c Komputer Sapiens, An˜o VII Volumen III, …...c Komputer Sapiens, An˜o VII Volumen III,...

c©Komputer Sapiens, Ano VII Volumen III, septiembre-diciembre 2015, es una publicacioncuatrimestral de la Sociedad Mexicana de Inteligencia Artificial, A.C., con domicilio enEzequiel Montes 56 s/n, Fracc. los Pilares, Metepec, Edo. de Mexico, C.P. 52159, Mexi-co, http://www.komputersapiens.org, correo electronico: [email protected], tel. +52(833)357.48.20 ext. 3024, fax +52 (833) 215.85.44. Impresa por Sistemas y Disenos de Mexico S.A.

de C.V., calle Aragon No. 190, colonia Alamos, delegacion Benito Juarez, Mexico D.F., C.P. 03400, Mexico, se ter-mino de imprimir el 30 de diciembre de 2015, este numero consta de 1000 ejemplares.Reserva de derechos al uso exclusivo numero 04-2009-111110040200-102 otorgado por el Instituto Nacional deDerechos de Autor. ISSN 2007-0691.Los artıculos y columnas firmados son responsabilidad exclusiva de los autores y no reflejan necesariamente lospuntos de vista de la Sociedad Mexicana de Inteligencia Artificial. La mencion de empresas o productos especıficosen las paginas de Komputer Sapiens no implica su respaldo por la Sociedad Mexicana de Inteligencia Artificial.Queda estrictamente prohibida la reproduccion total o parcial por cualquier medio, de la informacion aquı contenidasin autorizacion por escrito de los editores.Komputer Sapiens es una revista de divulgacion en idioma espanol de temas relacionados con la inteligencia artificial.Creada en LATEX, con la clase papertex disponible en el repositorio CTAN : Comprehensive TeX Archive Network,http://www.ctan.org/Indizada en el IRMDCT de CONACYT y en Latindex.

Directorio SMIA Directores Fundadores

Presidente Grigori Sidorov Carlos Alberto Reyes Garcıa

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

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

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

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

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

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

Ocotlan Dıaz-Parra

Estado del IArte Ma del Pilar Gomez Gil Arbitros

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

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

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

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

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

Correccion de estilo Sandra Giovanna Reyes Raya Cesar TorresClaudia L. Dıaz GonzalezDenisse Alvarado CastilloJose Antonio Martınez FloresSilvia Clementina Guzman OrtizKaren Daniela Cruz HernandezJ. David Teran VillanuevaLucila Morales RodrıguezMarcela Quiroz CastellanosGilberto Rivera Zarate

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

Contenido

ARTÍCULO ACEPTADO

Producción artificial de habla: Sín-

tesis de voz

por Marvin Coto Jiménez, John Goddard-Close y FabiolaMartínez-Liconapág. 6 ⇒ El habla: La nueva interacción entre el ser humano y lasmáquinas.

ARTÍCULO ACEPTADO

Controlando una silla de ruedas mediante expre-

siones faciales y movimientos de cabeza

por Ericka Janet Rechy-Ramírez, Huosheng Hu, Antonio Marín-Hernández y Homero Vladimir Ríos-Figueroa

pág. 11 ⇒ La silla de ruedas controlada en modo manos libres es una tecnologíaque facilita el desplazamiento para personas con movilidad limitada.

ARTÍCULO ACEPTADO

El arte de diseñar robots manipuladores

por Dan-El N. Vila-Rosado y Axel Domínguez-López

pág. 17 ⇒ El buen diseño de un brazo manipulador es cuestión de conocerpreviamente su objetivo y su área de acción.

ARTÍCULO ACEPTADO

Uso de tangibles robóticas en el aprendizaje cola-

borativo de las matemáticas

por Sergio Hernández-González, Genaro Rebolledo-Méndez, N. So-fía Huerta-Pacheco y Luis G. Montané-Jiménez

pág. 24 ⇒ En México un campo poco explorado es el empleo de tecnologíasde la información como apoyo en el aprendizaje significativo y a largo plazo.

Columnas

Sapiens Piensa. Editorial pág. 2

e-Tlakuilo pág. 3

Estado del IArte pág. 5

Sakbe pág. 4

IA & Educación pág. 29

DeskubriendoKonocimiento pág. 31

Komputer Sapiens Septiembre - Diciembre 2015 ‖ Año VII, Vol.III

Año VII, Vol. III. Septiembre - Diciembre 2015 Editorial Komputer Sapiens 2 / 32

Sapiens Piensa

Eduardo F. Morales Manzanares y José Gabriel Ramírez Torres

Eduardo F. Morales

Hemos sido testigos, durante losúltimos años, de un incrementoacelerado en el desarrollo de ro-bots, tanto en la industria comoen el área de servicios. Durantevarios años, la presencia de losrobots se limitaba a las líneasde producción industrial, donderealizan tareas de alta precisión,pesadas y repetitivas, en condi-

ciones que muchas veces implican un riesgo para la saludde los obreros humanos. Pero desde hace un par de déca-das, se ha vuelto cada vez más común encontrar robotsfuera de las fábricas automatizadas. Actualmente existenrobots móviles que sirven de guías y explican exhibicionesen museos; en los hospitales, los robots ayudan llevandomedicinas y alimentos a los pacientes, e incluso asisten alcirujano en la sala de operación; los robots humanoidesson capaces de realizar tareas cada vez más complejas;además de las aplicaciones militares, algunos vehículosaéreos no tripulados pueden realizar operaciones de vi-gilancia y monitoreo de instalaciones civiles, apoyan ala preservación de la vida salvaje, brindan asistencia du-rante el control de incendios forestales y participan enel desarrollo de la agricultura de precisión. Igualmente,vehículos autónomos terrestres y submarinos son utili-zados en diversas aplicaciones. Se espera que en un fu-turo cercano sea tan común tener un robot en la casacomo ahora es tener una computadora. Este desarrollovertiginoso del área se ha visto acompañado de nuevasherramientas en visión y aprendizaje computacional, in-teracción humano-robot, planificación bajo incertidum-bre, etc. En este número especial de “Komputer Sapiens”se presentan algunos de los avances relacionados con larobótica en general en México.

Uno de los aspectos fundamentales para una interac-ción más natural entre los robots y las personas, es el em-pleo del lenguaje hablado y, por lo tanto, la comunicacióndel robot a través de voz artificial. Aunque el problemade la síntesis de voz artificial se ha abordado desde hacevarios años, el producir una voz que no suene sintéticay parezca más natural ha resultado ser una tarea muchomás difícil de lo imaginado inicialmente. En el artículo“Producción artificial de habla: Síntesis de voz”, los in-vestigadores Marvin Coto Jiménez, John Goddard-Closey Fabiola Martínez-Licona nos dan un recuento históricode los desarrollos alrededor de la síntesis de voz, nos pre-sentan las principales técnicas utilizadas al día de hoy ynos describen un panorama de lo que se puede esperar

José G. Ramírez

en el futuro de este campo.Una de las promesas del desarro-llo de la robótica es que produz-ca sistemas robóticos capaces deayudar a personas con discapa-cidad en algunas de sus tareascotidianas. En particular, se es-tán desarrollando sistemas robó-ticos como exoesqueletos y sillasde ruedas para personas con pro-

blemas motrices. La mayoría de las sillas de ruedas eléc-tricas son controladas por medio de un joystick; sin em-bargo, este enfoque deja de ser útil para personas quetienen además problemas de movilidad en sus extremi-dades superiores. En el artículo “Controlando una sillade ruedas mediante expresiones faciales y movimientosde cabeza” de Ericka Janet Rechy-Ramírez, HuoshengHu, Antonio Marín-Hernández y Homero Vladimir Ríos-Figueroa se describe una interfaz que permite controlaruna silla de ruedas usando sólo movimientos de cabezay/o expresiones faciales.

El desarrollo y la construcción de robots no son unatarea fácil, pues se involucran conceptos de diseño me-cánico, eléctrico, electrónico y de programación. En elartículo “El arte de diseñar robots manipuladores” los in-vestigadores Dan-El N. Vila-Rosado y Axel Domínguez-López nos hablan de sus experiencias con robots mani-puladores y nos presentan los conceptos básicos necesa-rios que se tienen que tomar en cuenta durante el diseñode un robot manipulador de tipo industrial. Finalmente,nos presentan su propuesta para el diseño óptimo de unbrazo manipulador, basado en técnicas evolutivas, paraalcanzar una trayectoria dada.

La educación es una parte fundamental para el desa-rrollo de los países y con los años se han desarrolladoherramientas computacionales para ayudar al aprendi-zaje, principalmente de las matemáticas. En el artículo“Uso de tangibles robóticas en el aprendizaje colabora-tivo de las matemáticas”, los autores Sergio Hernández-González, Genaro Rebolledo-Méndez, N. Sofía Huerta-Pacheco y Luis G. Montané-Jiménez, llevan el conceptode aprendizaje con herramientas computacionales a otradimensión al incluir a un robot móvil dentro de este pro-ceso.

Deseamos que disfruten esta nueva edición que se harealizado con tanto esmero y los invitamos a que formenparte del equipo Komputer Sapiens contribuyendo consus conocimientos para próximos números.✵

© 2015 - Sociedad Mexicana de Inteligencia Artificial ISSN 2007-0691

Año VII, Vol. III. Septiembre - Diciembre 2015 Columna Komputer Sapiens 3 / 32

e-Tlakuilo: Cartas de nuestros lectores

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

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

Edith Olaco García, Estudiante de licenciatura dela Universidad Autónoma del Estado de Hidalgo.(vía correo electrónico)Buenos días tengo una pregunta: ¿Algún día existirá unrobot con las características de la armadura o exoesque-leto de la película de Ironman?

Al momento no existe una armadura exactamenteigual a la de Ironman, quizás la más parecida es el robotjaponés prototipo llamado Kurata y tiene relación conlos robots que aparecieron en la película de Avatar. Losrobots Kuratas fueron creados por Kogoro Kurata conla finalidad de ser un robot manejado por un humanodentro del robot. Los Kuratas tienen un tamaño de 4metros, pesan 4 toneladas, y cuenta con un comparti-mento para que el piloto pueda manejar el robot, sedesplazan usando unas ruedas impulsadas por un motorde diésel (velocidad de 10km/hr), cuentan con brazosarticulados para sujetar objetos o insertar dos ametra-lladoras capaces de disparar 6,000 balas de plástico porminuto usando como disparador el reconocimiento facialde la sonrisa del piloto, cuentan con un sistema ope-rativo llamado V-Sido el cual es considerado como elsistema operativo robótico de la próxima generación elcual permite administrar y usar todas las partes robóti-cas, puede ser operado via remota a través del teléfonocelular y una red 3G de telefonía. La versión más re-ciente del prototipo es el Kurata KR-01, el cual tiene uncosto de 1,250,000 Euros. En el futuro se espera podercontar con un mecanismo robótico de transporte tipo laarmadura de Ironman.

Carlos Quiroz – Egresado de la Universidad Po-litécnica del Estado de Morelos. (vía correo elec-trónico)Tengo una pregunta: ¿Cuáles son los nombres de los pri-meros robots que se crearon en el mundo y cuál ha sidoel impacto de la robótica a nivel mundial?

El primer robot militar fue el Teletank inventado en-tre los años de 1930 y 1940 por los rusos durante la in-cursión soviética a Finlandia. El primer robot industrial

(brazo robótico) creado por George Devol en 1961 se lla-mo Unimate. Fue creado para una línea de ensamble dela compañía General Motors. El primer dron robóticofue creado por Tadiran Electronic Industries en 1973 yse denominaba Tadiran Mastiff III. El primer robot mé-dico fue el Arthrobot creado por James McEwen, GeofAuchinlek y Brian Day en el año 1983 como apoyo aprocedimiento quirúrgicos. Pero el primer robot aproba-do para realizar cirugías por los Estados Unidos fue elda Vinci Surgical System de la Compañía Intuitive Sur-gical en 1997. El primer transporte robótico creado porla Universidad de Munich y la compañía Mercedes-Benzen 1986 fue el Eureka Prometheus como un vehículo au-tónomo. Posteriormente en 1994 desarrollaron un auto-móvil autónomo llamado VITA el cual puede comple-tar 1,000 kilometros de recorrido durante tráfico pesadoen Paris Francia, alcanzando una velocidad máxima de128 kilometros por hora. El primer robot espacial fuecreado por la NASA y General Motors en 2010 y llevapor nombre Robonaut. El robot prototipo Robonaut R1permitía asistir a los astronautas de la estación espacialdurante las caminatas. Posteriormente el Robonaut R2contaba con un exoesqueleto robótico completo, softwa-re de reconocimiento de imágenes, sensores, y algoritmosque permitía a través de una mano robótica ayudar a losastronautas con carga pesada y ligera con la finalidad deevitar la fatiga humana; adicionalmente el robot podíarealizar inyecciones médicas y escaneo de ultrasonido alos astronautas.



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

Robótica de servicios ⇒ La robótica de servicios es unarama de la robótica que busca diseñar robots para apoyode seres humanos en ambientes naturales. A diferencia delos robots industriales, que desarrollan actividades repe-titivas en ambientes estructurados, los robots de servicios

buscan llevar a cabo actividades muy diversas y de ma-nera autónoma, tal es el caso de aspirar un cuarto, fungircomo guía en un museo, o asistir a un adulto mayor, en-tre muchos otros. El objetivo de la robótica de servicioses que en un futuro cercano exista un robot en cada ho-gar para apoyar en las labores cotidianas. En esta liga seencuentra disponible material para introducir al lectoren los conceptos básicos de esta disciplina, así como ladescripción y videos de diversas aplicaciones existentesen el mercado, y las ligas a las empresas y centros deinvestigación que las están desarrollando.

http://www.roboticadeservicios.com/

Robótica educativa ⇒ La robótica educativa o robóticapedagógica, es una disciplina que busca utilizar las plata-formas para construcción de robots como herramientaspedagógicas de apoyo al proceso cognitivo de aprendi-zaje. Dentro de este enfoque pedagógico constructivis-ta se busca utilizar el interés natural de los estudiantes

por diseñar y construir un robot, para que este sirva co-mo motivador para introducir conceptos mediante prác-ticas guiadas. Usando estas nuevas herramientas didácti-cas es posible explicar intuitivamente conceptos lógicos,matemáticos, físicos, entre muchos otros. Actualmenteexisten en el mercado diferentes plataformas robóticas(kits) para el desarrollo de estos ambientes de apren-dizaje, los cuales generalmente cuentan con un cerebroprogramable, sensores, actuadores y piezas ensamblablespara construcción de estructuras. En esta liga se puedeencontrar material sobre el aspecto pedagógico de esteenfoque, material sobre prácticas específicas y distribui-dores de equipo.

http://www.roboticaacademica.com/

Torneos de robótica ⇒ La robótica móvil o robóticainteligente es un área de investigación y desarrollo muyactiva, la cual involucra la resolución de problemas com-plejos como lo son la percepción, planificación, locomo-ción, entre otras. El reto del análisis y solución de estosproblemas puede ser abordado desde diferentes niveles

de complejidad. Con la idea de crear foros que fomentenel desarrollo de grupos de trabajo en esta disciplina sehan creado varios torneos de robótica, donde se buscapromover el gusto por la ciencia y la tecnología a travésde competencias para resolver tareas específicas de di-ferentes niveles de complejidad. Las tareas y categoríasconsideradas en estas competencias son diversas y vandesde el recorrer un laberinto en el menor tiempo po-sible, hasta jugar futbol o localizar un objeto específicodentro de una habitación. Un ejemplo de este foro es elTorneo Mexicano de Robótica, organizado por la Fede-ración Mexicana de Robótica con el apoyo de diversasinstituciones de educación del país.

http://www.femexrobotica.org/tmr2016



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

En esta época resulta realmente difícil seleccionar untema específico para comentar sobre el estado del arte dela inteligencia artificial (IA) en el contexto de la robóti-ca, pues hay muchas opciones; es casi imposible encontraruna aplicación de la robótica que no tenga relación conla IA. Sin embargo, una aplicación que es especialmentedependiente de la IA y actualmente está generando mu-cho interés, es el uso de robots en el hogar. Se espera queeste tipo de robots puedan realizar de manera eficientey segura actividades de limpieza, compañía y ayuda aadultos mayores, cuidado de los niños o atención a lasmascotas.

Aún y cuando cada año se presentan en las ferias detecnología a robots con mejores capacidades para funcio-nar adecuadamente en casa, la verdad es que aún hay va-rios puntos que es necesario resolver antes de que la robó-tica doméstica sea una realidad. Según Shahin Farshchi,de la compañía Lux Capital localizada en Nueva York,los 5 principales requerimientos que hay que solventarpara poder llevar los robots a casa son: 1) interfaces en-tre máquina y persona capaces de entender el estado deánimo de la persona y actuar en consecuencia; 2) senso-res aún más baratos que los actuales; 3) robots capacesde manipular objetos de una manera tan eficiente comolo hacemos los humanos; 4) robots que puedan manejarcualquier tipo de objeto; 5) robots capaces de navegar demanera rutinaria en ambientes completamente arbitra-rios y desconocidos. ¡Todos estos retos se están atacandoactualmente con el uso de IA! Para saber más sobre estosretos consulta la liga (en ínglés):

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

home-robots/lets-bring-rosie-home-5-challenges-

we-need-to-solve-for-home-robots

Pasando a otra aplicación de IA en Robótica, encon-tramos que algunos investigadores de la Universidad deCalifornia en Berkeley, han diseñado un robot-esqueletoinspirado por cucarachas. Con una talla de 12 milíme-tros este robot es capaz de explorar espacios reducidosy soportar una presión de hasta 900 veces su propio pe-so. Kaushik Jayarama y Robert Full, del departamentode biología integrativa, están trabajando en estos dis-positivos de búsqueda y rescate, con el fin de explorarambientes confinados tales como los que quedan despuésdel paso de un tornado, de ocurrir un terremoto, o des-pués de explosiones. Para saber más puede consultar (eninglés):

http://www.pnas.org/content/early/2016/02/04/

1514591113

Otro concepto reciente relacionado a IA y robótica esel uso de los denominados robots suaves. Inspirados encreaturas tales como orugas, pulpos, medusas, y peces,éstos son capaces de realizar tareas que sus contrapartesrígidos no pueden llevar a cabo. Un importante esfuer-zo que conjunta a más de 30 instituciones se denominaRoboSoft . Como resultado de esta colaboración se hacreado la revista Soft Robotics bajo el auspicio de Lie-bert Publishers. Además, la comunidad científica tieneacceso abierto a un kit de desarrollo de robots suave.Para saber más puede consultar (en inglés):

http://softroboticstoolkit.com/book/control-

board

Finalmente, no podemos dejar de mencionar el re-ciente deceso de uno de los pioneros más importantes dela inteligencia artificial, Marvin Minsky, quien dedicó lamayor parte de su vida trabajando para el MIT, desdedonde hizo sus más importantes contribuciones. Minskyconstruye el primer microscopio de escaneo láser cofocalen 1956, funda el laboratorio de IA del MIT en 1959, re-cibe la distinción Turing en 1969, y sienta las bases paraproveer de sentido común a las computadoras, R.I.P.

En nuestro siguiente número platicaremos un pocosobre algunos avances que se han conseguido para resol-ver problemas de robots domésticos y otros tópicos deinterés.✵

Robots in Every Home, Guardian Liberty Voice. Imagen

obtenida en: http://guardianlv.com/2014/01/robots-in-

every-home/


@pgomezgil

@jrgpulido

http://spectrum.ieee.org/automaton/robotics/home-robots/lets-bring-rosie-home-5-challenges-we-need-to-solve-for-home-robots



http://www.pnas.org/content/early/2016/02/04/1514591113

http://www.pnas.org/content/early/2016/02/04/1514591113

http://softroboticstoolkit.com/book/control-board

http://softroboticstoolkit.com/book/control-board

http://guardianlv.com/2014/01/robots-in-every-home/

http://guardianlv.com/2014/01/robots-in-every-home/

Año VII, Vol. III. Septiembre - Diciembre 2015 Artículo Komputer Sapiens 6 / 32

ARTÍCULO ACEPTADO

Producción artificial de habla: Síntesis de vozMarvin Coto Jiménez, John Goddard-Close y Fabiola Martínez-Licona

IntroducciónA finales de la década de los 80, el estadounidense

Raymond Kurzweil, inventor del primer sistema comer-cial que es capaz de tomar texto de un libro y pronun-ciarlo mediante habla artificial, escribió la obra ”La erade las máquinas inteligentes” [1]. En esta realiza una se-rie de predicciones sobre lo que esperaba del desarrollotecnológico en las siguientes décadas. Entre sus pronósti-cos se encuentra que para principios de la primer décadadel año 2000, iba a ser posible sostener conversacionescon otras personas que hablaran un idioma distinto pormedio del teléfono, el cual tendría la capacidad de tradu-cir automáticamente y pronunciar el mensaje en el otroidioma. En el presente año se ha anunciado una versiónbeta (que estará disponible en los próximos meses) de unsistema que promete iniciar esta posibilidad de comuni-cación. Previamente, esfuerzos como el de la Quinta ge-neración japonesa [2] han propuesto esta posibilidad decomunicación sin obtener resultados exitosos.

Kurzweil, en una obra posterior, “La era de las máqui-nas espirituales”,[3] predice que para el 2019 las personasse comunicarán con las máquinas usando habla en ambossentidos, gracias a asistentes virtuales con personalidadesque podrán ser seleccionadas o ajustadas según el gustodel usuario. Así, la relación de personas con dispositivoscomo computadoras y robots se parecería cada vez mása la forma de relacionarse entre seres humanos.

Si bien, algunas de sus predicciones en otros aspectosse han acercado mucho a la realidad, y la tecnología hoyen día parece capaz de llevarla a cabo, en el tema de lainteracción con las computadoras por medio del habla,ha parecido mostrar un optimismo en sus obras que noha sido, y posiblemente no será, satisfecho con las ca-racterísticas que esperaba. No sería el primer autor enrealizar predicciones en el tema de habla artificial queno han sido satisfechas pasado el año pronosticado.

Podemos atribuir estos vaticinios no consumados ados razones principales:

La enorme complejidad del habla humana, produc-to de la multitud de órganos y fenómenos que sedan en el aparato fonador, además de razones evo-lutivas y culturales que han producido nuestra for-ma de hablar tal como la emitimos y comprende-mos en la actualidad.

La sensibilidad humana en la percepción de la voz,donde pequeñas desviaciones de lo que percibimoscomo usual puede notarse como una gran diferen-cia. Por ejemplo, si la conocida prueba de Turingfuera desarrollada mediante conversaciones habla-das, en lugar de mensajes de texto, seguramente enla actualidad sentiríamos estar más lejos de lograrel desarrollo de sistemas que pasen la prueba.

Es posible comparar las expectativas que ha genera-do la producción de robots y computadoras que puedancomunicarse de forma natural con seres humanos utili-zando voces artificiales, con las generadas alrededor delas primeras computadoras que jugaban ajedrez, que pa-recían muy lejos del nivel de los campeones mundialesde aquella época. Aún en la década de los 80, algunosexpertos consideraban que las máquinas jamás podríanvencer a los mejores expertos humanos en ajedrez [4]. Sinembargo hoy, 60 años después de los primeros programasque fueron capaces de jugar partidas completas, se consi-dera que las computadoras han superado las capacidadeshumanas en este juego [5]. Para el caso de imitar las ca-pacidades humanas de hablar, el periodo de espera seestá haciendo mucho más largo.

En este trabajo se abordan las técnicas principalesque han llegado a nuestros días pretendiendo resolverel problema de producir habla artificial, así como lasperspectivas a futuro reciente que puede tener esta tec-nología.

Las dificultades para producir habla de forma artificial han resultado

inesperadas, tomando en cuenta las expectativas generadas décadas atrás

Síntesis de voz

El objetivo de la síntesis de voz se puede establecercomo el convertir un texto cualquiera en una señal acús-tica que sea indistinguible del habla humana. Este textopuede provenir de una computadora o del escaneo de un

texto, tal como el mencionado sistema desarrollado porKurzweil en la década de los 70.

En la actualidad, quizás la mayoría de personas ha-brán tenido algún contacto con voces artificiales, por lainteracción con teléfonos inteligentes que han implemen-



tado aplicaciones con esta tecnología, la proliferación devídeos en Internet narrados con voces artificiales (usual-mente para mantener el anonimato de quien lo produce),o bien escuchando al científico Stephen Hawking, quiense comunica utilizando un sintetizador de voz (Figura1). La ciencia ficción también ha puesto en la mentede muchas personas lo que podría ser una interaccióncon computadoras utilizando puramente lenguaje natu-ral, como en las películas 2001: Space Odissey de StanleyKubrick (1968), o más recientemente Her de Spike Jonze(2013).

Figura 1. Stephen Hawking con el dispositivo que le per-

mite comunicarse utilizando síntesis de voz. Fotografía: NA-

SA/Paul Alers.

Existen antecedentes de la reproducción de sonidoshumanos por medios mecánicos desde el siglo XVIII, conlos sistemas de Christian Kratzenstein y Wolfgang vonKempelen, los cuales consistían en un conjunto de fue-lles y dispositivos que modificaban los caminos del aire,emulando la producción de sonidos en el aparato fona-dor. En el siglo XX se inicia la producción de habla ar-tificial utilizando dispositivos electrónicos, dentro de loque destacó como primer avance el VODER, presentadopor Homer Dudley en la Feria Mundial de 1939[6], delcual se encuentran grabaciones de audio en Internet.

Unos años después, la Compañía Telefónica del ReinoUnido, presentó el primer dispositivo comercial que hizouso de una técnica de síntesis de voz. La finalidad de ésteera pronunciar la hora, al unir fragmentos de la pronun-ciación de la hora, minutos y segundos con grabacionesdistribuidas entre cuatro discos de registro.

En el camino hasta nuestros días se ha pasado por unalarga serie de dispositivos y técnicas, con diversas aspira-ciones sobre lo que la síntesis de voz puede aportar. Ennuestros días visualizamos muchas aplicaciones de estatecnología, y podrían ser aún más si los resultados sono-ros fueran más satisfactorios dentro de las necesidades delos usuarios. Además del mencionado sistema creado porRaymond Kurzweil de asistencia para personas con dis-capacidad visual, aplicaciones actuales como contestado-ras en centrales telefónicas, sistemas de navegación GPS,

robots utilizados en investigación, y asistentes virtualesen teléfonos celulares o tabletas van formando parte dela interacción cotidiana de las personas con la tecnología.

Sin embargo, existen muchas otras posibilidades deaplicación si la voz obtenida por una computadora den-tro de un robot o dispositivo pudiera ser indistinguiblede una voz humana y estar dotada de mayor flexibilidad,por ejemplo [7-8]:

Sistemas de entretenimiento, donde se espera quevoces de alta calidad puedan despertar imágenes osensaciones semejantes a la música.

Asistentes virtuales personalizables (como los des-critos por Kurzweil), en los cuales el género de lavoz, el estilo y la emoción puedan ser modificadosa gusto del usuario o adaptarse de forma dinámi-ca de acuerdo con el contexto de la conversación oinformación que está brindando.

Aprendizaje de nuevos idiomas, pues un sistemade síntesis de voz puede repetir sin descanso y conprecisión la pronunciación de lo que se desee en unidioma que se esté aprendiendo.

Reconstrucción de voces, para personas con proble-mas degenerativos del habla, como el mencionadocaso de Stephen Hawking.

Cualquier aplicación que contemple interacciónhumano-computadora puede establecerse como área po-tencial de interés para implementar síntesis de voz, in-cluyendo dispositivos portátiles inteligentes y la robótica.

RequerimientosDe manera semejante al proceso que realizamos las

personas al leer un texto en voz alta, un sistema compu-tacional de síntesis de voz debe contener varios procedi-mientos, especialmente porque la manera en que escri-bimos en la mayoría de los idiomas no tiene una corres-pondencia perfecta con la pronunciación del texto. Esdecir, no basta conocer el nombre y sonido de cada letraaislada, pues existen variantes importantes, en mayor omenor grado de cada idioma. En el español, por ejemplo,la letra “h” en determinadas posiciones no representa nin-gún sonido (como al principio de una palabra), pero loadquiere si se encuentra después de la “c”. Otras excep-ciones importantes son la combinación de la letra “g” ola “q” con la “u”.

Por otra parte, se debe prestar atención a aspectosprosódicos, relacionados con las características de ener-gía, entonación y duración que producimos a lo largode las frases, gracias a las cuales distinguimos si se tra-ta de una pregunta, una exclamación o se ha llegado auna pausa ortográfica, como un punto. En la emisión delhabla humana con estas características intervienen una



gran cantidad de órganos del aparato fonador, además deaspectos evolutivos y culturales, lo que hace que el pro-ceso y su emulación artificial sean muy complejos. Tantolos aspectos fonéticos como prosódicos se incluyen en loque se llama la especificación lingüística de un texto porpronunciar.

Ya sea por medio de modelos matemáticos o algorit-mos que tomen en cuenta los aspectos mencionados, unsistema de síntesis de voz debe tener necesariamente co-mo paso final una forma de generar audio en correspon-dencia con el texto que se está pronunciando. La Figura2 ilustra el proceso general descrito, que constituiría un

sistema texto a voz (TTS por las siglas en inglés de Textto Speech).

Figura 2. Esquema general de un sistema de transcripción

de texto a habla.

Se ha presentado una revisión a las principales tecnologías utilizadas en la

actualidad para producir voz de forma artificial

Los objetivos que podemos mencionar que se persi-guen en la actualidad son la flexibilidad y la naturalidad,es decir, un parecido suficiente con las característicashumanas que permitan extender la utilización a másusuarios y las posibilidades de más aplicaciones. En lassiguientes secciones se describirán las dos técnicas prin-cipales que han llegado a nuestros días como dominantesen implementaciones e investigación: la síntesis basadaen concatenación de unidades, y la síntesis estadísticaparamétrica.

Síntesis basada en concatenación de unidadesEste tipo de síntesis es considerada como la más sen-

cilla de producir, más comprensible y usualmente la desonido más natural [9]. Parte de un conjunto grande degrabaciones de habla real, de la cual selecciona y concate-na los segmentos más adecuados para generar las nuevasfrases. Estos segmentos pueden ser de distinto tamaño,como fonemas, sílabas o incluso palabras.

La selección de estos segmentos depende de las carac-terísticas del idioma que se esté tratando, y el determinarcuáles son los óptimos es uno de los aspectos principalesque pueden determinar los mejores resultados. Teniendovarias opciones en la base de datos, los algoritmos actua-les más utilizados seleccionan entre aquellas unidades queresulten mejor evaluadas en dos funciones calculadas condeterminados pesos asignados [10]. La Figura 3 ilustra laconcatenación de unidades seleccionadas entre muchasopciones para producir una palabra.

A pesar de la gran calidad lograda en las voces arti-ficiales producidas de esta manera en términos de su na-turalidad, uno de sus mayores inconvenientes es su altorequerimiento de grabaciones para generarla. Para obte-ner resultados semejantes a los mejores sistemas actualesse requieren decenas o hasta centenas de horas de hablagrabada con condiciones adecuadas, lo cual acarrea cos-tos de producción considerables.

Figura 3. Ejemplo de selección de unidades de habla para

sintetizar la palabra “dos” en la síntesis basada en concate-

nación. El símbolo # representa un silencio. Adaptada de [10].

Síntesis estadística paramétricaA partir de la primer década del año 2000, surge el

método llamado síntesis estadística paramétrica de voz[11], también llamada síntesis basada en Modelos Ocul-tos de Markov (HMM) por ser este el modelo matemáticoprincipal que la sustenta. A diferencia de la síntesis con-catenativa, este método no manipula directamente gra-baciones de audio, sino que extrae en primer lugar unarepresentación paramétrica de este (es decir, un conjuntode parámetros) con la cual entrena modelos matemáticosque puedan aprender a reproducirlos cuando se requieresintetizar nuevas frases.

Este método contempla los siguientes pasos [12]:

Partir de una base de datos de audio y su corres-pondiente transcripción textual.

Extraer del audio de habla una representación pa-ramétrica, que incluya coeficientes espectrales, detono y duración, conformando vectores caracterís-ticos que representan segmentos de audio.



Realizar una identificación de los vectores que re-presentan cada fonema, para definir un HMM porcada uno de estos que tendrá en correspondenciaun conjunto de vectores.

Entrenar cada HMM con los vectores que le corres-ponden, de manera que pueda reproducirlos.

En la parte de síntesis, utilizar los HMM de formagenerativa, para extraer la representación paramé-trica de las nuevas frases que se desean sintetizar ygenerar el audio a partir de los parámetros con unfiltro.

Como se puede observar, los procedimientos y reque-rimientos son más complejos que en el método descritopreviamente, lo cual contribuye a hacer de la síntesis es-tadística paramétrica una técnica de difícil implementa-ción. Sin embargo, tiene ventajas importantes, por ejem-plo, el no tener que referirse directamente al audio encada emisión permite que las voces pasen de requerirvarios Gigabytes de almacenamiento y procesamiento aunos pocos Megabytes, lo cual puede hacerla más aptapara aplicaciones móviles.

Por otra parte, el tener toda la información en tér-minos de coeficientes hace teóricamente posible modifi-car cualquier característica de la voz (desde su género,acento, estilo) si se logra descifrar la manera de hacerlotransformando estos coeficientes. Esto permite una granflexibilidad, y crear por ejemplo, voces promedio entrevarias personas, incluso de distintos géneros o edades.

La principal desventaja es que aún no se alcanza lacalidad de voz artificial de los mejores métodos basadosen concatenación de audio. Sin embargo, una intensainvestigación está siendo realizada para buscar mejorasen todas las partes del proceso.

La evaluación de voces artificialesUn aspecto fundamental en el tema de síntesis de voz

es su evaluación, es decir, contar con métodos que per-mitan discriminar entre aquellas voces que tengan mayorcalidad de aquellas que resulten menos convenientes den-tro de las aplicaciones en que se espera implementar. Elcontar con evaluaciones de calidad tiene ventajas impor-tantes tanto para desarrolladores de sistemas como parausuarios finales [13].

No existe un consenso en la actualidad sobre cuálessean las metodologías y métricas más convenientes paraestablecer la mayor o menor calidad de una voz artifi-cial. Con el fin de promover el desarrollo de la síntesis devoz a partir de datos y evaluaciones estandarizadas, elBlizzard Challenge, competencia convocada anualmente,se ha constituido como un espacio destacado de mues-tra e intercambio científico para promover el desarrolloy estandarización de métodos de evaluación de nuevaspropuestas.

Se trata de una convocatoria abierta para desarrollarvoces a partir de una base de datos común, con métodosde evaluación también comunes a todas las voces quese desarrollan. Por esta razón, sus resultados no eva-lúan voces ya establecidas como las de AT&T NaturalVoices, CerePproc, Loquendo, IVONA entre otras desa-rrolladas con fines comerciales. Han sido usuales en lasdistintas convocatorias anuales sintetizadores que utili-zan selección de unidades, así como métodos estadísticosparamétricos e incluso híbridos de ambos, los cuales pre-tenden aprovechar lo mejor de cada técnica.

Desarrollo futuroComo se ha mencionado, el uso más extendido de la

síntesis de voz depende de la calidad que pueda lograrseen sus resultados, así como su flexibilidad. El aporte dela síntesis estadística paramétrica y su potencial mayorcontrol sobre las voces hace posible imaginar a un me-diano plazo aplicaciones donde pueda cambiarse el estilode habla y personalidad, tal como imaginó Kurzweil parael año 2019. Sin embargo, el avance en el tema sigue pre-sentando dificultades importantes, aunado al hecho derequerir especialistas de muy diversas áreas, como la lin-güística, el procesamiento digital de señales, los sistemasinteligentes y la matemática.

Los desarrollos más importantes en el tema del hablaartificial han sido originados en Japón, Inglaterra, Chi-na y Estados Unidos, por lo que es en los idiomas quehablan estos países donde se pueden escuchar los mejo-res resultados hasta el momento. En el caso de AméricaLatina, es incipiente el desarrollo de voces artificiales.Por ejemplo, si bien los sistemas estadísticos paramétri-cos tienen quince años de desarrollo, en el año 2013 seiniciaron las primeras experiencias reportadas con estatécnica en esta región, en México [14,15].

Un mayor interés en el área podría facilitar que nues-tros dispositivos electrónicos, todo tipo de sistemas inte-ligentes y robots puedan comunicarse a futuro utilizandovoces que nos sean más cercanas y comprensibles, inclusoreconstruyendo una voz cualquiera de personajes famo-sos, de familiares o incluso la propia. Además de estadeseada propiedad, hay mucho trabajo pendiente pa-ra incorporar lenguajes autóctonos latinoamericanos ensintetizadores, y contribuir así a su estudio y rescate.

ConclusionesSe ha presentado una visión general sobre la sínte-

sis de voz y las técnicas dominantes en la actualidadpara llevarla a cabo. A pesar de las intensas investiga-ciones llevadas a cabo en muchas partes del mundo, laspredicciones realizadas sobre su avance han sido frecuen-temente sobre estimadas con respecto a los logros. Estose debe en gran parte a la complejidad del habla huma-na, además de la conjugación de varias áreas que debeninvolucrarse en el desarrollo de voces artificiales.



Hay una vasta área de investigación abierta, y enAmérica Latina tenemos retos importantes para obte-ner voces en las variantes del español que manejamos,además de las lenguas autóctonas de esta región. De es-ta manera, nuestros avances en aplicaciones, robótica ysistemas inteligentes podrán incorporar el medio de in-teracción entre seres humanos y tecnología que pareceser la tendencia a futuro: el habla. Esto con estilos y va-riantes que nos sean más convenientes y cercanos, paralograr a futuro que esta interacción sea la forma más na-tural de comunicarnos con la tecnología que utilizamos,tal como es la forma más natural y representativa decomunicación entre seres humanos.✵

REFERENCIAS1. Kurzweil R. (1990) “The age of intelligent machines”. Vol. 579.

Cambridge: MIT press.

2. Feigenbaum E.A. y McCorduck P. (1993) “The fifth generation”.Addison-Wesley Pub.

3. Kurzweil R. (1999) “The Age of Spiritual Machines: When Com-puters Exceed Human Intelligence”. New York, NY: PenguinBooks.

4. Stinson C. (1982) “Chess Championship: Machines Play, PeopleWatch”. Softline. p. 6. Recuperado el 20 de septiembre de 2014,de: http://www.cgwmuseum.org/galleries/index.php?year=1982&pub=6&id=3.

5. Rohrer F. (2014) “The unwinnable game”. BBC News Maga-zine. Recuperado el 21 de septiembre de 2014 de: http://www.bbc.com/news/magazine-25032298.

6. Cunningham C. (2009) “Speech Synthesis in the year 1939”. Re-cuperado el 25 de septiembre de 2014, de: http://makezine.com/2009/02/04/speech-synthesis-in-the-year-1939/.

7. Bailly G., Campbell N. y Möbius B. (2003) “ISCA special ses-sion: hot topics in speech synthesis”. En INTERSPEECH.

8. Keller E. y Zellner-Keller B. (2000) “New uses for speech synt-hesis”. The Phonetician, Vol. 81, pp. 35-40.

9. Narendra N.P. y Rao K.S. (2013) “Optimal weight tuning met-hod for unit selection cost functions in syllable based text-to-speech synthesis”. Applied Soft Computing, Vol. 13, No.2, pp.773-781.

10. Schroeter J. (2004) “Fifty years of progress in speech synthesis”.The Journal of the Acoustical Society of America, Vol. 116,No.4, pp. 2497-2497.

11. Black A.W., Zen H. y Tokuda K. (2007) “Statistical parametricspeech synthesis”. En Acoustics, Speech and Signal Processing,IEEE International Conference, Vol. 4, pp. IV-1229).

12. Zen H., Tokuda K. y Black A.W. (2009) “Statistical parametricspeech synthesis”. Speech Communication, Vol. 51, No. 11, pp.1039-1064.

13. Van Heuven V.J.J.P. y Van Bezooijen R.L. (1995) “Quality eva-luation of synthesized speech”.

14. Camacho A.H. y Ávila F.D.R. (2013) “Development of a Me-xican Spanish Synthetic Voice Using Synthesizer Modules ofFestival Speech and HTS-Straight”. International Journal ofComputer and Electrical Engineering, Vol. 5, No.1, p. 36.

15. Coto-Jiménez M. (2014) “Síntesis estadística paramétrica devoz”. Tesis de Maestría. Universidad Autónoma Metropolitana,México.

SOBRE LOS AUTORES

Marvin Coto-Jiménez es Ingeniero Electricista y Maestro en Matemática por la Universidad de CostaRica. Actualmente es estudiante del programa de doctorado en Ciencias y Tecnologías de la Información enla Universidad Autónoma Metropolitana, Unidad Iztapalapa, en México D.F.

John C.H. Goddard recibió una B.Sc (1st Class Hons) de la Universidad de Londres, y un Ph.D enMatemáticas de la Universidad de Cambridge. Es Profesor en el Departamento de Ingeniería Eléctrica de laUniversidad Autónoma Metropolitana. Sus intereses incluyen reconocimiento de patrones, reconocimiento deemociones en habla y síntesis del habla.

Fabiola Martínez-Licona estudió la Licenciatura y la Maestría en Ingeniería Biomédica en la UAM-Iztapalapa. Como profesora de la UAM, fue Coordinadora de la Licenciatura en Ingeniería Biomédica yha impartido cursos en todos los programas académicos de licenciatura y posgrado del Departamento deIngeniería Eléctrica. Ha dirigido proyectos relacionados con la Gestión de Tecnologías Médicas, IngenieríaClínica, Reconocimiento de Patrones, Procesamiento de Señales y Aprendizaje Maquinal. Actualmente esresponsable del proyecto línea de investigación de Análisis y Aplicaciones del Habla, investigación que incluyereconocimiento, síntesis y análisis de emociones en español, análisis y síntesis de lenguas en peligro de extincióny reconocimiento de música.


http://www.cgwmuseum.org/galleries/index.php?year=1982&pub=6&id=3

http://www.cgwmuseum.org/galleries/index.php?year=1982&pub=6&id=3

http://www.bbc.com/news/magazine-25032298

http://www.bbc.com/news/magazine-25032298

http://makezine.com/2009/02/04/speech-synthesis-in-the-year-1939/

http://makezine.com/2009/02/04/speech-synthesis-in-the-year-1939/


ARTÍCULO ACEPTADO

Controlando una silla de ruedas medianteexpresiones faciales y movimientos de cabezaEricka Janet Rechy-Ramírez, Huosheng Hu, Antonio Marín-Hernández y Homero Vladi-mir Ríos-Figueroa

Este artículo presenta una interfaz humano-máquinapara controlar una silla de ruedas en modo manos libres.Esta interfaz ofrece al usuario tres modalidades para eje-cutar las instrucciones en la silla de ruedas, empleando:i) solo movimientos de cabeza, ii) únicamente expresio-nes faciales, o iii) ambos. Las detecciones de expresionesfaciales y movimientos de cabeza son realizadas con elsensor Emotiv EPOC. Dos sujetos manejaron la silla deruedas utilizando las tres modalidades en un ambientecontrolado con el objetivo de identificar ventajas y des-ventajas en el uso de cada una de ellas.

IntroducciónLa mayoría de las sillas de ruedas eléctricas en la ac-

tualidad son controladas manualmente con un joystick,de manera que no pueden ser manejadas por personastetraplégicas con movilidad limitada o amputación ensus extremidades superiores. Con la finalidad de propor-cionar independencia a estas personas, se han realizadodiferentes interfaces humano - silla de ruedas controladasen modo manos libres. Estas interfaces proporcionan lasinstrucciones a la silla de ruedas mediante expresionesfaciales, pensamientos, voz, movimientos de ojos, cabezay hombros, principalmente.

Técnicas de visión han sido empleadas para identifi-car expresiones faciales, movimientos de cabeza y ojos.Otras interfaces humano - silla de ruedas, han recurridoa señales bio-eléctricas como EMG (señales electromio-gráficas), EEG (señales electroencefalográficas) y EOG(señales electrooculográficas) para detectar expresionesfaciales, pensamientos y movimientos de ojos, respecti-vamente. Estas señales obtienen la actividad eléctrica du-rante la contracción de músculos determinados (EMG),del cerebro (EEG) y de los movimientos del globo ocular(EOG).

En la literatura, se encuentran trabajos como [1,9],los cuales han identificado la dirección de la cabeza me-diante técnicas de visión para controlar la silla de rue-das. Por otra parte, las interfaces humano - silla de rue-das realizadas por [5, 12, 6] son controladas a través deexpresiones faciales provenientes de señales EMG (porejemplo, levantar cejas, guiñar un ojo, sonreír y morder).También se han implementado interfaces operadas con lamirada del usuario obtenida mediante señales EOG [3, 2,10] e interfaces controladas con movimientos de hombrosidentificados a través del análisis de señales EMG [8, 11].

Con los avances tecnológicos, existen sensores en elmercado capaces de facilitar aplicaciones controladas enmodo manos libres. El sensor Emotiv EPOC identificamovimientos de cabeza, expresiones faciales, pensamien-tos y emociones del usuario, los cuales pueden ser em-pleados para proporcionar instrucciones a dispositivos enmodo manos libres. En [7], con este sensor se controla untractor mediante cuatro expresiones faciales fijas; mien-tras que en [4] se desarrolló un sistema llamado “VirtualMove”, el cual permite a los usuarios navegar en GoogleStreet View a través de movimientos de cabeza, expre-siones faciales, pensamientos y estados emocionales.

Figura 1. Arquitectura de la interfaz humano - silla de rue-

das propuesta.

ObjetivosLa “configuración fija” para activar las instrucciones

de control es el principal inconveniente de las interfa-ces humano - silla de ruedas propuestas. El usuario debeadaptarse a la configuración pre-determinada de la inter-faz, sin poder cambiar la forma de ejecutar las instruc-ciones. Las interfaces controladas mediante técnicas devisión, sus rendimientos pueden verse afectados princi-palmente por la iluminación del ambiente.

Este estudio propone una interfaz humano - silla deruedas con diferentes modos de control basados enmovimientos de cabeza y expresiones faciales. Estainterfaz puede ser empleada en ambientes ruidososo con poca iluminación, de manera que el usuariopueda seleccionar la forma de proporcionar las ins-trucciones (qué modo de control va a utilizar), yqué expresiones faciales son más fáciles de realizarpor el usuario para controlar la silla de ruedas deacuerdo a sus necesidades.



Empíricamente, este trabajo analiza si la respuestadel sensor Emotiv EPOC es adecuada al estímulorealizado por el usuario (movimiento de cabeza yexpresión facial) en situaciones donde una acciónrápida es requerida para realizar la tarea de formasegura. Emotiv puede ser utilizado para desarrollaraplicaciones de control manos libres de asistenciay entretenimiento para personas discapacitadas.

Interfaz humano - silla de ruedas propuestaLa interfaz desarrollada (Figura 1) posee tres mo-

dalidades: i) modos controlados con movimientos decabeza, ii) modos operados con expresiones faciales, yiii) modos bi-modales (controlados con movimientos decabeza y expresiones faciales). La identificación tantode los movimientos de cabeza como de las expresionesfaciales se llevó a cabo mediante el sensor Emotiv EPOC.

Diadema Emotiv EPOCEste sensor lee señales electroencefalográficas desde

14 electrodos salinos (Figura 2) y posee un giroscopiopara identificar movimientos de cabeza y tres suites.

Figura 2. Diadema Emotiv EPOC.

Suite Affectiv. Identifica estados emocionales delusuario: compromiso, aburrimiento, frustración, medita-ción, emoción al instante, emoción a largo plazo.

Suite Cognitiv. Detecta 14 pensamientos del usua-rio asociados al movimiento de un cubo que es mostradoen pantalla (‘neutral’, ‘mover hacia la derecha’, ‘moverhacia la izquierda’, ‘empujar’, ‘jalar’, ‘levantar’, ‘bajar’,‘rotar hacia la izquierda’, ‘rotar hacia la derecha’, ‘rotaren el sentido de las manecillas del reloj’, ‘rotar en con-tra del sentido de las manecillas del reloj’, ‘rotar haciaadelante’, ‘rotar hacia atrás’ y ‘desaparecer’); pero sólola acción ‘neutral’ y 4 acciones más pueden ser utilizadasen cada sesión del Emotiv.

Suite Expressiv. Reconoce expresiones faciales, ta-les como: ‘parpadear’, ‘guiñar ojo derecho’, ‘guiñar ojoizquierdo’, ‘mirar hacia la derecha/izquierda’, ‘levantarcejas’, ‘fruncir ceño’, ‘sonreír’, ‘morder’, ‘sonreír hacia laderecha’, ‘sonreír hacia la izquierda’, y ‘reír’.

Entrenamiento de expresiones facialesPara realizar la identificación de las expresiones fa-

ciales del usuario, primero se llevaron a cabo pruebas

preliminares con la suite “expressiv”. Sin embargo, la res-puesta de la suite no fue adecuada para poder contro-lar la silla de ruedas. Por tal motivo, se decidió emplearla suite “cognitiv” para entrenar las expresiones faciales.Como se mencionó anteriormente, esta suite está diseña-da para detectar pensamientos del usuario; no obstante,identifica las expresiones faciales con exactitud y rapidez.Cuando el usuario está entrenando una acción ‘cognitiv’(por ejemplo, ‘levantar’, ‘bajar’, ‘rotar hacia la izquier-da’), un cubo mostrado en pantalla se moverá acorde ala acción entrenada. En nuestros modos de control, ca-da acción cognitiv tiene asociada una expresión facial;por ejemplo, la acción cognitiv ‘mover hacia la derecha’corresponde a la expresión facial ‘sonreír a la derecha’(Figura 3). Para entrenar una expresión facial, el usua-rio debe realizar lo siguiente:

Primero, debe entrenarse la expresión facial ‘neu-tral’, en la cual los músculos faciales del usuariodeben estar relajados sin emitir alguna otra expre-sión. Esta postura debe mantenerse por 8 segundos,tiempo que dura un entrenamiento. Esta expresiónnecesita ser entrenada más veces que las otras conla finalidad de evitar detecciones erróneas de lasexpresiones faciales.

Posteriormente, el usuario debe entrenar una ex-presión facial a la vez. Al igual que la expresiónneutral, la expresión facial que se desea entrenardebe mantenerse por 8 segundos. En el segundoentrenamiento el cubo mostrado en pantalla se mo-verá de acuerdo a la expresión que esté siendo en-trenada.

Figura 3. Entrenando la expresión facial ‘sonreír a la dere-

cha’ con la suite ‘cognitiv’.

Modos de control basados en movimientos de ca-beza

La silla de ruedas puede ser operada mediante uno(1MC), dos (2MC) y cuatro (4MC) movimientos de ca-beza:



En el modo de control 1MC, el usuario debe se-leccionar un solo movimiento de cabeza (ya sea mo-vimiento hacia arriba o movimiento hacia abajo)para operar la silla de ruedas. Una vez selecciona-do el movimiento de cabeza, este modo mostrará alusuario cada instrucción durante un segundo; repi-tiéndolas hasta que una haya sido ejecutada. Paraejecutar una instrucción, el usuario sólo debe rea-lizar el movimiento de cabeza elegido previamentecuando la instrucción deseada esté desplegada enpantalla.

El modo 2MC es una variante del modo 1MC.2MC emplea dos movimientos de cabeza: haciaarriba y hacia abajo. Un movimiento de cabeza esutilizado para mostrar las instrucciones en pantallay ejecutar la que se encuentra desplegada (acción1); y el otro movimiento es empleado para detenerla silla de ruedas (acción 2). El usuario puede es-coger con qué movimiento de cabeza realizará cadaacción.

Finalmente, en el modo 4MC las instruccio-nes de control son ejecutadas de la siguiente for-ma: un movimiento hacia arriba para avanzar, unmovimiento hacia la izquierda para girar hacia laizquierda, un movimiento hacia la derecha para gi-rar a la derecha, y un movimiento hacia abajo paradetener la silla de ruedas.

Modos de control basados en expresiones facialesEl usuario puede controlar la silla de ruedas utilizan-

do únicamente expresiones faciales mediante los siguien-tes modos de control:

El modo 2EF emplea dos expresiones faciales: ‘ex-presión1’ y ‘expresión2’. Cada expresión facial tie-ne dos instrucciones de control asociadas de la si-guiente manera: si el usuario realiza la ‘expresion1’una vez, la silla de ruedas avanza; si la realiza dosveces consecutivas, la silla de ruedas gira a la iz-quierda. Aplicando el mismo procedimiento para lasegunda expresión (‘expresión2’): una vez, la sillagira a la derecha; mientras que dos veces consecu-tivas, la silla se detiene.

El modo 3EF emplea tres expresiones faciales:‘expresión1’, ‘expresión2’ y ‘expresión3’. Las ins-trucciones ‘girar a la izquierda’ y ‘girar a la dere-cha’ son ejecutadas cuando el usuario realiza unavez ‘expresión2’ y ‘expresión3’, respectivamente.Mientras que la ‘expresión1’ ejecuta las instruccio-nes: avanzar (si se realiza una vez) y detener (dosveces consecutivas).

En ambos modos, el usuario puede seleccionar lasexpresiones faciales de su preferencia. Es importante

aclarar que los electrodos de la diadema Emotiv EPOCdeben ser humedecidos para poder operar la silla de rue-das mediante modos de control que utilicen expresionesfaciales.

Modos de control bi-modalesLa interfaz implementada proporciona tres modos bi-

modales. Estos modos utilizan tanto movimientos de ca-beza como expresiones faciales para ejecutar las instruc-ciones en la silla de ruedas:

Modo 4MC-1EF. En este modo, tres movimien-tos de cabeza están encargados de mostrar en pan-talla las instrucciones de control: i) movimiento ha-cia arriba – avanzar, ii) movimiento hacia la iz-quierda – girar a la izquierda, y iii) movimientohacia la derecha – girar a la derecha. Una vez des-plegada la instrucción deseada, ésta se ejecuta rea-lizando la expresión facial preferida por el usuario.El movimiento de cabeza hacia abajo es emplea-do para detener la silla de ruedas sin necesidad deconfirmar su ejecución con la expresión facial.

Modo 2MC-2EF. Las instrucciones ‘avanzar’ y‘detener’ son ejecutadas cuando el usuario realizaun movimiento de cabeza hacia arriba y hacia aba-jo, respectivamente. Mientras que las instruccionespara girar la silla de ruedas, son ejecutadas me-diante dos expresiones faciales.

Modo 1MC-3EF. Tres expresiones faciales sonempleadas para ejecutar las instrucciones para gi-rar y avanzar. La silla de ruedas se detiene cuandoel usuario realiza un movimiento de cabeza haciaabajo.

En la Figura 1 se puede apreciar los modos explicadosanteriormente, el uso del giroscopio y la suite Cognitivde Emotiv EPOC para identificar los movimientos decabeza y expresiones faciales, y los comandos de controldisponibles en la silla de ruedas.

Experimentos preliminares y resultadosDos usuarios (A y B) operaron la silla de ruedas (Fi-

gura 4) utilizando todos los modos de control. Cada usua-rio realizó una serie de 5 experimentos por modo de con-trol de la interfaz propuesta. Cada experimento consistíaen seguir la ruta mostrada en la Figura 5 evitando losobstáculos. En cada experimento se recolectó el tiempode recorrido y la trayectoria generada. La trayectoria fueobtenida rastreando los marcadores colocados en la partetrasera de la silla con el sistema Vicon (Figura 4).



Figura 4. Usuario con la diadema Emotiv y la silla de ruedas.

Figura 5. a) Mapa del escenario real indicando la ruta a

realizar en los experimentos. b) Escenario real de los experi-

mentos.

Ambos usuarios realizaron un recorrido por cada mo-do antes de llevar a cabo los experimentos. Cada usuarioseleccionó las expresiones faciales de su preferencia. En-tre las expresiones faciales utilizadas por los usuariosse encuentran: i) CL- cejas levantadas, ii) CF - ceñofruncido, iii) AOC - ambos ojos cerrados, iv) ODC -ojo derecho cerrado, v) OIC - ojo izquierdo cerrado, vi)S - sonrisa, vii) SI - sonrisa hacia la izquierda, y viii)SD - sonrisa hacia la derecha. Es importante mencionarque el sensor Emotiv EPOC confunde ciertas expresionesfaciales con otras: i) ceño fruncido con cejas levantadas,ii) sonrisa hacia la izquierda con sonrisa, y iii) sonrisahacia la derecha con sonrisa. A pesar de estos tres casos,se pueden crear diferentes combinaciones de expresionesfaciales (configuraciones) para controlar la silla de rue-das. El usuario A probó diferentes configuraciones en un

mismo modo de control. Por cuestiones de disponibilidadde tiempo, el usuario B sólo empleó una configuración deexpresiones faciales por modo de control, eligiendo la quele resultaba más cómoda.

Figura 6. Promedios, medianas, mínimos y máximos de los

tiempos de recorrido de Usuario A.

Figura 7. Promedios, medianas, mínimos y máximos de los

tiempos de recorrido de Usuario B.

Las Figuras 6 y 7 presentan los promedios, medianas,mínimos y máximos de los tiempos de recorrido logradospor los usuario A y B ; destacándose lo siguiente:

Ambos usuarios lograron sus mejores promediosde los tiempos de recorrido utilizando cuatro mo-vimientos de cabeza (modo 4MC), mientras quesus peores promedios de los tiempos de recorridofueron registrados cuando se empleó un sólo movi-miento de cabeza (modo 1MC).

Enfocándose en los tiempos mínimos y máximosregistrados por ambos usuarios; el usuario A ob-tuvo sus tiempos mínimo y máximo controlandola silla de ruedas con el mismo modo (3EF), pero



con diferentes configuraciones de expresiones facia-les (mínimo: CF,SI,SD y máximo: ODC,AOC,CL).Mientras que el usuario B reportó sus tiempos mí-nimo y máximo con diferentes modalidades (me-jor tiempo utilizando modo basado únicamente enmovimientos de cabeza “4MC”, y peor tiempo em-pleando modo bi-modal “4MC-1EF”).

Respecto a las medianas de los tiempos de reco-rrido, el usuario B registró medianas casi idénticaspero con distribuciones distintas en sus modos bi-modales.

Sobre el modo de control preferido por cada usua-rio para controlar la silla de ruedas, ambos sujetosrespondieron el modo “1MC-3EF”, a pesar de pre-sentar como inconveniente el entrenamiento de tresexpresiones faciales. Ambos usuarios señalaron co-mo razones de preferencia por este modo: la faci-lidad para detener la silla de ruedas con un movi-miento de cabeza, y la posibilidad de poder moverla cabeza sin ejecutar instrucciones no deseadas.

Finalmente, se puede concluir que los tiempos de re-corrido obtenidos en un modo bi-modal o basado en ex-presiones faciales por el usuario A, cambian dependiendode la configuración de expresiones faciales elegida. Asi-mismo, cada usuario tiene diferentes preferencias en lasexpresiones faciales, el usuario B utilizó diferentes confi-guraciones de expresiones a las seleccionadas por el usua-rio A. Dado estos resultados preliminares, se demuestrala importancia de proporcionar la libertad al usuario enla elección de expresiones faciales para controlar la sillade ruedas.

En la Figura 8 se muestran las trayectorias obteni-das por los usuarios utilizando el modo 2MC-2EF. Cabemencionar que durante los experimentos de ambos usua-rios, no se reportaron colisiones con los obstáculos y selogró seguir la ruta especificada.

DiscusiónDurante los experimentos, cada modo de control re-

portó limitaciones y ventajas en su uso para operar lasilla de ruedas. El principal inconveniente de los modosbasados en movimientos de cabeza está asociado a laidentificación de los movimientos, ya que ésta recae ex-clusivamente en el giroscopio, el cual detecta cualquiermovimiento de cabeza realizado por el usuario. En es-tos modos de control, se validó la situación en donde elusuario regresa su cabeza a la posición inicial después deejecutar una instrucción en la silla de ruedas; pero nose validaron movimientos involuntarios del usuario. Porlo tanto, el usuario sólo debe mover su cabeza si deseaejecutar una instrucción, ya que estos modos de controlno distinguen entre un movimiento de cabeza para la eje-cución de una instrucción o un movimiento involuntario.

Sin embargo, su mayor ventaja es que no se requierenentrenar los movimientos de cabeza, ni humedecer loselectrodos de Emotiv EPOC.

Figura 8. Ejemplos de las trayectorias generadas por los

usuarios utilizando el modo 2MC-2EF.

Por otro lado, en los modos de control basados en ex-presiones faciales el usuario puede mover su cabeza sinejecutar instrucciones no deseadas. No obstante, su ma-yor inconveniente es la necesidad de entrenar las expre-siones faciales por lo que es indispensable humedecer loselectrodos de Emotiv EPOC. Respecto al entrenamientode expresiones faciales, entrenar dos expresiones se pue-de considerar fácil de realizar, pero entrenar una tercerapuede resultar un poco complicado para el usuario. Asi-mismo, en estos modos de control, existen expresionesfaciales que tienen asociadas dos instrucciones, lo quedificulta la operación de la silla de ruedas.

Por su parte, los modos bi-modales buscan encontrarun equilibrio entre los modos anteriores, minimizando elerror producido por el giroscopio con la incorporaciónde expresiones faciales, y deteniendo la silla de ruedasrápidamente con un movimiento de cabeza. En la li-ga: https://www.dropbox.com/s/zq6qtaze3hpcqr2/

wheelchair.mp4?dl=0, se muestra a un usuario contro-lando la silla de ruedas con tres expresiones faciales (CF,SI, SD) y un movimiento de cabeza.

ConclusionesDespués de realizar experimentos preliminares, se

puede concluir que la diadema Emotiv EPOC repre-senta una opción para implementar aplicaciones manoslibres que puedan asistir y ofrecer medios de entreteni-miento a personas discapacitadas. La principal ventajade identificar las expresiones faciales y los movimientosde cabeza con el sensor Emotiv es que los modos de con-trol pueden ser utilizados en ambientes ruidosos y con


https://www.dropbox.com/s/zq6qtaze3hpcqr2/wheelchair.mp4?dl=0

https://www.dropbox.com/s/zq6qtaze3hpcqr2/wheelchair.mp4?dl=0


poca o nula iluminación, así como la libertad en la selec-ción de expresiones faciales para operar la silla de ruedas.

Actualmente, existe una nueva versión de la diademaEmotiv llamada Emotiv Insight, la cual emplea electro-dos no salinos para reconocer las expresiones faciales. Enun futuro se podría usar Emotiv Insight así como técni-cas de visión y audio para fortalecer los modos de controly tratar de minimizar las limitaciones presentadas.✵

REFERENCIAS1. Adachi Y., Kuno Y., Shimada N. y Shirai Y. (1998) “Intelligent

wheelchair using visual information on human faces”. En Inte-lligent Robots and Systems, IEEE/RSJ International Confe-rence on, Vol. 1, pp. 354-359.

2. Barea R., Boquete L., Bergasa L.M., López E. y Mazo M. (2003)“Electro-oculographic guidance of a wheelchair using eye mo-vements codification”. The International Journal of RoboticsResearch, Vol. 22, No.7-8, pp. 641-652.

3. Barea R., Boquete L., Mazo M., López E. y Bergasa L.M. (2000)“EOG guidance of a wheelchair using neural networks". EnProc. Pattern Recognition. 15th Internatio- nal Conferenceon, Vol. 4, pp. 668-671.

4. Carrino F., Tscherrig J., Mugellini E., Abou Khaled O. y In-gold R. (2011) “Head-Computer Interface: a multimodal ap-proach to navigate through real and virtual worlds”. Human-Computer Interaction. Interaction techniques and environ-ments, pp. 222-230.

5. Felzer T. y Freisleben B. (2002) “HaWCoS: the hands-freewheelchair control system”. En Proc. of the fifth internationalACM conference on assistive technologies, pp. 127-134.

6. Firoozabadi S.M.P., Oskoei M.A. y Hu H. (2008) “A Human-Computer Interface based on Forehead Multi-channel Bio-signals to control a virtual wheelchair”. En Proc. of the 14thIranian Conference on Biomedical Engineering (ICBME), pp.272-277.

7. Gomez-Gil J., San-Jose-Gonzalez I., Nicolas-Alonso L.F. yAlonso-Garcia S. (2011) “Steering a tractor by means of anEMGbased Human Machine Interface”. Sensors, Vol. 11, No.7, pp. 7110-7126.

8. Han J.S„ Zenn Bien Z., Kim D.J., Lee H.E. y Kim J.S. (2003)“Human-machine interface for wheelchair control with EMG andits evaluation”. En Prc. of the 25th Annual Int. Conf. of theIEEE Engineering in Medicine & Biology Society, Vol. 2, pp.1602-1605.

9. Jia P., Hu H., Lu T. y Yuan K. (2007) “Head gesture recognitionfor hands-free control of an intelligent wheelchair”. IndustrialRobot: An International Journal, Vol. 34, No. 1, pp. 60-68.

10. Kuo C.H., Chan Y.C., Chou H.C. y Siao J.W. (2009) “Eyeglas-ses based electrooculography human-wheelchair interface”. EnSystems, Man and Cybernetics, IEEE International Confe-rence on, pp. 4746-4751.

11. Moon I., Lee M., Chu J. y Mun M. (2005) “Wearable EMG-based HCI for electric powered wheelchair users with motordisabilities”. En Proc. of the 2005 IEEE International Con-ference on Robotics and Automation, pp. 2649-2654.

12. Tamura H., Manabe T., Goto T., Yamashita Y. y Tanno K.(2010) “A Study of the Electric Wheelchair Hands-Free Sa-fety Control System Using the Surface-Electromygram of FacialMuscles”. Intelligent Robotics and Applications, Springer, pp.97-104.

SOBRE LOS AUTORES

Ericka Janet Rechy-Ramírez actualmente realiza una estancia posdoctoral con apoyo PRODEPen el Centro de Investigación en Inteligencia Artificial de la Universidad Veracruzana. Es Doctora enCiencia de la Computación por la Universidad de Essex, Inglaterra. Obtuvo el grado de Maestra enCiencias de la Computación por el Centro de Enseñanza del Laboratorio Nacional de Informática Avan-zada (LANIA). Sus áreas de interés son: interfaces humano - máquina, tecnología de asistencia y aprendizaje.

Huosheng Hu es profesor y líder del grupo de robótica en la Universidad de Essex, Inglaterra. Realizó sudoctorado en la Universidad de Oxford, Inglaterra. Sus actividades de investigación incluyen robótica basadaen comportamiento, interacción humano - robot, robots de rehabilitación, aprendizaje y sistemas embebidos.Ha publicado más de 430 artículos en journals, libros y conferencias. Es editor jefe del International Jour-nal of Automation & Computing, y editor ejecutivo del International Journal of Mechatronics & Automation.

Antonio Marín-Hernández es profesor investigador del Centro de Investigación en Inteligencia Artificialde la Universidad Veracruzana. Realizó su doctorado en el Laboratoire d’Analyse et d’Architecture desSystèmes en la ciudad de Toulouse, Francia y posteriormente una estancia sabática. Sus líneas de investi-gación están enfocadas a la percepción en robots móviles, en las áreas de localización y mapeo simultáneo,Interacción Humano-Robot y Detección y Manipulación de objetos. Miembro de diversas asociaciones, como;IEEE, SMIA, etc. Ha sido evaluador de diversas revistas científicas, congresos y proyectos. Actualmente escoordinador del grupo de Robótica Inteligente del CIIA-UV.

Homero Vladimir Ríos-Figueroa obtuvo su doctorado en Computación e Inteligencia Artificial porla Universidad de Sussex, Inglaterra en 1994. El grado de Maestro en Ciencias de la Computación por laUNAM en 1989 y la Licenciatura en Matemáticas en la Facultad de Ciencias, UNAM, 1987. Su línea deinvestigación es la visión por computadora para el desarrollo de nuevas formas de interacción humano -computadora y humano - robot. Desde el año 2000 es académico de carrera titular C en la UniversidadVeracruzana y es parte del Centro de Investigación en Inteligencia Artificial.



ARTÍCULO ACEPTADO

El arte de diseñar robots manipuladoresDan-El N. Vila-Rosado y Axel Domínguez-López

Qué bonito e inspirador es abrir la caja de un robot,sentir el olor a plástico o metal, como cuando uno abreun libro nuevo. Qué emocionante es empezar a armarnuestro brazo robótico recién comprado. Qué orgullo sesiente el tenerlo frente a nosotros bien armado y listopara funcionar. Y con la misma fuerza, qué feo se sienteal ver que el brazo robótico que con mucho esfuerzo secompró, no cabe en el área de trabajo, no puede moverselibremente por su tamaño o que simplemente no reali-za todos los movimientos que uno quisiera por el tipo dearticulaciones o su número. ¡Qué gran decepción!

Esta situación no solo me pasó hace tiempo, supe quea varios compañeros roboticistas también tuvieron pro-blemas o decepciones parecidas y posteriormente nos en-teramos que algunas compañías también han sufrido estasituación. Sin duda alguna, el resultado de una mala pla-neación al momento de elegir o diseñar un brazo robóticoes altamente costoso en términos de tiempo, dinero y es-fuerzo.

Procuramos no volver a cometer el mismo error;nuestro bolsillo nos lo exigía a gritos. Para solventar es-ta situación, aprendimos las bases de cómo funciona unrobot manipulador; aprendimos que para sentirnos satis-fechos con el robot en cuestión, siempre hay que tenermuy en cuenta el objetivo para el cuál se requiere y enqué área de trabajo se colocará el brazo robótico. Investi-gamos las herramientas disponibles para poder simular elfuncionamiento de un robot manipulador o brazo robóticoy nos adentramos en el área de diseño óptimo de robotsmanipuladores con técnicas evolutivas. Estas actividadesdieron como resultado una tésis de maestría [1].

Fue un camino largo, pero interesante, en el cualpudimos ver con claridad cómo se aplica el álgebra li-neal y las ecuaciones diferenciales que aprendimos en launiversidad. En el presente artículo les presentamos austedes lo aprendido en este largo camino. Nuestra in-tención en este artículo es dar una breve introducción aldiseño óptimo de robots manipuladores desde sus bases:las partes que conforman un robot manipulador, cómo semodela, cómo se puede simular el movimiento de estosbrazos robóticos y finalmente cómo optimizar estos ro-bots en términos de sus articulaciones y eslabones paraque puedan realizar una tarea determinada dentro de unárea de trabajo específica. Se darán cuenta que es todoun arte el elegir un buen robot manipulador.

IntroducciónDesde el año 1947, cuando se construyó el primer ma-

nipulador antropomórfico, se ha desarrollado un número

considerable de sistemas robóticos, a nivel industrial o enambientes académicos. Las aplicaciones de estos robotsmanipuladores han ido creciendo debido al incrementode la habilidad de los robots para interactuar de mane-ra dinámica con su ambiente. El hecho de que un robottenga una buena adaptación a tareas repetitivas en en-tornos estructurados, ha provocado el uso extensivo derobots en el área industrial y sobre todo en el área demanufactura, como en el caso de los brazos articulados,también llamados, robots manipuladores.

Definimos el término manipulador como un mecanis-mo formado por elementos en serie, articulados entre sí ydestinado al agarre y desplazamiento de objetos. De aquíque un robot manipulador es un manipulador automá-tico servo-controlado, reprogramable, polivalente, capazde posicionar y orientar piezas siguiendo trayectorias va-riables. Para tener la capacidad de manipular diversidadde objetos, estos robots, normalmente tienen la forma deuno o varios brazos, terminados en una muñeca, por loque también se les conoce como brazos robóticos. Debidoa su forma y su alta capacidad de maniobra, estos robotstambién están siendo aplicados en sectores como agricul-tura y silvicultura, construcción, desarrollo de activida-des en entornos peligrosos, medicina y salud, minería,vigilancia y seguridad.

Elegir un brazo robótico adecuado, para una acti-vidad determinada, es una tarea que ahorra tiempo,dinero y esfuerzo a cualquier usuario. Ante esta circuns-tancia, en el presente artículo nos enfocaremos en eldiseño óptimo de un robot manipulador. Modelar unrobot manipulador es la base para el proceso de cons-truir dicho mecanismo. Después del modelado, simularel brazo robótico es útil para verificar que se cumplanlos requerimientos de alcance y maniobra en nuestraárea de trabajo sin la necesidad de tener el sistema fí-sico. Finalmente, en el área de diseño óptimo de robotsmanipuladores nos encontramos con la síntesis de me-canismos robóticos [2]. En esta ocasión nos interesa laelección de robots con base en su facilidad de posiciona-miento, morfología y el hecho de que tienen que seguiruna trayectoria determinada entre obstáculos y con cier-tas restricciones geométricas determinadas por el área detrabajo. Para este problema y la reducción de los gradosde libertad de nuestro robot manipulador, en el presenteartículo usamos optimización evolutiva.

Bases teóricasUn curso de álgebra lineal y otro de ecuaciones di-

ferenciales son mas que suficientes para poder modelar



cómo se mueve un robot manipulador. Todo se reduce asaber describir matemáticamente posición, orientación yel movimiento de los diferentes componentes de un brazorobótico.

Un robot manipulador trabaja en el espacio tridimen-sional, de aquí que tenga que ser referenciado en este mis-mo espacio. Una posición se establece de forma unívocamediante un vector de posición con tres componentescon respecto a un sistema de referencia M siendo este elorigen y el extremo la posición. Para describir la orien-tación de un cuerpo adjuntamos un sistemas de coorde-nadas al cuerpo O (tres por ser tridimensional) y luegodaremos una descripción de este sistema de coordenadasrelativo al sistema de referencia M. Para una mejor vi-sualización gráfica a veces se opta por representar ambossistemas coincidentes en el origen.

Puesto que es ideal tener la información de posicióny orientación conjuntamente, se hace uso de las matricesde transformación homogénea cuya dimensión es de 4×4y está compuesta por cuatro submatrices (Ecuación 1).

T =

[

rotacion traslacion

perspectiva escalado

]

=

33 × 3 ×

11 × 3 1× 1

(1)

En robótica, el vector de perspectiva es el vector ceroy la constante de escalado es igual a uno, las tres pri-meras columnas de la matriz homogénea representan lasdirecciones de los ejes principales de un sistema asociadoa un objeto O referenciados a un sistema M, mientrasque la cuarta columna representa la posición del sistemaasociado al objeto O respecto al sistema de referencia M(Ecuación 2).

T =

[

rotacion traslacion

0 1

]

=

33 × 3 ×

10 0 0 1

(2)

En muchas ocasiones nos interesa conocer la localiza-ción de M respecto a O, lo que corresponde a la matrizde transformación inversa a la Ecuación 2. Haciendo usode álgebra podemos observar que la fórmula mas sencillapara encontrar T

−1 es la Ecuación 3.

T−1 =

[

rotacionT −rotacionT · traslacion

0 1

]

(3)

En cuanto a describir un movimiento, matemática-mente lo definimos como una transformación. En robóti-ca, una transformación total se descompone en una seriede trasformaciones básicas de traslación y de rotación.Se hace uso de una traslación si lo que cambia es la po-sición del objeto con respecto a un sistema de referenciay/o de una rotación, si se produce un giro del objeto conrespecto al sistema de referencia. Puesto que aplicar unatransformación implica una multiplicación de matrices,no solo es importante el orden en que se aplican, sinoque también es necesario identificar en cada transforma-ción con respecto a qué sistema se realiza. Esto es, quecuando se realiza una transformación, hay dos manerasde referenciarlo:

Respecto al sistema móvil : Cuando se referenciacon respecto al sistema resultante de la transfor-mación anterior, es decir, con respecto a la últi-ma localización del sistema transformado, la nuevatransformación (una matriz homogénea) se post-multiplica respecto a las aplicadas previamente.

Respecto al sistema fijo : Cuando se referencia conrespecto al que fue de referencia para la últimatransformación. En este caso, la matriz de trans-formación homogénea de la nueva transformaciónse premultiplica sobre las transformaciones ya efec-tuadas.

Un robot manipulador es un manipulador automático servo-controlado,

reprogramable, polivalente, capaz de posicionar y orientar piezas

siguiendo trayectorias variables.

Construyendo el modelo

Ahora que recordamos nuestras clases de álgebra li-neal y las aplicamos a describir posición, orientación ymovimiento de un punto; nos enfocaremos en desarrollarel modelo de nuestro brazo robótico.

Consideremos un robot manipulador genérico, com-puesto por n+1 eslabones conectados consecutivamentepor n articulaciones de un grado de libertad. Los eslabo-nes se numeran iniciando con 0 en la base y las articula-

ciones comenzando con 1 en la que conecta la base con eleslabón 1 (Figura 1). El eje de cada articulación es el ejerespecto al que produce el movimiento de la articulación,el de giro en una articulación rotacional y el de la direc-ción de desplazamiento en una articulación prismática.A partir de los conceptos anteriores podemos definir lascuatro cantidades de Denavit-Hartenberg [3]: la rotación(θ) y la translación (d) a lo largo del eje z así como larotación (α) y la translación (a) en el eje x.



Cualquier brazo robótico puede describirse en for-ma cinemática proporcionando los valores de Denavit-Hartenberg para cada eslabón, pero para poder describirla ubicación de cada eslabón relativa a sus eslabones ad-yacentes es necesario asignar un sistema de referenciaa cada eslabón. Es importante destacar que hay variasmaneras de asignar un sistema de referencia a un mismoeslabón, con el propósito de que algunos de estos pa-rámetros para determinados eslabones resulten nulos yasí las operaciones de cinemática y/o dinámica sean mássencillas.

Para este artículo elegimos asignar el sistema de re-ferencia con el método de Richard Paul [4]. Tomandoen cuanta la numeración de eslabones y articulacionesmostrados en la Figura 1, la asignación de sistemas dereferencia se puede realizar de la siguiente manera:

Figura 1. Numeración de eslabones y articulaciones.

Asignación de Paul : Véase la Figura 2. Localiza elsistema de referencia del eslabón en el eje de laarticulación que lo enlaza con el siguiente eslabón(Figura 2). En el caso de la base del robot o es-labón 0, su eje Z0 está alineado con el eje de laarticulación 1 y se toman los ejes X0 e Y0 para queel sistema sea dextrógiro; cabe mencionar que estesistema es fijo y se coloca en la base del robot.

En cuanto a los ejes de las articulaciones 1 a n− 1,el eje Zi del sistema de referencia del eslabón i sealinea con el eje de la articulación i+ 1.

El sistema de referencia del último eslabón se sitúaal final de este mismo (extremo del robot) y ya queno existe la articulación n + 1, su eje Zn coincideen dirección con el eje Z del sistema asociado aleslabón n− 1.

Tengamos en cuenta los siguientes detalles: El eje Xi

de este sistema se alinea con la normal común entre lasarticulaciones i e i+1, mientras que el eje Yi se establecepara que el sistema sea dextrógiro (el mismo sentido quelas manecillas del reloj). Así también, cuando la líneanormal común no es única , el origen del sistema quedaindefinido, pero por convenio se toma el origen en la ar-ticulación i+1. En el caso en el que los ejes se cortan, el

origen del sistema se localiza en el punto de corte, en es-te caso Xi está según la dirección perpendicular al planoque forman el eje Zi y Zi−1, tomando el sentido de formaarbitraria.

Recordemos que un robot manipulador es un conjun-to de cuerpos conectados en una cadena mediante arti-culaciones prismáticas (que se desplaza) o rotacionales(que giran), llamados eslabones y que podemos obtenerla posición y orientación de los vínculos de los manipu-ladores en situaciones estáticas, solo nos falta describirlas relaciones existentes entre estos vínculos.

Un solo eslabón tiene muchos atributos a conside-rar durante la etapa de diseño (tipo de material emplea-do, fuerza y rigidez del vínculo, ubicación de la articula-ción, su forma, inercia, peso, etc.), así también en el casode las articulaciones y su interconexión (solidez, lubri-cación, engranaje, etc.); sin embargo cuando el objetivoes encontrar las ecuaciones cinemáticas del mecanismo,un eslabón se considera solamente como un cuerpo rígi-do que define la relación entre dos ejes de articulacionesadyacentes de un manipulador, ante esta situación hayvarios métodos disponibles para describir nuestro robotmanipulador y la convención mas utilizada es la de losparámetros de Denavit-Hartenberg [3], también llamadosparámetros DH.

Los parámetros de Denavit-Hartenberg son cuatrocantidades para cada eslabón; dos números describen eleslabón en sí (longitud de eslabón y torsión de eslabón)y los otros dos describen la conexión del eslabón con uneslabón adyacente (desplazamiento de eslabón y ángulode articulación). Véase la Figura 2.

Figura 2. Asignación de sistemas de referencia usado por

Richard Paul.

Longitud de eslabón: Representado por a. Es la dis-tancia entre dos ejes de articulaciones adyacentes(las cuales delimitan al eslabón) a lo largo de lanormal común.

Torsión de eslabón: Representado por α. Este pará-metro mide de cierta manera la forma del eslabón.Se define como el ángulo medido entre los ejes pro-yectados sobre el plano cuya normal sea la línea



mutuamente perpendicular a las dos articulacionesadyacentes que delimitan al eslabón (la utilizadaen la longitud del eslabón). El ángulo se mide des-de el eje en que estamos hasta el eje siguiente en elsentido de la mano derecha.

Desplazamiento de eslabón: Representado por d.Parámetro que relaciona dos eslabones. Para uneslabón i, d se define como la distancia entre lasintersecciones de las normales comunes a la articu-lación i (dos, una respecto a la articulación anteriory la otra respecto a la siguiente), a lo largo del ejede la articulación.

Para las articulaciones 1 y n, al no existir las ar-ticulaciones 0 y n + 1, no existen líneas normalescomunes entre 0 y 1, ni entre n y n+1, por lo qued1 por convenio es la distancia de la linea normalcomún de las articulaciones 1 y 2 hasta el sistemade la base y para dn se toma la distancia entre lalinea normal común de las articulaciones n− 1 y n

al sistema del extremo del robot.

Ángulo de articulación: Representado por θ. Expre-sa el ángulo que forman dos eslabones, determi-nado por la forma de la articulación. Describe lacantidad de rotación sobre el eje de la articulacióncomún entre dos eslabones adyacentes. Dados doseslabones adyacentes y su articulación común, sedefine como el ángulo que existe entre las líneasnormales comunes al eje de la articulación (dos,una respecto a la articulación anterior y la otrarespecto a la siguiente).

Los parámetros a y α de Denavit-Hartenberg una vezdeterminados no sufren variación alguna, a diferencia delos parámetros d y θ correspondientes a la posición re-lativa entre eslabones ya que estos varían al estar enla-zados por una articulación. Cuando tenemos una arti-culación de tipo rotacional, se producirá una variacióndel parámetro θ, ya que es el ángulo relativo que formanlos eslabones que enlaza y las otras tres cantidades soncantidades de parámetros fijas. Por el contrario, si la ar-ticulación es prismática se realizará una variación en elparámetro d y las otras tres se mantienen fijas.

Ahora que tenemos los sistemas de referencia y losparámetros DH; si queremos saber cual es la matriz detransformación homogénea para pasar del sistema dereferencia i−1 al i solo necesitamos dos giros y dos tras-laciones en el orden adecuado dada la información de losparámetros DH para la articulación i. Al calcular estasmatrices de transformación, podemos saber la posiciónde nuestro elemento terminal o de cada eslabón con tansolo conocer los valores de movimiento de cada articula-ción (rotacional o traslacional); no olvidemos que estosvalores son los de θ o d de nuestra tabla de parámetros

DH los cuales son variables.

EjemploNada mejor que un ejemplo para dejar en claro la

modelación de un robot manipulador. Trabajaremos conun brazo planar de dos eslabones y dos articulacionesrotacionales (mecanismo RR). La Figura 3 es una re-presentación esquemática del manipulador en cuestión.

Figura 3. Robot planar.

Procederemos de la siguiente manera:1.- Numeración de eslabones y articulaciones (Véase

Figura 4).

Figura 4. Ejemplo de numeración de articulaciones y esla-

bones en robot planar.

2.- Asignación de sistemas de referencia (Véase Figu-ra 5).

Figura 5. Ejemplo de asignación de sistemas de referencia

de Paul.

3.- Cálculo de tabla de parámetros DH.Teniendo en cuenta el caso de asignación de sistemas

de referencia de Paul recordemos que solo calculamos losparámetros DH de los eslabones 1 y 2, por lo que la tablade valores 4 queda de la siguiente manera:

Eslabón α a θ dE1 0 l1 0 0E2 0 l2 0 0

(4)

4.- Cálculo de las matrices de transformación homo-géneas.

Dado un θ o un d determinada para cada uno de lasarticulaciones de nuestro robot manipulador, tendremos



una respectiva matriz de transformación homogénea deque nos lleva de un sistema de referencia a otro.

Con toda esta sección, podemos calcular posiciones,orientaciones en cualquier momento durante la ejecuciónde una trayectoria. La mejor forma de ver estos modeloses a través de un simulador.

Simulación de un robot manipuladorLa ventaja de simular un robot manipulador radica

en el hecho de que el usuario puede visualizar el resul-tado de crear un robot a través de un modelo gráfico yasí estudiar la cinemática, al igual que la generación derutas y trayectorias que el brazo robótico puede realizar.

Actualmente existen diversos sistemas de simulación,cada uno con sus respectivas ventajas y desventajas.Uno de los mas avanzados es el propuesto por P. Corke[5], desarrollado en Matlab. Por obvias razones, usare-mos para simular nuestro brazo robótico el toolbox paraMATLAB [6] desarrollado por los autores [7], el cuál seencuentra en constante evolución.

Como primer paso, usaremos la clase ESLABON. Susparámetros estan dados por E=Eslabon([alfa, a, theta, d,Mov], Peso, Material, Convención, Dinámica). Usandoel sistema de referencia de Paul, enfocándonos en quesolo tenemos la información de los parámetros DH y quel1 = 10 l2 = 15 obtenemos la Figura 6).

Figura 6. Uso de comando ROBOT en MATLAB.

Teniendo en memoria estos dos objetos eslabón pro-cedemos a construir nuestro robot con el comando: RO-BOT. Esta clase nos permite construir el objeto robotcon los eslabones E1 a En. Este objeto tiene todos loselementos relacionados a un brazo robótico, tales comodatos, dirección de gravedad, convención DH, base derobot y opciones de dibujo (Véase la Figura 6).

Para verificar nuestro modelo podemos hacer uso delcomando DRIVEBOT, el cual es un manejador gráficode un objeto ROBOT (Figura 7).

Figura 7. Resultado de comando DRIVEBOT en MATLAB.

El manejador gráfico nos permite cambiar dinámica-mente el valor de cada una de las articulaciones. Conesto, podemos verificar visualmente, el movimiento y al-cance de nuestro brazo robótico. En términos analíticos,es necesario evaluar la posición y orientación de la he-rramienta o elemento terminal de nuestro robot mani-pulador en todo momento, y la técnica que nos permiterealizarlo es la de Cinemática Directa. Sea F : j ∈ ℜn →

SE(3) una función que representa el resultado de la ci-nemática directa donde F regresa la posición y orienta-ción del elemento terminal, j es un vector n-dimensional(donde n es el número de articulaciones) en el cual cadaentrada es lo que se ha movido cada articulación (tam-bién llamado vector de variables articulables) y SE(3)es una matriz homogénea que aporta la información deposición y orientación del elemento terminal. Cada T

i−1

i

representa la matriz de transformación homogénea quenos lleva del sistema de referencia i−1 al i. En nuestro si-mulador el comando CINEMA_DIR(ROBOT, Q) arrojauna matriz homogénea con la información de posición yorientación del elemento terminal o extremo del últimoeslabón.Q es una matriz de m × n elementos, donde m

es la cantidad de cinemáticas a calcular como secuenciade puntos en una trayectoria y n es el número de articu-laciones.

Uno de los problemas mas importantes en el diseño deun robot manipulador es saber cual es el desplazamientode cada articulación para que el elemento terminal tengauna posición y orientación determinada; a este problemase le conoce como Cinemática Inversa. El problema decinemática inversa se dice que tiene solución si todos losconjuntos de valores de articulaciones para una posicióny orientación pueden ser determinados usando un algo-ritmo; por lo que si hay multiples soluciones, el algoritmodebe ser capaz de encontrarlas todas. El método imple-mentado dentro del toolbox de MATLAB para robótica[7] está basado en ecuaciones diferenciales.

La idea que resuelve nuestro problema de cinemáticainversa es que las velocidades de las articulaciones (q)pueden ser integradas desde 0 a tf para producir los án-



gulos de las articulaciones tales F (q) = H (Ecuación 5).

q(tf ) = q(0) +

∫ tf

0

q(t)dt (5)

Recordemos que la solución obtenida depende de lacondición inicial dada; la implementación en MATLABse realizó en el comando CINEMA_INV. Esta funcióndevuelve los valores de las articulaciones del robot ma-nipulador ROBOT necesarios para llegar a la posición yorientación H . Por lo general la solución no es única y ala que se llega depende de la condición inicial.

Es a través de estas simples funciones que podemosconstruir distintos tipos de robots manipuladores y ve-rificar si las especificaciones cumplen en términos dealcance y desempeño dentro de un área de trabajo parauna tarea determinada.

Optimización de un robot manipuladorHay varias técnicas de optimización de robots ma-

nipuladores, dependiendo de la característica a trabajarcomo por ejemplo diseño óptimo basado en tareas espe-cíficas con restricciones cinemáticas dinámicas y de es-tructura, reducción de grados de libertad o síntesis di-mensional de mecanismos (longitud de eslabones).

Para este artículo, estamos interesado en la elecciónde robots que tienen que alcanzar una trayectoria cerra-da entre obstáculos y con restricciones geométricas [2].Las variables a optimizar son el tipo de articulaciones yla dimensión de los eslabones y la localización del robot.Resolvemos este problema con optimización evolutiva.

La elección de la morfología de un mecanismo (tiposde articulación) es un problema complejo pues este pro-blema está relacionado a la determinación de variables nocontinuas, no numéricas o no discretas. Todo esto se daporque no existe una métrica en el conjunto de posiblesmorfologías.

Nuestro problema consiste en determinar el mejormecanismo para seguir una trayectoria determinada enun ambiente con obstáculos. El mecanismo debe ser unacadena cinemática n-dimensional y contamos con infini-tas articulaciones para armarlo. La trayectoria tiene queseguirse y cubrirse en su totalidad y sin alguna disconti-nuidad. Esto se clasifica como una métrica de desempeñoglobal tomando en cuenta que el espacio de trabajo es uncriterio importante para comparar estructuras de robotsmanipuladores [9].

Obtenemos así, la siguiente Función 6 a optimizar:

maxX

f(X) (6)

bajo la restricción de que no hay colisiones con el am-biente y los limites de las articulaciones del mecanismo.Aquí f(X) es la longitud de la trayectoria seguida por

el elemento terminal del mecanismo. Por otra parte, lavariable X se define en la Ecuación 7.

X =

TLx

(7)

donde T es el tipo de mecanismo del individuo X y per-tenece a la base de datos de mecanismos seleccionadosa priori, L es el vector que contiene las longitudes decada uno de los eslabones (Li es la i-ésima coordenaday representa la longitud del eslabón i) y x es el vectordonde cada xi es la i-ésima coordenada de la posición yorientación de la base del mecanismo sobre una línea.

Puesto que tenemos las restricciones, hemos de cam-biar la Función 6 en un sistema nuevo con penalizacionespero sin restricciones representado en la Ecuación 8.

maxX

F (X) (8)

Para este nuevo problema F (X) es la longitud de latrayectoria alcanzada sin colisión por el individuo X . Elproblema de optimizar F (X) se resuelve con un algorit-mo genético con elitismo [2, 8, 10] que a continuación sedescribe:

1: Inicializamos la población generándola aleatoriamen-te. Los elementos de la población pertenecen a labase de datos de mecanismos.

2: Evaluamos cada uno de los elementos de la población.Esta evaluación puede ser con la Ecuación 6. Pri-mero probamos si alcanzamos el objetivo y en casode que así sea probamos si existe colisión con el am-biente para esta posición y orientación específica.El resultado es la longitud total de los segmentosde trayectoria que son alcanzables sin colisión. Elalcance esta determinado por la cinemática inversade cada mecanismo.

3: Seleccionamos los elementos de la población. La se-lección se basa en el principio de la ruleta.

4: Realizamos la cruza entre los diferentes elementos dela población. Esta operación corresponde a permu-tación de T , L o x entre 2 individuos.

5: Mutamos los cromosomas de los elementos de la po-blación dada una probabilidad determinada y te-niendo en cuenta que la posición de la base tieneque estar sobre una linea.

6: Repetimos los pasos 2 a 5 hasta que se haya encon-trado una solución adecuada o se cumpla ciertonúmero de generaciones.



Los resultados obtenidos de este sección nos permitenoptimizar nuestro robot en términos de los movimien-tos a realizar y la posición del robot. Otra optimizacióna tener en cuenta es la reducción de los grados de li-bertad. Dicha optimización se encuentra descrita en lassiguientes referencias [1, 8]. En caso de estar interesadosen estos temas de optimización; agradecemos al lectorque se ponga en contacto con nosotros. Será un placerestudiar con mayor profundidad y junto con usted, lasmejoras que se puede hacer en el arte de diseñar robotsmanipuladores.

ConclusionesEl uso de robots industriales en diferentes campos

de la tecnología es mas común con cada año que pasa ydentro de esta área es importante ser capaz de mejorarsu eficiencia en términos económicos y de precisión enlas tareas que desempeñan. Dada una tarea determina-da y un área de trabajo, no es fácil encontrar el robotadecuado para esta función. Hay que tomar en cuentalas restricciones geométricas y de funcionalidad. Aventu-rarse a escoger un brazo robótico sin un análisis previo,puede llevar a un desperdicio de tiempo, dinero y esfuer-zo; por lo que siempre es recomendable el diseño óptimode un robot manipulador que cumpla los requerimientosque necesitamos.

En el presente articulo, se describió lo indispensabley básico para diseñar optimamente un brazo robótico yse repasaron las bases teóricas como lo son la forma derepresentar matemáticamente la posición, orientación yel movimiento de las partes de un brazo robótico usandomatrices homogéneas. Se estudió cómo construir el mo-delo de nuestro manipulador con base en la asignaciónde un sistema de referencia (método de Paul) y al usode los parámetros Denavit-Hartenberg. Posteriormentese hizo uso de un toolbox de matlab para simular nues-tro sistema y ver gráficamente su desempeño en un áreade trabajo (resolviendo problemas de cinemática directa

e inversa de nuestro robot manipulador). Y finalmentese definió cómo resolver el problema de encontrar robotóptimo a través de optimización evolutiva.

Sin duda alguna, aún se necesita de mucha experien-cia para tener la habilidad de recomendar un robot ma-nipulador. Lo expuesto aquí solo establece las bases paraproyectos tecnológicos y da un atisbo de la amplia lí-nea de investigación actual en términos de eficiencia derobots.✵

REFERENCIAS

1. Vila-Rosado D.N. (2007) “Simulación de jugadores de Air-hockey con control inteligente” Tésis de maestría, Maestríaen Ciencias de la Computación. Centro de Investigación enMatemáticas, A.C. (CIMAT), Guanajuato, México.

2. Chedmail P. y Ramstein E. (1996) “Robot mechanism synthesisand genetic algorithms”. En Proc. IEEE International Confe-rence on Robotics and Automation, Vol. 4, pp. 3466-3471.

3. Denavit J. (1955) “A kinematic notation for lower-pair mecha-nisms based on matrices”. En Trans. of the ASME. Journal ofApplied Mechanics, Vol. 22, pp. 215-221.

4. Paul R.P. (1981) “Robot manipulators: mathematics, program-ming, and control: the computer control of robot manipulators”.The MIT Press.

5. Corke P. (1996) “A robotics toolbox for MATLAB”. En IEEERobotics and Automation Magazine, Vol. 3, No. 1, pp. 24-32.

6. The Math Works (1992) “Matlab reference guide”. Math Works,Incorporated.

7. Vila-Rosado D.N. y Dominguez-Lopez J.A. (2005) “A Matlabtoolbox for robotic manipulators”. En IEEE Sixth Mexican In-ternational Conference on Computer Science, pp. 256-263.

8. Vila-Rosado D.N. y Domınguez-López J.A. (2006) “A MATLABtoolbox for the optimal design of robot manipulators using evo-lutionary techniques”. En Proc. of the 10th International Con-ference on Mechatronic Technology (ICMT).

9. Patel S. y Sobh T. (2014) “Manipulator Performance Measures-A Comprehensive Literature Survey”. Journal of Intelligentand Robotic Systems, Vol. 77, No. 3-4, pp. 547-570.

10. Rout B.K. y Mittal R.K. (2010) “Optimal design of manipulatorparameter using evolutionary optimization techniques”. Roboti-ca, Vol. 28, No. 3, pp. 381-395.

SOBRE LOS AUTORES

Dan-El Neil Vila Rosado es estudiante de doctorado de la Universidad Libre de Berlín, en Alemania.Realizó sus estudios de Licenciatura en Matemáticas en la Universidad de Guanajuato (1998-2003) y obtuvoel grado de Maestría en Ciencias Computacionales y Matemáticas Industriales en el Centro de Investigaciónen Matemáticas (CIMAT) en el año 2006. Su área de investigación se enfoca al desarrollo de aplicaciones deinteligencia artificial, optimización y desarrollo de tecnologías educativas.

J. Axel Domínguez López es Ingeniero en Electrónica y Comunicaciones por la Universidad Iberoameri-cana, y es Doctor en Ciencias por la Universidad de Southampton (2004). Ha trabajado como investigadoren el Centro de Investigación en Matemáticas (CIMAT) en la línea de controles inteligentes para robotsusando controles neurodifusos, así como en el desarrollo del programa de cómputo CalEst. Es co-autorde dos libros en Estadística y Probabilidad. Actualmente el Dr. J. Axel Domínguez es consultor en eldesarrollo de tecnología, y en este rubro ha contribuido en diferentes proyectos tecnológicos en empresasmultinacionales tales como Cemex, Bhp Billiton, KiOR, Tenaris, Oasis Petroleum, Sullexis, Shell, entre otras.



ARTÍCULO ACEPTADO

Uso de tangibles robóticas en el aprendizajecolaborativo de las matemáticasSergio Hernández-González, Genaro Rebolledo-Méndez, N. Sofía Huerta-Pacheco y LuisG. Montané-Jiménez

El empleo de Tecnologías de la Información (TIC’s)en el aula mexicana sigue siendo escaso y con efectospoco visibles en el aprendizaje final de los estudiantes.Este artículo presenta una investigación exploratoria enla cual se usaron tangibles robóticas en una situación deaprendizaje colaborativo de las matemáticas. Para eva-luar la efectividad de una actividad utilizando robots,se definieron dos grupos de estudiantes y evaluaron di-ferentes aspectos del aprendizaje y la colaboración. Losresultados sugieren que el impacto de los robots en elaprendizaje de conceptos matemáticos es significativo,además de una actividad que pudiera ayudar al apren-dizaje a largo plazo. En trabajos futuros se hará unaevaluación formal del efecto de actividades con robots enel aprendizaje de matemáticas a nivel secundaria.

IntroducciónLa educación es uno de los procesos más importantes

en el desarrollo de un país ya que provee de conocimien-tos a los estudiantes en diversos niveles. Sin embargo, enalgunos países se presenta un grave problema en materiade educación por la prevalencia de métodos tradicionalesen temas y áreas específicas [1]. Aunque la incorporaciónde Tecnologías de la Información (TIC’s) en la educaciónha tomado mayor relevancia en los últimos años, éstasson consideradas únicamente como herramientas de apo-yo a la educación tradicional [2]. En la mayoría de lasaulas de enseñanza pública a nivel básico en México aúnno se usan TIC’s de manera sistemática o no se tieneevidencia de la efectividad de usar estas tecnologías. Esteartículo presenta un trabajo de investigación en el quese aplicaron tangibles robóticas, un tipo de tecnologíaeducativa que se puede manipular físicamente y progra-marse por medio de una computadora personal para laenseñanza de las matemáticas. Esto se hizo con la finali-dad de determinar cuál es su influencia en el aprendizajede conceptos matemáticos entre los estudiantes.En otros países el uso de TIC’s en la educación da-ta de la década de los ochentas. Uno de los primerosejemplos es el proyecto LOGO [3] el cual utilizaba unainterfaz gráfica de computadora como herramienta enla enseñanza de programación. Esta herramienta estaba

fuertemente influenciada por la corriente educativa pro-puesta por Piaget [4] conocida como constructivismo, lacual provee un ambiente donde los alumnos asumen elpapel del maestro desarrollando una serie de actividadespara entender y alcanzar nuevo conocimiento. Basadoen sus características de lenguaje ampliable, el alumnopuede crear nuevos comandos a través de elaboración depequeños programas o procedimientos disponibles parasu reutilización.La corriente del constructivismo tiene sus orígenes conel pedagogo ruso Vygotsky [5] quien defendía la idea deque el desarrollo cognitivo del estudiante consta, por lomenos, de dos niveles: 1) el actual, que es aquello que elsujeto ya es capaz de hacer y puede ser observado porun grupo social o equipo y 2) el nivel de desarrollo po-tencial, que son las funciones intrapsíquicas que el sujetoposee, pero están inmersas en sus potencialidades en loque se conoce como la Zona de Desarrollo Próximo*. Es-ta propuesta involucra no solamente lo que el estudiantesabe en el momento del aprendizaje sino también el po-tencial de lo que puede aprender cuando la actividad esrealizada en compañía de alguien más experimentado.En diversos estudios [6, 7] se ha identificado que el usode tecnología tangible, la cual promueve el aprendizajegrupal, permite generar aprendizaje significativo** en di-ferentes áreas y niveles de formación. Aunado a esto, seha observado que los estudiantes aprenden mejor cuan-do se involucran en un proceso educativo colaborativo,permitiéndoles recordar contenidos por mayor tiempo delas habilidades de razonamiento superior y pensamientocrítico [8]. El aprendizaje colaborativo se define como elproceso en el cual los estudiantes organizan y diseñan laestructura de interacciones y mantienen el control sobrelas diferentes decisiones que repercuten en su aprendiza-je [9]. El aprendizaje colaborativo requiere de grupos oequipos de trabajo integrados por estudiantes que tra-bajan en conjunto para alcanzar una meta en común,maximizando su propio aprendizaje y el de los demás.Sin embargo, esto no necesariamente se opone al trabajoindividual ya que el aprendizaje colaborativo puede ob-servarse como una estrategia complementaria que apoyeel desarrollo global del estudiante [10]. El aprendizaje co-

*Distancia entre el nivel de desarrollo real, que se suele determinar a través de la solución independiente de problemas y el nivel dedesarrollo potencial determinado a través de la solución de problemas bajo la orientación de un adulto o con la colaboración de compañerosmás capaces [5].

**La incorporación o asimilación de nueva información a la estructura cognitiva del individuo para facilitar el aprendizaje [11].



laborativo tiene características que califican a un grupode alumnos como un equipo: organización, participación,dialogo o interacciones, roles y responsabilidades. Estosaspectos se ven reflejados en un equipo colaborativo yla ausencia de uno de ellos podría afectar el desempeñode todo el equipo. En el aprendizaje colaborativo losestudiantes asumen su propio ritmo y rol, de igual formaque ponen en juego sus potencialidades para desarrollarla actividad educativa. En esta situación el estudiante nodeja de lado la necesidad de dar lo mejor de sí a su equi-po de trabajo con lo cual logrará llegar a fases avanzadasen el proceso de construcción de conocimiento. Sin estadisposición sería difícil que cada uno de los integrantesalcance el conocimiento por sus propios medios.Se ha observado que el aprendizaje colaborativo tiene be-neficios en la adquisición de aprendizaje significativo [11]y en el desarrollo de procesos cognitivos como la observa-ción, el análisis de capacidad de síntesis, el seguimientode instrucciones, la toma de decisiones y la resolución deproblemas. Por otro lado, investigaciones realizadas en elárea de ciencias cognitivas sugieren que una gran canti-dad de estudiantes construyen parte de su conocimientoa través de la manipulación activa de su medio ambien-te lo cual les permite agregar conceptos adquiridos desu propia experiencia y entender conceptos abstractos.Los conceptos adquiridos de esta forma son especial-mente relevantes para la ciencia, tecnología, ingenieríay matemáticas. Por estas razones, en la investigaciónexploratoria presentada en este artículo, se propone lahipótesis de que el uso de tangibles robóticas en una si-tuación de aprendizaje colaborativo trae beneficios en elaprendizaje de matemáticas a nivel secundaria. Se con-sidera que además de ser una herramienta, las tangiblesrobóticas pueden beneficiar el desarrollo del aprendizajecolaborativo de los estudiantes provocando un impactobenéfico en los diferentes estilos de aprendizaje [12] quese espera sean diferentes en un grupo de personas. Por locual, el objetivo de esta investigación es identificar cómola colaboración y las tangibles robóticas influyen en elaprendizaje de los estudiantes. Los estilos de aprendizajehacen referencia a las capacidades, métodos y estrate-gias que cada estudiante utiliza en la consecución de unobjetivo. Aunque las estrategias pueden variar según loque se quiere aprender, cada estudiante desarrolla pre-ferencias y son precisamente las que definen el estilo deaprendizaje.Hoy en día vivimos en una época en la que se ha vueltoimprescindible ir a la par del avance de la tecnología,por lo que esta propuesta es un esfuerzo para incorpo-rar tecnología en las aulas de una escuela pública enMéxico. Esta es una alternativa basada en el diseño deactividades educativas que involucran el uso de tangi-bles robóticas, ayudan a definir actividades colaborativasdonde el estudiante pueda aplicar o relacionar el cono-cimiento aprendido con situaciones de su vida diaria de

una forma más dinámica. El diseño de las actividades sebaso en el enfoque constructivista en la educación [13] elcual considera que el estudiante alcanza un mejor nivelde conocimientos cuando se vuelve sujeto activo en suproceso de aprendizaje. Siguiendo esta filosofía las acti-vidades reportadas en este artículo buscaron promoverel uso de un robot como herramienta de aprendizaje enun entorno de ecología de recursos [14], entendido co-mo un conjunto de herramientas educativas tendientes amejorar la educación con tecnología educativa.Las siguientes secciones de este artículo presentan unestudio exploratorio cuyos resultados sugieren que eluso de tecnología tangible y la colaboración de los es-tudiantes favorece el aprendizaje en un nivel educativobásico. Estas conclusiones se basan en observaciones he-chas acerca del nivel de aprendizaje que presentan losestudiantes en matemáticas de tercer año de secundariahaciendo uso de robots como apoyo al aprendizaje.

Metodología

ParticipantesLos estudiantes involucrados fueron seleccionados

bajo un esquema de muestreo no probabilístico, deno-minado por conveniencia, dadas las exigencias para eltrabajo con seres humanos y los tiempos de disponibi-lidad de los estudiantes de tercer año de la SecundariaGeneral “Ignacio de la Llave” de la localidad Coatepec,Veracruz, México. La razón por la que se optó por rea-lizar esta investigación exploratoria con estudiantes enesta institución es porque la escuela secundaria prome-dió en la media en la prueba ENLACE 2011, lo cualrefleja que existen estudiantes de diferentes habilidadescognitivas en este plantel. La fase experimental se llevóa cabo con un grupo de 30 estudiantes de ambos génerosdivididos en dos equipos de trabajo con edades entre 14y 15 años de edad, que fueron asignados al azar con elfin de evitar factores de sesgo. Hubo 17 estudiantes enel equipo A y 13 en el equipo B. Cabe mencionar que ladesigualdad de los equipos se debió a que cuatro estu-diantes no fueron considerados dado que no completaronalguna de la pruebas (inicial y/o final) aplicadas en lamedición del aprendizaje.

InstrumentosLos recursos materiales utilizados como parte del

hardware son las tangibles robóticas Roomba modelo4400, la computadora subportátil OLPC (One LaptopPer Child) XO-1 con sistema operativo Debian y unacomputadora Apple con sistema operativo Mac OS Xv10.5 ver Figura 1.

La tecnología empleada para el control del robot in-cluye un servidor Índigo, el entorno de desarrollo cloud9y el lenguaje de programación Python. Para la evaluaciónde la información se utilizó el lenguaje de programación



y entorno R. Se emplearon pruebas de aprendizaje (ini-cial y final) que consistieron en 10 preguntas de opciónmúltiple sobre el tema de “operaciones con números po-sitivos y negativos”, un cuestionario de colaboración, uncuestionario de opinión de la tecnología, un cuestionariode actividad con el robot y utilería (hojas, marcadores,cinta adhesiva, conectores, sensores, entre otros).

Figura 1. Algunos componentes del Hardware empleados.

ProcedimientoPara el desarrollo de las actividades y la recolección

de información se utilizaron “prototipos evolutivos”. Acontinuación se describen las fases aplicadas:1) Definición del tema: se realizaron varias reunionescon el profesor de la asignatura de matemáticas, el cualasesoró en el tema y naturaleza de las actividades.2) Definición de los requerimientos: Se definierondos tipos de requerimientos a) que la actividad apoye alproceso de aprendizaje y b) que sea una actividad atrac-tiva para los estudiantes. Para ello, se tuvieron reunio-nes de trabajo con dos grupos de estudiantes durante lascuales se solicitó una lluvia de ideas acerca de cómo utili-zar la tecnología haciendo hincapié en los requerimientos.También, se hicieron observaciones de los estudiantes du-rante una clase cotidiana. Los resultados sugirieron quelos alumnos prefieren una técnica de enseñanza en la queellos son un personaje activo en el proceso.3) Validación del prototipo de actividad: De acuer-do a la definición del tema en la primera fase y la reco-pilación de requerimientos de la segunda, se presentó unprimer prototipo de la actividad con el uso de robots,obteniendo opiniones positivas y sugerencias que apoya-rán la obtención de conocimiento.4) Implementación de actividad: Consistió en unaserie de interacciones realizadas por los estudiantes. Du-rante la fase de implementación de la actividad existióun primer tiempo que consistió en planear y analizar laparte técnica de la actividad diseñada comprendiendo losrecorridos del robot y los requerimientos para el escena-rio. Además se realizaron cinco pruebas piloto, con el finde afinar detalles técnicos en la actividad.5) Evaluación: Las actividades se evaluaron con ba-se en el aprendizaje obtenido por los alumnos de ambos

grupos después de hacer uso de la actividad propuestay emitir su opinión acerca de los equipos de trabajo ylas características de la actividad. La actividad educati-va consistió en pedir a los estudiantes que se organiza-ran en grupos de trabajo dentro de tres roles (estar enla recta numérica, hacer relevos en la recta numérica orealizar operaciones matemáticas). Para llevar a cabo laactividad, se les pidio a los estudiantes que resolvieranoperaciones directamente sobre una recta númerica pin-tada en el piso de su aula de clases la cual tenia visiblesvalores numéricos positivos y negativos. Los estudiantescon el rol de la recta numérica tenían la tarea de ubicarsefísicamente sobre los valores proporcionados al azar porel robot ver Figura 2.

Figura 2. Interacción de los estudiantes en equipo.

AnálisisLos resultados se basaron en el análisis de las pro-

piedades psicométricas de los cuestionarios [15] y ca-racterísticas descriptivas de la actividad. Finalmente, seaplicaron pruebas t-student para comparar el aprendiza-je antes y después utilizados como variables relacionadasdurante el uso de las tangibles robóticas en la enseñanzadel tema “operaciones con números positivos y negati-vos”.

ResultadosLos resultados sugieren que las características medi-

das por el cuestionario de colaboración indican que losítems están relacionados, dada la consistencia interna co-mo aceptable (α=0.7193). Por otro lado, el índice prome-dio de colaboración presentado por los estudiantes de losdos grupos fue de 75 %, este índice fue construido por cin-co sub-escalas: organización (74 %), participación (77 %),diálogo (66 %), rol (78 %) y responsabilidad (80 %). Cabemencionar que estos índices son parte de un constructode 12 preguntas de escala ordinal ponderadas según lospesos de la categoría de respuesta, además de que noexistió evidencia para afirmar una diferencia entre losgrupos de trabajo evaluados con respecto a su colabora-ción (p>0.05).En el aprendizaje inicial de los estudiantes se observóque el grupo B presenta significativamente mayor cali-ficación que el grupo A (p<0.05). Sin embargo, esto nofue influyente en la prueba final donde ambos grupos



alcanzaron el mismo grado de aprendizaje (p>0.05). Co-nociendo la diferencia inicial entre los grupos, se evaluósi éstos presentaban una diferencia con respecto al usode las tangibles robóticas. El grupo A presentó diferen-cias significativas (p<0.05) en el aprendizaje, obteniendoun incremento de calificación de 1.48 puntos a diferenciadel grupo B que no presentó un incremento significativo(p>0.05) ver Figura 3.

Figura 3. Comparación de las ganancias de aprendizaje por

grupo.

Finalmente, se identificó que existen característicasdefinidas que están relacionadas a las preferencias deluso de tecnología y la consideración presentada de losestudiantes hacia las tangibles robóticas para su apren-dizaje. Se observa que los estudiantes tienen una opiniónpositiva (87 %) para trabajar con robots y consideranque la asignatura de matemáticas no es aburrida (74 %)y que al 46 % de ellos les gusta resolver problemas difí-ciles.Además, los estudiantes presentaron una opinión positiva(84 %) referente al trabajo en equipo con esta tecnologíaconsiderando que el robot los apoyó en su aprendizaje(65 %) y que les gustaría (61 %) que se utilizaran estosdispositivos en clases con mayor frecuencia para mejorarsus calificaciones en matemáticas.

DiscusiónCon el desarrollo de actividades que incorporaron el

uso de tangibles robóticas en el aula de clases, se defi-nieron actividades complementarias que satisficieron losrequerimientos de aprendizaje establecidos por los estu-diantes y profesores de matemáticas en una escuela se-cundaria. En el proceso de enseñanza tradicional, no seconsidera el uso innovador de TIC’s que de acuerdo alos resultados de este estudio no solamente pueden es-timular un mejor nivel de aprendizaje en matemáticassino que tambien pudiera contribuir a que el aprendizajesea a largo plazo. Estas actividades podrían re-diseñarsepara los diferentes estilos de aprendizaje dado que losestudiantes tuvieron la oportunidad de desarrollar va-

rias actividades de manera colaborativa. Estas activida-des consistieron en leer la actividad, revisar los conceptosdel tema en cuestión con la ayuda de la tecnología, tenerla posibilidad de explicar la solución a un planteamien-to con ayuda del robot y escuchar o retroalimentar lasolución de alguno de sus compañeros así como obtenernueva información asociada a los movimientos del roboty sus compañeros. El estudio sobre la influencia de lastangibles robóticas en el aprendizaje de los estudiantesconsiderando los estilos de aprendizaje es un trabajo fu-turo que se deriva de esta investigación.Los resultados reportados en este artículo correspondena una prueba piloto y permitieron observar los resultadospositivos para el aprendizaje con el uso de tangibles robó-ticas. Estos resultados promueven la realización de estu-dios de investigación subsiguientes que permitan realizaruna primera evaluación formal de las tangible robóticasy su impacto en el aprendizaje de conceptos matemáticosa nivel secundaria en México. ✵

Agradecimientos. En esta investigación se agradece aDra. Erin Walker de Arizona State University, a las estu-diantes Erika Rivera y Delia Carmona de la licenciaturade Informática por su apoyo en la realización de este pro-yecto. También se reconoce el apoyo del CONACYT y dela Escuela Secundaria General No. 1 Ignacio de la Llavede Coatepec, Veracruz.

REFERENCIAS1. Batanero C. (2001) “Didáctica de la Estadística”. Universidad

de Granada. Granada, España.

2. Silk E., Higashi R., Shoop R. y Schunn C.D. (2010) “Desig-ning Technology Activities that Teach Mathematics”. Techno-logy Teacher, Vol. 69, No. 4, pp. 21-27.

3. Papert S. (1993) “The Children’s machine: rethinking school inthe age of the computer”. New York: Basic Books.

4. Piaget J. (1975) “The development of thought : Equilibrationof cognitive structure”. New York: Viking Press.

5. Vygotsky L.S. (1978) “Mind in society : The development ofhigher psychological processes”. Cambridge, MA: Harvard Uni-versity Press.

6. Cejka E., Rogers C. y Portsmore M. (2006) “Kindergarten robo-tics: Using robotics to motivate math, science, and engineeringliteracy in elementary school”. International Journal of Engi-neering Education, Vol. 22, No. 4, pp. 711-722.

7. Benitti F. (2012) “Exploring the educational potential of robo-tics in schools: A systematic review". Computers & Education,Vol. 58, No.3, pp. 978-988.

8. Millis B. (2002) “Enhancing learning—and more!—throughcooperative learning”. Recuperado el 17 de noviembre de2015: http://ideaedu.org/research-and-papers/idea-papers/idea-paper-no-38/

9. Issroff K. y Joiner R. (2003) “Tracing success: graphical methodsfor analysin successful collaborative problem solving”. Compu-ters & Education, Vol. 41, No. 4, pp. 369-378.

10. Cabrera-Murcia E. (2008) “La colaboración en el aula: más queuno más uno". Bogota: Cooperativa Editorial Magisterio.

11. Ausubel D. (2000) “The Acquisition and Retention of Knowled-ge: a cognitive view". Kluwer Academic Publishers.


http://ideaedu.org/research-and-papers/idea-papers/idea-paper-no-38/

http://ideaedu.org/research-and-papers/idea-papers/idea-paper-no-38/


12. Kolb D.A. (1984) “Experiential learning: experience as the sour-ce of learning and development”. Englewood Cliffs, NJ: PrenticeHall.

13. Díaz-Barriga A.F. y Hernández-Roja G. (1999) “Estrategias do-centes para un aprendizaje significativo”. Mexico City, McGraw-Hill.

14. Luckin R. (2008) “The learner centric ecology of resources: Aframework for using technology to scaffold learning”. Compu-ters & Education, Vol. 50, No. 2, pp. 449-462.

15. Cronbach L.J. (1951) “Coefficient alpha and the internal struc-ture of tests”. Psychometrika, Vol. 16, pp. 297-334.

SOBRE LOS AUTORES

Sergio Hernández-González es Profesor e Investigador de la Universidad Veracruzana con doctorado enEstadística Multivariante Aplicada (2005) de la Universidad de Salamanca, España. Ha sido presidente dela Asociación Mexicana de Estadística y miembro del Sistema Nacional de Investigadores Nivel Candidato.Sus principales áreas de interés son la enseñanza de la estadística bajo proyecto y la aplicación de métodosmultivariantes en diversas áreas.

Genaro Rebolledo-Méndez es Investigador de Tiempo Completo de la Universidad Veracruzana condoctorado en Ciencias de la Computación e Inteligencia Artificial de la Universidad de Sussex, Inglaterra.Miembro del Sistema Nacional de Investigadores Nivel 1. Sus áreas de interés son la inteligencia artificial enla educación con especial interés en la computación afectiva y su aplicación en la educación.

N. Sofía Huerta-Pacheco es Maestra en Estadística Aplicada (2015) y estudiante de Doctorado enCiencias de la Computación en la Universidad Veracruzana con áreas de interés en cómputo afectivo enentornos educativos, análisis de información fisiológica en procesos cognitivos y enseñanza de la estadísticacon software libre.

Luis G. Montané-Jiménez es Doctor en Ciencias de la Computación por la Universidad Veracruzan conMaestría en Computación Aplicada por el Laboratorio Nacional de Informática Avanzada (LANIA), actual-mente es profesor por asignatura a nivel licenciatura y maestría en la Universidad Veracruzana. Sus áreas deinterés son: Trabajo Colaborativo Asistido por Computadora (CSCW), Interacción Humano-Computadora,Cómputo Consciente del Contexto y Desarrollo de Videojuegos.

Robots humanoides ¡manos a la obra!

Foto cortesía de Joint Robotics Laboratory (CNRS/AIST)/AIRBUS SAS 2015



IA & EducaciónJulieta Noguez Monroy, Lucía Barrón y Yasmín Herná[email protected]

Los robots y el aprendizajeEl aprendizaje es un proceso que permite cambiar o

modificar de manera permanente el sistema cognitivo deun organismo. Es decir, permite adquirir o modificar ha-bilidades, destrezas, conocimientos, conductas o valorescomo resultado del estudio, la experiencia, la instrucción,el razonamiento y la observación [1]. El aprendizaje esuna de las funciones mentales más importantes en hu-manos, animales y, hoy en día, también de los sistemasartificiales.

A través de su historia, los seres humanos han cons-truido máquinas para resolver diferentes problemas peroademás han tratado de dotarlas de inteligencia para rea-lizar tareas específicas. Los primeros robots tenían partesmecánicas que se accionaban para realizar movimientos,pero el desarrollo de la computación y otras tecnologíasha permitido que éstos evolucionen hasta convertirse enmáquinas automáticas o virtuales programables, capacesde realizar determinadas operaciones de manera autóno-ma [2]. Los robots, con aspecto humanoide o no, puedensustituir a los seres humanos en algunas tareas, en espe-cial aquellas en las que se requiere mucha fuerza o pre-cisión y las que son repetitivas o peligrosas, entre otras.Actualmente, el concepto de robótica ha evolucionadohacia los sistemas móviles autónomos, que son aquellosque son capaces de desenvolverse por sí mismos en entor-nos desconocidos y parcialmente cambiantes sin necesi-dad de supervisión. Algunos ejemplos de robots móvilesse pueden ver en la Figura 1.

Figura 1. Ejemplos de robots móviles: a) Opportunity en

Marte [3], b) Kit casero de robot móvil “Makeblok” [4], c)

AwareKitchen: robot de ayuda en la cocina simulado y real

[5], y d) ROOMBA la limpiadora de pisos [6].

Por otra parte, se han desarrollado robots de aspec-to humano con la capacidad para percibir e interpretarla voz humana, reconocer expresiones faciales, y realizartareas cotidianas como caminar, hablar, agarrar cosas,bailar, etc., las cuales parecen simples pero requieren so-fisticados mecanismos de hardware y complejos sistemas

de software para controlar sus operaciones. El avance enla tecnología para registrar y procesar esta informaciónha revolucionado el futuro de los robots y ha permitidoañadirles capacidades sociales. Los robots y las técnicasde aprendizaje de máquina han evolucionado juntos yambos se han retroalimentado. La Figura 2 presenta al-gunos ejemplos de robots de aspecto humanoide.

Figura 2. Ejemplos de robots con aspecto humanoide. HRP-

4C.- Robot humanoide con características de una mujer [7],

NAO.- Robot humanoide de interacción natural [8], ASIMO.-

Robot autónomo [9].

Para ser capaces de realizar acciones, los robots nece-sitan adquirir conocimiento a través del aprendizaje. Elaprendizaje de máquina o aprendizaje automático nacióde la búsqueda por crear sistemas computacionales do-tados de inteligencia artificial. En ciencias de la compu-tación, el aprendizaje automático o aprendizaje de má-quinas (del inglés, "Machine Learning") es una rama dela inteligencia artificial cuyo objetivo es desarrollar téc-nicas que permitan a las computadoras aprender [10]. Deforma más concreta, se trata de crear programas capacesde generalizar comportamientos a partir de una informa-ción no estructurada suministrada en forma de ejemplos.

El aprendizaje de máquina se clasifica de acuerdo ala forma como se realiza [10]. Los métodos más comunescon:

Aprendizaje supervisado.- Es aquel donde se produceuna función que establece una correspondencia entre lasentradas y las salidas deseadas del sistema. Este tipo deaprendizaje puede llegar a ser muy útil en problemas deinvestigación biológica, biología computacional y bioin-formática.

Aprendizaje no supervisado.- El proceso de modeladose lleva a cabo sobre un conjunto de ejemplos formadotan sólo por entradas al sistema. No se tiene informaciónsobre las categorías de esos ejemplos. En este caso, el



sistema tiene que ser capaz de reconocer patrones parapoder etiquetar las nuevas entradas.

Aprendizaje semi-supervisado.- Este método combinalos dos anteriores para poder clasificar de manera ade-cuada los datos de entrada. Se tiene en cuenta los datosmarcados y los no marcados.

Aprendizaje activo (por refuerzo).- En este método elsistema aprende observando el mundo que le rodea. Suinformación de entrada es la retroalimentación que ob-tiene del mundo exterior como respuesta a sus acciones.Por lo tanto, el sistema aprende a base de ensayo-error.

También se pueden clasificar los algoritmos de apren-dizaje de acuerdo a las herramientas empleadas [11]. Porejemplo: árboles de decisión, reglas de asociación, algo-ritmos genéticos, redes neuronales artificiales, máquinasde soporte vectorial, algoritmos de agrupamiento (clus-tering en inglés) y redes bayesianas entre otros.

A pesar de que los sistemas inteligentes y los robotshan evolucionado para adquirir conocimiento esto no im-plica que los humanos serán desplazados ya que es nece-sario saber cómo y cuándo utilizar nuestros conocimien-tos para usarlo en la resolución de problemas complejos.

Además de aplicarse en la robótica, el aprendizaje au-tomático tiene una amplia gama de áreas de aplicación,tales como medicina, genómica, videojuegos, seguridadbancaria y reconocimiento del lenguaje natural (escritoy hablado) por mencionar algunas y se espera que sigaevolucionando. ✵

REFERENCIAS

1. Schunk D.H. (2012) “Learning Theories. An Educational Pers-pective”. Sexta Edición. ISBN-13: 978-0-13-707195-1. Pp2.

2. Robotics Portal (2016) Consultado el 2 de febrero de 2016.http://www.roboticsportal.it/en/robot_definition-

3. Ciencias NASA (2016) Opportunity en Marte. Consultada el 31de enero de 2016. http://ciencia.nasa.gov/science-at-nasa/2009/26mar_marsroverupdate/.

4. Robots caseros (2016) Consultada el 27 de enero de 2016.http://www.robotica.es/category/robots-caseros/.

5. Bogdan R.R., Gerkeyc B. y Beetza M. (2008) “Robots in thekitchen: Exploiting ubiquitous sensing and actuation”. Roboticsand Autonomous Systems, Vol. 56, No. 10, pp. 844–856.

6. ROOMBA la limpiadora de pisos (2016) Consultada el 9 de fe-brero de 2016. http://www.irobot.mx/-

7. HRP-4C Robot humanoide con características de una mu-jer (2016) Instituto Nacional de Tecnología y Ciencia In-dustrial Avanzada de Japón. Consultado el 9 de febrerode 2016. http://www.aist.go.jp/aist_j/press_release/pr2009/pr20090316/pr20090316.html.

8. NAO Robot humanoide de interacción natural (2016) Aldeba-ran company. Consultado el 9 de febrero de 2016. https://www.aldebaran.com/en/cool-robots/nao/find-out-more-about-nao.

9. ASIMO.- Robot autónomo (2016) Honda. Consultado el 6 defebrero de 2016. http://asimo.honda.com/.

10. Alpaydın E. (2010) “Introduction to Machine Learning”. TheMIT Press Cambridge.

11. Hastie T., Tibshirani R. y Friedman J. (2008) “The elementsof Statistical Learning. Data mining, inference and prediction”.Springer.

¡Publique en Komputer Sapiens!


http://www.roboticsportal.it/en/robot_definition

http://ciencia.nasa.gov/science-at-nasa/2009/26mar_marsroverupdate/

http://ciencia.nasa.gov/science-at-nasa/2009/26mar_marsroverupdate/

http://www.robotica.es/category/robots-caseros/

http://www.irobot.mx/

http://www.aist.go.jp/aist_j/press_release/pr2009/pr20090316/pr20090316.html

http://www.aist.go.jp/aist_j/press_release/pr2009/pr20090316/pr20090316.html

https://www.aldebaran.com/en/cool-robots/nao/find-out-more-about-nao

https://www.aldebaran.com/en/cool-robots/nao/find-out-more-about-nao

http://asimo.honda.com/


Deskubriendo KonocimientoAlejandro Guerra Hernández y Leonardo [email protected]

Inteligencia Artificial como una herramienta cognitiva*

José Negrete-MartínezInstituto de Investigaciones Biomédicas, UNAM, México

Centro de Investigación en Inteligencia Artificial, Universidad Veracruzana, México

La Inteligencia Artificial puedeverse como un andamiaje cognitivo[1] de nuestra propia inteligencia ytambién como un andamiaje parala cognición de máquinas tales co-mo los Robots enactivos [2].

El jugadorEn noviembre siete del 2012 ce-

lebramos con la publicación del li-bro “Inteligencia en Computadorasy en Robots” [3] cien años de la pre-sentación en público del Jugador deAjedrez de don Leonardo Torres deQuevedo [4], una máquina analógi-ca que puede jugar contra un hom-bre que solo cuenta con la pieza delRey. El Jugador cuenta con su pro-pio Rey y Torre, y siempre termina‘derrotando’ a su oponente.

Imagen de dominio público toma-

da de Wikipedia Commons:

https://commons.wikimedia.org/

wiki/File:Ajedrez_Torres_Quevedo.

jpg. *

Cognitivamente hablando, ElJugador ofrece a su programador la

oportunidad de ver que una conduc-ta calificada por cualquier observa-dor de Inteligente se reduce a:

1) Mover las piezas (Torre oRey) observando las reglas demovimiento de las mismas (ci-nética de las piezas) en elmicro-mundo fijo del tableroy en presencia de un Rey opo-nente.

2) Reaccionando a todo cambiode posición del Rey oponen-te (Robot reactivo analógicocon cognición situada: ¿enac-tivo de Varela [5]?).

3) Percibiendo el nuevo estadodel micro-mundo y movien-do su Torre (modificando conello el micro-mundo realizan-do una acción: acción T).

4) Repitiendo 3) hasta observarrestricción del rey oponente amovimientos en una columnao fila extremas (conducta T).

5) De darse el caso 4), mover elRey (acción R) hacia el en-frentamiento con Rey del opo-nente (conducta R).

6) De detectar el enfrentamientoproceder a una acción jaquecon la Torre (acción TJ) enla columna o fila de la restric-ción.

Reflexiones

El Jugador solamente reaccio-na a la nueva posición de suoponente.

El jugador solo observa su mi-cro mundo (tablero invarian-te, posición variable de suspiezas y de la pieza oponen-te). Esto es estado P de esque-ma epistémico de José LuisDíaz [6], [7].

El Jugador actúa modifican-do el micro-mundo (y el de sumaquinaria). Transición S-Ode Díaz.

El Jugador es una máquinaanalógica clásica describiblecomo un sistema de controlhomeostático con tres salidas(T, R y TJ) que modifican elmicro-mundo o entrada de ElJugador, cuando ésta es per-turbada por cada nueva posi-ción del Rey oponente. Se tra-ta de una IA ‘Dura’, diferentede la IA ‘Blanda’ y aún de IA‘híbrida’ de Mayorga [8]: IADura que se auxilia de la IABlanda.

La inteligencia del Jugador“está en los ojos de quien con-templa su conducta global”(postulado de Brooks [9]).

** Este artículo se reproduce con permiso expreso del autor. Se publicó originalmente en la revista Iberoamerican Journal of ArtificialIntelligence: http://polar.lsi.uned.es/revista/index.php/ia/.


https://commons.wikimedia.org/wiki/File:Ajedrez_Torres_Quevedo.jpg



http://polar.lsi.uned.es/revista/index.php/ia/


La conducta global, ‘en el ojodel programador’ es diferen-ciable en tres sub-conductas(conducta T, conducta R yconducta TJ). Transición P-Sde Díaz.

El final de juego es el haber al-canzado la estabilidad por Ja-que Mate del oponente. La in-tencionalidad del Jugador es-ta ‘en los ojos del observador’(postulación del autor).

Todo los incisos menciona-dos pueden generalizarse enuna arquitectura Robótica Si-tuada llamada de subsunciónmisma que ha sido encontradatambién en el Sistema Nervio-so Central [10].

Una IA Dura como la de ElJugador puede elevarse a lacategoría de ciencia experi-

mental incompleta (al estilode Simon [11]).

Aquí proponemos que la IAdura es ya una Ciencia com-pleta, en la Robótica Situa-da, cuando está enmarcada enel paradigma de la Cogniciónenactiva de Varela et al. [5].

Una tecnología de esta cien-cia es EL Jugador de Torresde Quevedo.

Referencias1. A. Clark. Supersizing the Mind. Em-

bodiment, Action, and Cognitive Ex-tension. Oxford UP, 2008

2. G. Sandini, G. Metta and D. Ver-non. RobotCub: An Open Frameworkfor Research in Embodied Cognition.Proceedings of IEEE-RAS/RSJ In-ternational Conference on HumanoidRobots, 13-32, 2004.

3. J. Negrete-Martínez. Inteligencia enComputadoras y en Robots. SerieBiblioteca, Universidad Veracruzana,México, 2013.

4. https://www.youtube.com/watch?v=YoZ389Rs5s8.

5. F.J. Varela, E. Thompson, and E.Rosch. The Embodied Mind: Cogni-tive Science and Human Experience.MIT Press, 1991.

6. J.L. Díaz. El modelo en la ciencia yla cultura. Siglo XXI, 2006.

7. J.L. Díaz. La conciencia viviente,FCE 2007.

8. R.V. Mayorga and P. Sanongboon.An Artificial Network Approach forInverse Kinematics Computation andSingularities Prevention of Redun-dant Manipulators. Journal of Inte-lligent and Robotic Systems, 44-1, 1– 23, 2005.

9. R.A. Brooks. Elephants don’t playchess. In Maes, P., editor, DesigningAutonomous Agents, pages 3-15. TheMIT Press: Cambridge, MA, 1990.

10. T.J. Prescott, P. Redgrave, and K.Gurney. Layered control architectu-res in robots and vertebrates. Adap-tive Behavior, 7, 99-127, 1999.

11. H.A. Simon. The Sciences of the Ar-tificial. MIT Press, 1996.

“Inteligencia en Computadoras y en Robots”

Imagen tomada de la portada del libro Inteligencia en Computadoras y en Robots [3].


https://www.youtube.com/watch?v=YoZ389Rs5s8

https://www.youtube.com/watch?v=YoZ389Rs5s8

EVENTOS ACADEMICOS

IWOBIP 2016International Workshop on Bi-level Programming 2016Del 7 al 11 de marzo, 2016, San Nicolas de los Garza, Nuevo Leon, Mexicohttp://bi-level.fcfm.uanl.mx/

El IWOBIP’16 se realizara en la Ciudad Universitaria de la Universidad Autonoma de Nuevo Leon (UANL)ubicada en la ciudad de San Nicolas de los Garza en el estado de Nuevo Leon. El Taller estara conformado porconferencias plenarias y mini-cursos, ambos impartidos por investigadores reconocidos a nivel mundial. Ası mismo,se ofreceran conferencias de trabajos de investigacion presentadas por asistentes del evento. Dentro de los temasde interes del Taller se encuentran teorıa, metodos exactos, algoritmos heurısticos y aplicaciones interesantes deproblemas modelados con programacion binivel.

TMR 2016Torneo Mexicano de Robotica 2016Del 15 al 17 de marzo, 2016, Cd. Victoria, Tamaulipas, Mexicohttp://www.femexrobotica.org/tmr2016/

La Federacion Mexicana de Robotica, A.C., y la Universidad Politecnica de Victoria se complacen en invitarlosa participar en el Torneo Mexicano de Robotica 2016 a celebrarse en el Polyforum “Dr. Rodolfo Torre Cantu”en Cd. Victoria, Tamaulipas. El Torneo Mexicano de Robotica (TMR) es la competencia anual de robotica masimportante en Mexico. El objetivo principal de este evento es impulsar el desarrollo de la robotica a traves dela formacion de estudiantes mexicanos altamente capacitados y cualificados internacionalmente, en un ambientede colaboracion y sana competencia. Son bienvenidos a participar en el TMR estudiantes de todos los niveles deprimaria a posgrado en 11 categorıas de competencia organizadas por tematicas y niveles de dificultad.

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

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

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

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

Indizada en el IRMDCT de CONACYT y en Latindex

¡Publique en Komputer Sapiens!

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

www.smia.org.mx

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

www.smia.org.mx

http://www.komputersapiens.org

www.facebook.com/Komputer.Sapiens

twitter.com/KomputerSapiens

c Komputer Sapiens, An˜o VII Volumen III, …...c Komputer Sapiens, An˜o VII Volumen III,...

Documents

Transcript of c Komputer Sapiens, An˜o VII Volumen III, …...c Komputer Sapiens, An˜o VII Volumen III,...