morfología de cada robot.
Representación de la posición
Es común en robótica el uso de coordenadas cartesianas para localizar un cuerpo

en el espacio, sin embargo es igualmente válido y el lector encontrará varios autores que
hacen uso de las coordenadas polares o esféricas en sus desarrollos matemáticos.
Coordenadas cartesianas en 2 y 3 dimensiones
Coordenadas polares en 2 y 3 dimensiones
Coordenadas esféricas
Figura 1.10.- Sistemas de representación de posición utilizados en Robótica
90 Capítulo 7
Prácticas de Robótica utilizando Matlab ! prácticas con MatlaB
Representación de la orientación
La orientación de un sólido en el espacio se puede especificar utilizando varios

sistemas de referencia. La orientación en el espacio tridimensional viene definida por
tres grados de libertad, luego será necesario un mínimo de tres parámetros linealmente
independientes.
En robótica es común el uso de matrices de rotación, debido a la comodidad

que proporciona el uso del álgebra matricial. La matriz de rotación es una matriz 3x3
ortogonal de cosenos directores que define la orientación del sistema OUVW móvil
respecto al sistema OXYZ fijo, y que tiene la forma siguiente:
& i x iu i x jv ix k w #
R = $$ j y iu j y jv j y k w !!
$% k z iu k z jv k z k w !"
[ ]
donde i x j y k z son los vectores unitarios del sistema OXYZ y [iu jv k w ] los
vectores unitarios del sistema OUVW.
El ejemplo siguiente muestra la matriz de rotación del sistema OUVW que ha

girado un ángulo " respecto a OXYZ.
&1 0 0 #
R(x,( ) = $$0 cos( ' sen( !!
$%0 sen( cos( !"
Figura 1.11.- Rotación del sistema OUVW respecto al eje OX
Las matrices ortonormales de rotación pueden componerse para expresar la

aplicación continua de varias rotaciones (Recuerde el lector que el orden en que se
realizan las rotaciones es importante, pues el producto de matrices no es conmutativo).
También es común en robótica el uso de cuaternios, pero debido a que no se

utilizan en los desarrollos de las prácticas de este libro, no van a ser estudiados aquí.
Capítulo 7 91
1.3.- Herramientas para la Simulación de Sistemas Robotizados.

Ámbito de aplicación.
Como ya se comentó en la introducción, la simulación de sistemas robotizados
ha estado íntimamente ligada a la potencia computacional de los procesadores de
cálculo. El gran avance producido con los microprocesadores actuales ha permitido
obtener paquetes de simulación dinámica como ADAMS de MDI
(http://www.adams.com) capaces de simular el comportamiento dinámico de casi
cualquier mecanismo multicuerpo. Estos paquetes incorporan amplias librerías de
articulaciones y fuerzas que permiten al usuario construir su modelo en un tiempo
relativamente corto. Estos paquetes son utilizados en los centros de investigación y en
las empresas de tecnología para el diseño de prototipos mecánicos. Sin embargo las
altas prestaciones de este tipo de paquetes hacen que su coste económico sea alto para
una primera aproximación al mundo de la robótica.
Figura 1.12.- Paquete de simulación dinámica ADAMS
Asimismo, en la red pueden encontrarse multitud de paquetes gratuitos o de

demostración de software especializado en la simulación de robots clásicos. La mayoría
de este software incorpora una interfaz gráfica de simulación avanzada, dando lugar a
resultados muy vistosos. Sin embargo, ya se ha comentado que estos paquetes suelen ser
cerrados desde el punto de vista del código fuente, y por lo tanto están limitados a las
capacidades que el programador haya incorporado antes de su publicación. El
comportamiento dinámico de los mecanismos no suele estar implementado en estos
simuladores, o bien lo está de una manera oscura y sin especificar las simplificaciones
que se han realizado en él. Estos paquetes están destinados normalmente a la educación,
y a la realización de prácticas por parte de los alumnos. La siguiente tabla muestra una
lista de algunos de estos simuladores que los autores han encontrado en la red.
92 Capítulo 7
Simulador Dirección web Imágenes

Easy Robot http://www.easy-rob.de/
Roboworks http://www.newtonium.com
Simrobot University of Bremen
Wits http://mars.graham.com/mplwits/
Workspace http://www.rosl.com
Tabla 1.2.- Algunos simuladores de robots disponibles
En otro nivel se sitúan aquellas herramientas diseñadas para el análisis de

sistemas robotizados que se presentan con el código fuente accesible al usuario. La
Capítulo 7 93
filosofía del código abierto pretende ampliar continuamente las capacidades de ese
código, permitiendo que los lectores y programadores añadan su contribución a este
código. A los autores nos ha parecido interesante este enfoque, pues este libro pretende
servir como un primer paso para la formación de expertos en robótica que conozcan el
cómo funcionan las cosas. La magnifica Robotics Toolbox de Matlab de Peter I. Corke
!
y el código desarrollado por los autores en este libro pertenecen a esta clasificación.
Figura 1.13.- Herramienta de simulación desarrollada en el libro
1.4.- Presentación de los dos robots ficticios.
Finalmente en esta práctica se presentan los dos robots ficticios que se utilizan a
lo largo del libro para la realización de las prácticas, ejemplos y ejercicios
recomendados. Se trata de dos robots industriales ficticios, con cadenas cinemáticas
distintas de 4 y 6 grados de libertad respectivamente.
El robot de 4 grados de libertad tiene una configuración de robot cilíndrico en el

que las articulaciones 2 y 3 son prismáticas, mientras que las articulaciones 1 y 4 son
rotacionales. Las dimensiones del robot son las indicadas en la figura siguiente (en
metros) en la que d2 y d3 corresponden a coordenadas articulares, y por tanto son
variables del robot, al igual que #1 y #4.
94 Capítulo 7
d2
d3
0.08
0.2
#4
0.45 Robot Rotacional de 6 gdl
#1 Robot Prismático de 4 gdl
0.315
Figura 1.14.- Robot prismático de 4 gdl
El robot de 6 grados de libertad tiene una configuración antropomórfica o

angular con todas las articulaciones rotacionales. Las dimensiones en metros están
indicadas en la figura 1.15.
Figura 1.15.- Robot rotacional de 6 gdl
Capítulo 7 95
Robótica BEaM, Inteligencia artificial y lógica
Prácticas Difusa
de Robótica utilizando Matlab !
1.5.-PRÁCTICA.Presentación de la Robotics Toolbox de Matlab!
Se trata de una toolbox de Matlab que proporciona varias funciones que son
!
útiles en robótica. Su conocimiento va a permitir disponer de una serie de herramientas

para la verificación de los resultados obtenidos.
La Robotics Toolbox fue desarrollada por Peter I. Corke en 1996 y puede

obtenerse libremente desde MathWorks en la siguiente dirección:
ftp.mathworks.com
en el direcctorio /pub/contrib/misc/robot.
Una vez instalada la toolbox se ejecutará en primer lugar el comando rtdemo que
ofrece una demo de algunas de las funciones implementadas en la toolbox. Al ejecutar
la demo aparece un menu (fig. 1.16) a partir del cual se ejecutan varios comandos de la
toolbox.
Figura 1.16.- Ejecución de la demo de Robotics Toolbox
96 Capítulo 7
Como todos los comandos de Matlab la Robotics Toolbox nos ofrece ayuda en
!
línea en la que se puede conocer el uso de cada una de las funciones:
» help jtraj
JTRAJ Compute a joint space trajectory between two points
[Q QD QDD] = JTRAJ(Q0, Q1, N)

[Q QD QDD] = JTRAJ(Q0, Q1, N, QD0, QD1)
[Q QD QDD] = JTRAJ(Q0, Q1, T)
[Q QD QDD] = JTRAJ(Q0, Q1, T, QD0, QD1)
Returns a joint space trajectory Q from state Q0 to Q1. The number

of points is N or the length of the given time vector T. A 7th
order polynomial is used with default zero boundary conditions for
velocity and acceleration. Non-zero boundary velocities can be
optionally specified as QD0 and QD1.
The function can optionally return a velocity and acceleration

trajectories as QD and QDD.
Each trajectory is an mxn matrix, with one row per time step, and
one column per joint parameter.
La demo de Matlab incluye gráficas de planificación de trayectorias y

!
animación alámbrica de robots donde se pueden visualizar los trayectorias calculadas.
Figura 1.17.- Ejecución de la demo de Robotics Toolbox
Capítulo 7 97
EJERCICIOS PROPUESTOS
Utilizando las funciones de la Toolbox de Matlab :

!
" dar la matriz de transformación de una translación de 6 unidades en el eje X, -3

unidades en el eje Y y 8 unidades en el eje Z.
" dar la matriz de transformación de una rotación de 0º en X, 0º en Y y –90º en Z.
" dar la matriz de transformación de un sistema que se ha desplazado 6 unidades

en X, ha rotado 45º en Y y -90º en Z
98 Capítulo 7
3ª de forros 2.qxd:club 10/12/12 09:55 Página 3ªFo1
4ª de forros.qxd:sumario 223 21/11/13 18:13 Página 4ªFo1

Club 185

Cargado por

Club 185

Cargado por

4ª forros.

qxd:Maquetación 1 15/10/13 10:37 Página 1

Director de la Colección Club Saber

Prácticas DE robótica bEam, intELigEncia artificiaL

L a E voLución dE Las c omputadoras

Robótica BEaM, Inteligencia artificial y lógica Difusa

¿Cómo se mide la inteligencia? * Inteligencia corporal-cinética: Es la

Robótica BEaM, Inteligencia artificial y lógica Difusa

Robótica BEaM, Inteligencia artificial y lógica Difusa

* Búsqueda del estado requerido en el con- Varios ejemplos se encuentran en el área de

Robótica BEaM, Inteligencia artificial y lógica Difusa

Robótica BEaM, Inteligencia artificial y lógica Difusa

Robótica y L ógica D ifusa

Robótica BEaM, Inteligencia artificial y lógica Difusa

Per­ceP­trón SIm­Ple A x1,x2, x3 les llamamos las componentes

Redes Neuronales artificiales

Robótica BEaM, Inteligencia artificial y lógica Difusa

En realidad, en el entrenamiento lo que se

Redes Neuronales artificiales

Robótica BEaM, Inteligencia artificial y lógica Difusa

Redes Neuronales artificiales

mos abrir este código con el “PICAXE Program-

Robótica BEaM, Inteligencia artificial y lógica Difusa

•­ Per­cep­trón­ sim­ple­ y­ per­-

R edes N euRoNales e I NtelIgeNcIa a RtIfIcIal

In­tro­duc­cIón sos escogidos inicialmente en forma aleatoria.

Robótica BEaM, Inteligencia artificial y lógica Difusa

Implementación de un Cerebro para Robot Móvil

Robótica BEaM, Inteligencia artificial y lógica Difusa

donde dij es la respuesta deseada.

4. Volver al paso 2. y repetir el proceso has-

Implementación de un Cerebro para Robot Móvil

Robótica BEaM, Inteligencia artificial y lógica Difusa

Implementación de un Cerebro para Robot Móvil

7- El cable marcado como

Robótica BEaM, Inteligencia artificial y lógica Difusa

la rEd quE usa­rE­Mos

Una red muy apropiada para el control del

el robot tal como lo dejamos en el artículo pa-

Implementación de un Cerebro para Robot Móvil

En esta tabla, X1 es la señal proveniente del

Robótica BEaM, Inteligencia artificial y lógica Difusa

Para entrenar el circuito necesitamos la ver-

Implementación de un Cerebro para Robot Móvil

Figura 19 BASIC”, (figura 19) esto genera un código para

C:\Archivos de programa\Nepic\ Robot1.bas

Nota: se puede abrir con editor de textos).

Robótica BEaM, Inteligencia artificial y lógica Difusa

Ahora en este caso su-

Implementación de un Cerebro para Robot Móvil

Robótica BEaM, Inteligencia artificial y lógica Difusa

Implementación de un Cerebro para Robot Móvil

de patrones que luego cargaremos y entrenare-

Robótica BEaM, Inteligencia artificial y lógica Difusa

I ntroduccIón al c ontrol con F uzzy logIc

Robótica BEaM, Inteligencia artificial y lógica Difusa

Aquí­ es­ta­ría­mos­ fren­te­ al

Control de Brazo Robot por Señales Electromiográficas

C = {x1| (µC(x1)); x2|(µC(x2)); ...; xn|(µC(xn))}

Robótica BEaM, Inteligencia artificial y lógica Difusa

La­ forma­ analítica­ de­ expresar­ un­ conjunto

Tam­bién,­ las­ fun­cio­nes­ de­ per­te­nen­cia­ po­-

dI­se­ño de un con­troL Fuzzy

Pe­ro­por­sim­pli­ci­dad,­a­la­ho­ra­de­im­ple­men­- ¿Cómo empleamos estos conocimientos?

Control de Brazo Robot por Señales Electromiográficas

Robótica BEaM, Inteligencia artificial y lógica Difusa

Control de Brazo Robot por Señales Electromiográficas

Robótica BEaM, Inteligencia artificial y lógica Difusa

Control de Brazo Robot por Señales Electromiográficas

Pa­ra­ la­ so­lu­ción­ de­ es­te­ pro­ble­ma,

Robótica BEaM, Inteligencia artificial y lógica Difusa

Control de Brazo Robot por Señales Electromiográficas

Robótica BEaM, Inteligencia artificial y lógica Difusa

nota: Es­ imprescindible­ que­ haya

Esta­ operación­ se­ establece­ según­ la­ fór- soFt­wa­re

Control de Brazo Robot por Señales Electromiográficas

PercePtrón SImPle A x1,x2, x3 les llamamos las componentes

• Perceptrón simple y per-

IntroduccIón sos escogidos inicialmente en forma aleatoria.

la rEd quE usarEMos

Aquí estaríamos frente al

La forma analítica de expresar un conjunto

También, las funciones de pertenencia po-

dIseño de un controL Fuzzy

Peroporsimplicidad,alahoradeimplemen- ¿Cómo empleamos estos conocimientos?

Para la solución de este problema,

nota: Es imprescindible que haya

Esta operación se establece según la fór- soFtware

Este software podemos car-

Supongamos una entrada de 110 en

Paraelcasodenuestroras- utilizando ruedas, podemos

toresquevamosdecorrientecontinuaconca- por los circuitos impresos para fijarlos a los

Figura 15b Figura 16 son TR1 y

crobotsiguelíneaseselquesemuestraenlafi- aluminio como soporte para los sensores

control de Motores Por MedIo H= Nivel alto "1",