La asignatura pretende introducir al alumno en el campo de la navegación autónoma y la robótica móvil, explorando los principios fundamentales y los algoritmos que permiten a una plataforma moverse de manera independiente por un entorno desconocido.
Se busca proporcionar una comprensión profunda de cómo los sistemas robóticos procesan la información sensorial para localizarse, mapear el espacio y planificar trayectorias libres de colisiones. El curso se centra en los conceptos esenciales de percepción y movimiento. Se abordarán los fundamentos matemáticos y probabilísticos de la localización, incluyendo filtros de Kalman y métodos SLAM, así como los modelos cinemáticos de las plataformas móviles.
Para reforzar el aprendizaje y proporcionar experiencia tangible, el curso incluirá sesiones prácticas de laboratorio utilizando el ecosistema ROS2 (Robot Operating System) y el desarrollo de nodos en Python/C++, donde los alumnos podrán aplicar los conceptos en entornos de simulación (Gazebo) y validarlos posteriormente en robots físicos. Finalmente, se analizarán diversas aplicaciones prácticas para entender las limitaciones del hardware y las redes de comunicación en situaciones reales.
Profesores Titulares
Para cursar la asignatura se requieren conocimientos previos fundamentales de álgebra, cálculo y probabilidad, especialmente necesarios para entender los principios geométricos y matemáticos que sustentan la navegación y la localización. Asimismo, se recomienda encarecidamente que los estudiantes dispongan de experiencia previa en el manejo de sistemas operativos basados en Linux, así como de nociones sólidas de programación, preferiblemente en lenguaje Python. Adicionalmente, es altamente conveniente contar con una base introductoria al ecosistema ROS 2 (Robot Operating System), ya que constituirá el marco de trabajo principal para el desarrollo y la implementación de las prácticas de software en las plataformas móviles.
La asignatura tiene como objetivo introducir al estudiante en el campo de la navegación autónoma y la robótica móvil, proporcionando una base sólida en los principios fundamentales, los métodos y los algoritmos que permiten a una plataforma moverse de manera independiente por un entorno desconocido. Asimismo, pretende desarrollar la capacidad de comprender y aplicar conceptos esenciales de percepción, localización espacial, mapeo y planificación de trayectorias, dotando al alumnado de la intuición técnica necesaria para identificar y resolver los problemas inherentes al control y la movilidad de estos sistemas. Con ello, se busca capacitar al alumnado para diseñar e integrar soluciones tecnológicas y de software de vanguardia que contribuyan al desarrollo de sistemas robóticos robustos, eficientes y seguros para la industria actual.
Bloque I. Modelado del Movimiento
Tema 1. Cinemática de robots móviles
- Grados de libertad y restricciones
- Modelos de ruedas (fija, loca, Mecanum, Omni)
- Modelo cinemático directo e inverso (Diferencial, Ackermann)
- Holonomía y no holonomía
Bloque II. Percepción y Estimación
Tema 2. Fundamentos de percepción
- Sensores (propioceptivos y exteroceptivos)
- Incertidumbre y precisión
- Modelo gaussiano (univariable y multivariable)
- Probabilidad condicional y teorema de Bayes
Tema 3. Localización
- Filtro Bayesiano
- Filtro de Kalman (KF)
- Filtro de Kalman extendido (EKF)
- Filtro de partículas (MCL)
Bloque III. Mapeo y SLAM
Tema 4. Mapeo
- Tipologías de mapas (métricos y topológicos)
- Mapas de ocupación (Log-odds)
Tema 5. SLAM
- Introducción al problema SLAM
- SLAM basado en EKF
- SLAM basado en filtro de partículas (GMapping)
- Graph SLAM
Bloque IV. Planificación y Exploración
Tema 6. Planificación de trayectorias
- Planificación global (A*, RRT, PRM)
- Planificador local (DWA)
Tema 7. Exploración autónoma
- Exploración basada en fronteras
- Criterios de replanificación y selección de objetivos
La metodología utilizada en la asignatura Sistemas de navegación se fundamenta en un enfoque teórico-práctico orientado a la adquisición progresiva de los resultados de aprendizaje definidos. La asignatura combina las clases magistrales teóricas con una serie de actividades prácticas que el alumno debe resolver, fomentando un equilibrio que permite que el alumnado asimile los conceptos trabajados en el aula y los aplique en un entorno real de robótica móvil.
La dinámica de las sesiones presenciales se divide en dos partes diferenciadas. Durante la primera parte, se desarrollan las clases magistrales junto con la resolución de ejercicios, promoviendo la participación activa del estudiante para consolidar los fundamentos teóricos. En la segunda parte de la clase, se llevan a cabo las actividades prácticas de evaluación continuada.
Estas prácticas, que se pueden realizar en parejas, se ejecutan utilizando tanto entornos de simulación como robots reales. Los contenidos teóricos adquiridos en las clases presenciales se refuerzan así con la realización de estas actividades, para las cuales los estudiantes utilizarán sus propios ordenadores portátiles, siendo un requisito indispensable la instalación previa de ROS 2.
Como complemento a estas actividades troncales, la metodología integra el trabajo autónomo del estudiante para favorecer un aprendizaje activo y aplicado. Finalmente, en esta asignatura se utiliza una plataforma virtual (eStudy) como medio de comunicación principal entre el alumno y el profesor, y para la gestión del curso.
La evaluación de la asignatura se articula en dos bloques obligatorios: teoría y prácticas, cada uno con un peso del 50% sobre la nota global. La calificación final se obtiene a partir de los siguientes elementos:
- Teoría (50% de la nota final): se divide en un Examen de control (50%) y un Examen final (50%).
- Prácticas (50% de la nota final): se componen de varios Ejercicios prácticos (40%) y un Proyecto Final (60%).
Para superar la asignatura será necesario obtener una nota final igual o superior a 5 sobre 10. Es condición indispensable y estrictamente obligatoria presentarse al examen final y realizar la presentación oral del Proyecto Final en clase (en caso contrario, la nota máxima en el acta será un 4.0). No se guardan notas de cursos anteriores. Además, las copias o el uso no autorizado de IA en evaluaciones oficiales se penalizarán estrictamente según la normativa académica.
Se valorará:
- El rigor y la coherencia en el desarrollo de los razonamientos.
- La comprensión conceptual de los fundamentos de la robótica móvil.
- La capacidad de aplicar métodos y algoritmos de navegación autónoma.
- La capacidad de utilizar sensores para percibir el entorno y detectar obstáculos.
- La capacidad de modelización y resolución de problemas en entornos reales o simulados.
- La correcta interpretación de los resultados obtenidos.
- La claridad y la estructura en la presentación de los procedimientos y soluciones.
Welch, G., & Bishop, G. (2006). An Introduction to the Kalman Filter. University of North Carolina at Chapel Hill.
Thrun, S., Burgard, W., & Fox, D. (2005). Probabilistic Robotics. MIT Press.
Siegwart, R., Nourbakhsh, I. R., & Scaramuzza, D. (2011). Introduction to Autonomous Mobile Robots. MIT Press.
LaValle, S. M. (2006). Planning Algorithms. Cambridge University Press.
Corke, P. (2023). Robotics, Vision and Control: Fundamental Algorithms in Python. Springer.
Open Robotics. (s. f.). ROS 2 Humble Documentation.
Open Navigation LLC. (s. f.). Navigation2 (Nav2) – ROS 2 Navigation Stack.