Móvil  Inalámbr ico Par a Lugares de Acceso Difícil 

R Galicia Mejía. A Aparicio Castillo, R. Ortega González 

Resumen ­  Adaptar  un  móvil,  que  apoyado  de  una  cámara  y  sensores  de  ultrasonido  permita  su  control  de  forma 
inalámbrica hacia puntos de difícil acceso, observando sus movimientos en una PC este trabajo fue desarrollado en la 
Escuela Superior de Cómputo teniendo como meta impulsar los proyectos de investigación que se llevan a cabo en el 
Instituto Politécnico Nacional, y de esta forma establecer un prototipo para obtener un producto final a corto tiempo, 
de  esta  manera  se  ve  cristalizada  la  fuerte  necesidad  de  resolver  problemas  que  la  sociedad  demanda,  empleando 
tecnologías modernas y desarrollando software con tecnología nacional y de esta forma evitar la dependencia en este 
rublo de otros países. 

El  objetivo  de  este  trabajo  es  la  implementación  y  adaptación  de  un  robot  móvil  para  entornos  desconocidos 
empleando una red neuronal para toma de decisiones. 

I.  INTRODUCCIÓN 
El uso de robots día a día se hace más popular y en muy distintos ámbitos, teniendo tal impacto que actualmente sus 
aplicaciones  se  encuentran  desde  el  campo  del  entretenimiento  hasta  grandes  proyectos  de  investigación  a  nivel 
mundial. 

Existen estimaciones de que para 1995 se encontraban funcionando unos 700,000 robots en el mundo industrializado. 
Más de 500,000 se empleaban en Japón, unos 120,000 en Europa Occidental y unos 60,000 en Estados  Unidos. El 
empleo  de  los  robots se  ha hecho tan popular dado  que son unos  excelentes  auxiliares  en tareas  con alto  grado de 
riesgo  o trabajos  que suelen ser  desagradables  para el  ser humano. Los robots pueden realizar tareas  monótonas  y 
repetitivas durante las 24 horas sin bajar su rendimiento. 

La  navegación  autónoma  de  robots  en  entornos  desconocidos  constituye  uno  de  los  retos  tecnológicos  más 
importantes en el campo de la robótica móvil. Actualmente, un gran número de investigadores centran sus estudios 
en el desarrollo de técnicas de control y navegación de robots. De forma resumida, el problema que se plantea puede 
enunciarse  de  la siguiente  manera: un robot  móvil se  encuentra situado  en un  determinado ambiente, que contiene 
una serie de obstáculos y una meta, por medio de una cámara de video manda señales a una pc, en donde se puede 
manipular el robot, pero cuando la señal es débil o nula, entra en modo autónomo usando una red neuronal. 

Existen varios enfoques para intentar resolver este problema, por un lado, se está trabajando en mejorar los métodos 
clásicos de planificación de trayectorias, como los grafos de visibilidad, los diagramas de Voroni, etc.; y por otro, las 
investigaciones  se  encaminan  hacia  sistemas  de  control  inteligentes,  basados  en  técnicas  de  Inteligencia  Artificial 
como son la Lógica difusa y las Redes Neuronales [1]. 
Estos sistemas han permitido abocar muchos de los problemas de control gracias a su capacidad de emular algunas 
características propias de los humanos. 

En  este  trabajo  se  pretende  aprovechar  la  capacidad  de  generalización  de  las  redes  neuronales  para  resolver  los 
problemas que se plantean en la navegación de un robot móvil en un ambiente desconocido. 

II.  ANÁLISIS Y DISEÑO 

MODELADO DEL SISTEMA 
Se tienen  dos  estados  en  el  móvil,  los  cuales  representamos  con  dos  diagramas  a bloques  diferentes. En  el  primer 
diagrama  observamos  que  es  controlado  por  medio  de  la  PC,  esto  quiere  decir  que  nosotros  le  daremos  las 
instrucciones,  los  pasos  que  debe  seguir,  por  ejemplo  si  queremos  que  camine  hacia  al  frente,  que  de  vuelta  a  la 
derecha, a la izquierda, o que retroceda (ver Figura 1).
La etapa del transmisor se encuentra aislada, por lo tanto, es manejada como un bloque independiente del móvil, pero 
dependiente  de  la  computadora.  Le  sigue    un  bloque  más  llamado  receptor  y  el  que  manejaremos  como  el  más 
complejo de realizar, que será el bloque de la red neuronal, la cual se explicará más adelante. 

MÓVIL CONTROLADO POR MEDIO DE LA PC 

Figura  1  Diagrama a bloques 

En el segundo diagrama a bloques se maneja la etapa con sensores ultrasónicos y aquí entrará  en funcionamiento el 
bloque  de la red  neuronal  programada  en un pic,  en  donde se  lleva a cabo una retroalimentación con  los  sensores 
ultrasónicos, y  el sistema se vuelve autónomo, esto quiere decir que cuando nosotros no lo controlemos,  o que por 
alguna razón se pierda la comunicación con el móvil o quizá únicamente se quiera que decida por si solo utilizando la 
red  neuronal  entrara  en  funcionamiento  la  red  neuronal  con  los  sensores  de  ultrasonido,  que  su  función  es  estar 
detectando todo obstáculo que se le presente y activar la etapa de potencia con los motores que mueven el móvil, (ver 
Figura 2). 

Figura 2. Móvil en modo Autónomo 

En  esta  parte  de  nuestro  trabajo  vamos  a  explicar  cómo  es  que  nuestro  móvil  navega  de  forma  autónoma  en  un 
entorno desconocido. 
Un sistema autónomo es capaz de tomar decisiones como un ser humano, pero de una forma más limitada ya que su 
base de conocimiento puede ser desarrollado en base a algoritmos de inteligencia artificial (REDES NEURONALES, 
LÓGICA DIFUSA etc). 
Podemos entender que la navegación en un móvil es: la metodología que permite guiar el curso de un robot móvil a 
través de un entorno con obstáculos. Existen diversos esquemas, pero todos ellos poseen en común el afán por llevar 
el vehículo a su destino de forma segura. 
La navegación de un robot móvil involucra las siguientes tareas: 
§  Percepción del entorno a través de sus sensores, de modo que le permita crear una abstracción del mundo.
·  Planificación de una trayectoria libre de obstáculos, para alcanzar el punto destino seleccionado.
·  Generación del camino.­ Define una función continua que interpola la secuencia de objetos construida por el 
planificador. Posteriormente procede al a discretización de la misma a fin de generar el camino.
·  Seguimiento  del  camino.­  Efectúa  el  desplazamiento  del  vehículo,  según  el  camino  generado  mediante  el 
adecuado control de los transductores del vehículo. 

SENSORES DE ULTRASONIDO 
Tanto  en  la  actualidad  como  en  el  pasado,  numerosos  robots  móviles  han  utilizado  sensores  de  ultrasonidos  para 
realizar tareas de navegación por el entorno como, por ejemplo, evitar obstáculos, seguir paredes, atravesar puertas, 
etc.  Las  razones  de  su  utilización  son  numerosas  y  entre  ellas  cabe  destacar  su  bajo  costo,  velocidad  de 
procesamiento y una más que aceptable precisión [2] (ver Figura 3).
 Figura 3 Sensores ultrasónicos 

Elección de la red neuronal. 
Para seleccionar la red neuronal, primero hay que analizar cuales van a ser las entradas de la red. En la Figura 4 se 
muestra como se van a distribuir los sensores en nuestro móvil. 

Sensor 3 

Sensor 2

Sensor 1 

Figura 4  Sensores ultrasónicos en el móvil. 

Los sensores que va a contener el móvil, son las entradas de nuestra red neuronal. 
En  nuestro caso hemos optado por utilizar una red neuronal del tipo per ceptr ón. 

Funcionamiento 
En la Figura 5 se representa una neurona "artificial", que intenta modelar el comportamiento de la neurona biológica. 
Aquí  el  cuerpo  de  la  neurona  se  representa  como  un  sumador  lineal  de  los  estímulos  externos  zj,  seguida  de  una 
función no lineal yj = f(zj). La función f(zj) es llamada la función de activación, y es la función que utiliza la suma de 
estímulos para determinar la actividad de salida  de la neurona [3] ver (Figura 5). 
 Figura 5. Perceptrón 

Este modelo se conoce como perceptrón de McCulloch­Pitts, y es la base de la mayor parte de la arquitectura de las 
RNA  que  se  interconectan  entre  sí.  Las  neuronas  emplean  funciones  de  activación  diferentes  según  la  aplicación, 
algunas  veces  son  funciones  lineales,  otras  funciones  sigmoidales  (p.ej.  la  tanh),  y  otras  funciones  de  umbral  de 
disparo. La eficiencia sináptica se representa por factores de peso de interconección wij, desde la neurona i, hasta la 
neurona j. 
Los pesos pueden ser positivos (excitación) o negativos (inhibición). Los pesos junto con las funciones f(z) dictan la 
operación  de  la  red  neuronal.  Normalmente  las  funciones  no  se  modifican  de  tal  forma  que  el  estado  de  la  red 
neuronal depende del valor de los factores de peso (sinápsis) que se aplica a los estímulos de la neurona. 
En un perceptrón, cada entrada es multiplicada por el peso W correspondiente, y los resultados son sumados, siendo 
evaluados contra el valor de umbral, si el resultado es mayor al mismo, el perceptrón se activa 

La  única  neurona  de  salida  del  Perceptrón  realiza  la  suma  ponderada  de  las  entradas,  resta  el  umbral  y  pasa  el 
resultado a una función de transferencia de tipo escalón. La regla de decisión es responder +1 si el patrón presentado 
pertenece a la clase A, o –1 si el patrón pertenece a la clase B, la salida depende de la entrada neta (n = suma de las 
entradas pi  ponderadas). 

La red tipo Perceptrón  emplea principalmente  dos  funciones  de transferencia, Hardlim  con salidas  1, 0 o Hardlims 

con  salidas  1,  ­1;  su  uso  depende  del  valor  de  salida  que  se  espera  para  la  red,  es  decir  si  la  salida  de  la  red  es 
unipolar  o  bipolar;  sin  embargo  la  función  Hardlims  es  preferida  sobre  la  Hardlim,  ya  que  el  tener  un  cero 
multiplicando  algunas  de  los  valores  resultantes  del  producto  de  las  entradas  por  el  vector  de  pesos,  ocasiona  que 
estos no se actualicen y que el aprendizaje sea más lento. 

Una  técnica  utilizada  para  analizar  el  comportamiento  de  redes  como  el  Perceptrón  es  presentar  en  un  mapa  las 
regiones de decisión creadas en el espacio multidimensional de entradas de la red. En estas regiones se visualiza qué 
patrones pertenecen a una clase y cuáles a otra. El Perceptrón separa las regiones por un hiperplano cuya ecuación 
queda determinada por los pesos de las conexiones  y el valor umbral de la función de activación de la neurona. En 
este caso los valores de los pesos pueden fijarse o adaptarse empleando diferentes algoritmos de entrenamiento. 
Ahora que sabemos que tipo de red vamos a ocupar, analicemos como es que nuestro móvil va a ser capaz de evitar 
obstáculos. Dependiendo de la distancia deseada para detectar o no un obstáculo podemos determinar como será el 
comportamiento. Como tenemos 3 sensores, entonces  tenemos 2^3 posibles patrones  de entrada, es  decir, todos los 
posibles  casos  a  los  que  se  puede  enfrentar  el  móvil.  Por  lo  tanto  la  base  de  conocimientos  que  le  podemos 
suministrar se muestra en la siguiente tabla.
 Sensor 1  Sensor 2  Sensor 3 
0  0  0 
1  0  0 
0  1  0 
1  1  0 
0  0  1 
1  0  1 
0  1  1 
1  1  1 
Tabla 1 Entradas de la red neuronal. 

Un 0 significa ausencia de obstáculo. 
Un 1 significa presencia de obstáculo. 

Se  empleó  un  pic  16c54  de  la  empresa  microchip  en  el  cual  se  programó  la  red  neuronal  Perceptrón.  Los 
encapsulados son de 18, 20 ó 28 pines. El número de instrucciones es de 33 con un ancho de 12 bits   [4] [7]. 
La memoria de programa es de 512 palabras, 1K ó 2K, y la de datos está comprendida entre 25 y 73 bytes. 

ADQUISICIÓN DE VIDEO. 

Transmisión del móvil hacia la PC 

Para la transmisión del video, el móvil cuenta con una cámara la cual transmite imágenes a  color a una Frecuencia 
de difusión. Canal 16 de UHF (483.25 Mhz) NTSC [5]. 
En la Figura 6 se puede observar al móvil con la cámara ya instalada. 

CÁM

Figura 6 Muestra al móvil con la cámara instalada. 

Filtro  pasa bajas. 
Su objetivo es suavizar la imagen, cuando se supone que la imagen tiene gran cantidad de ruido y se quiere eliminar. 
También  pueden  utilizarse  para  resaltar  la  información  correspondiente  a  una  determinada  escala  (tamaño  de  la 
matriz de filtrado); por ejemplo en el caso de que se quiera eliminar la variabilidad asociada a los tipos  de cubierta 
presentes en la imagen uniformizando de esta manera su respuesta. Existen tres tipos: 
 ·  Filtr o de la media, asigna al píxel central la media de todos los píxeles incluidos en la ventana. La matriz de 
filtrado estaría compuesta por unos y el divisor sería el número total de elementos en la matriz.
·  Filtr o de media ponder ada, los elementos de la matriz de filtrado no son todos 1 sino que se da más peso a 
uno de ellos (generalmente el central) para obtener un resultado más parecido a la imagen original y evitar 
que aparezca borrosa.
·  Filtr o de la mediana tiene la ventaja de que el valor final del píxel es un valor real presente en la imagen y 
no un promedio, de este modo se reduce el efecto borroso que tienen las imágenes que han sufrido un filtro 
de  media.  Además  el  filtro  de  la  mediana  es  menos sensible a  valores    extremos. El  inconveniente  es  que 
resulta más complejo de calcular ya que hay que ordenar los diferentes  valores  que aparecen en los píxeles 
incluidos en la ventana y determinar cual es el valor central ver ( Figura 7); este tipo de filtro se implementó 
para mejorar la imagen en caso de ruido de altas frecuencias. 

Figura 7 máscaras de los filtros. 

Captur a de video y el filtr ado de la señal de video 

El programa de  control  del  móvil  que  se  elaboro fue programado  en java script  [6], en  la Figura 8 se  muestra un 
diagrama a bloques de las clases usadas en el programa y el  filtro de mediana. 

puerto 
Trama 
video 
abrirPuerto() 
cerrarPuerto()  detectarDispositivo() 
enviarDatos()  grabarVideo() 
recibirDatos()  startPreview() 
+1  isBussy()  detenerPreview() 
generarTrama()  inicializar() 
grabarImagen() 
modificarPropiedadesVideo() 
+1  buscarCanal() 
establecerCanal() 

+1..* 
USUARIO  +1  +1 
(from  Use Case View) 

enviarOrden() 

+1 

Imagen 
Imagen 

FiltrarImagen() 
mostrarVideoFiltrada() 
escaladeGrises() 

Figura 8. Diagrama a bloques de las clases usadas en el programa que controla el móvil
La ventana de aplicación para ver las imágenes del móvil hacía la pc se observa en la Figura 9. 

Señal 
Original

Señal 
filtrada 

Figura  9. Ventana de visualización del móvil. 

SISTEMA DE COMUNICACIÓN 
El  sistema  de  comunicación  que  se  muestra  en  el  diagrama  a  bloques  en  la  Figura  10  utiliza  un  enlace  de 
radiofrecuencia. 

Figura 10  sistemas de comunicación inalámbrica. 

FUENTE :  Dispositivo que  generan los datos  a transmitir  (PC). 
TRANSMISOR Tx: Este transforma  y codifica la información, nuestro  dispositivo  a utilizar será el   TXM­315­LC 
de LINX  Technologies. 
CANAL DE  TRANSMISIÓN: El espacio. 
RECEPTOR Rx: Acepta  la información proveniente del  sistema de información  y la transforma de tal manera que 
pueda ser manejado por  el dispositivo destino nos referimos RXM­315­LC­S   de LINX Technologies. 
DESTINO : Toma los datos del receptor, los decodifica y los procesa. 

Car acter ísticas de  TXM­315­LC  y  RXM­315­LC­S 

­  T RANSMISOR TXM­315­LC 

Es  ideal  para  aplicaciones  donde  se  utilice  control  remoto,  seguridad,  identificación  y  transferencia  de  datos 
periódica, no utiliza componentes RF a excepción de una antena que es necesaria para su uso. 

Car acter ísticas 

­  Bajo costo. 
­  Muy bajo consumo de energía. 
­  Basado en arquitectura SAW (surface acoustic wave). 
­  Transfiere información a 5Kbps. 
­  El rango de voltaje es de 2.7­5.2VDC. 
­  Presenta armónicos pequeños. 
­  ­Receptor RXM­315­LC­S 

Car acter ísticas: 

­  Es eficiente, de bajo costo. 
­  Consume poca energía. 
­  Basado en arquitectura SAW. 
­  Notable sensibilidad. 
­  Soporta transferencias de 5Kbps. 
­  Cuenta con interfaz serial. 
­  Recibe información a una distancia máxima de 90 metros. 

Modo de oper ación. 
El tipo de modulación presenta un ‘0’ lógico cuando no se presenta un mensaje, y presenta un  ‘1’ lógico cuando hay 
mensaje. 
Este método de modulación aporta numerosos  beneficios, dos de los más Importantes son: 
1)  Eficacia contemplando el costo debido al diseño. 
2)  La salida se produce con mucha potencia. 

La  SAW  provee  de  una  precisión  muy  alta  de  la  frecuencia  original  con  excelente  inmunidad  al  ruido,  permite 
incrementar la sensibilidad y reduce la interferencia por bandas cercanas. 
La calidad de los componentes y arquitectura utilizada en la serie LC es inusual en un producto de bajo costo y esto 
hace que sean capaces de igualar la salida de algunos componentes más caros. 

ETAPA DE POTENCIA 
En  esta  etapa  se  controlan  los  motores  de  cd  del  sistema  mecánico  encargados  de  mover  al  móvil,  se  empleó  el 
encapsulado  de L293D para controlar los motores. Como podemos ver en la Figura 11 el L293D  se comporta como 
un puente H de transistores, para controlar motores, sin embargo se tiene  la ventaja de que todo se encuentra en un 
integrado, muy adecuado para poder mover los motores del móvil y darle movilidad [8]. 

Figura 11. Puente H L293D.
 III.  RESULTADOS Y CONCLUSIONES 

Se implementó el móvil con una cámara de video, la cual en algunos casos, por la lejanía del móvil presentaba ruido 
en la pantalla de la PC, por lo cual se implementó un filtro de mediana para eliminar el ruido de sal y pimienta, se 
programó una red neuronal tipo perceptrón en un PIC de microchip con el fin de entrar en modo autónomo cuando la 
señal sea débil y se desarrolló un software que permite controlar el móvil por la PC y observar sus movimientos así 
como el filtrado de la imagen, logrando con esto que el móvil sea de gran ayuda para encontrar objetos o personas en 
lugares de difícil acceso. 

BIBLIOGRAFÍA. 

[1] José Santos Richard j. Duro “Evolución Artificial y Robótica Autónoma” Alfaomega, 2005 
[2] http://www.angelfire.com/biz/itcmex/ultrasensores2.html 
[3]  Hagan  Martin,  Demuth,  Howard,  Béale  Mark,  “NEURAL  NETWORK  DESIGN”,  PWS  Publishing  Company, 
1995. 
[4]  Angulo    Usateghi,  Jose  Maria.  “MICROCONTROLADORES  PIC”.  Diseño  práctico  de  aplicaciones,  Ed. 
McGraw­Hill. Madrid, 1998. 
[5] http://www.plantraco.com/product_ptv16.html 
[6] http://www.java.sun.com 
[7] http://www.microchip.comi 
[8] http://www.st.com
Escuela Superior de Cómputo  Instituto Politécnico Nacional 

Departamento de Sistemas Electrónicos, México D.F. 
. 

rgaliciam@.ipn.mx  aaparicioc@ipn.com, rortegag@ipn.mx 

Rubén Galicia Mejía Ingeniero en Electrónica Industrial en el Tecnológico de Puebla, Maestría en Ciencias en Ingeniería 
Electrónica opción instrumentación SEPI­Esime Zacatenco, profesor  investigador de tiempo completo del Departamento de 
sistemas Electrónicos de la Escuela Superior de Cómputo del Instituto Politécnico Nacional, actualmente 
Desarrollando proyectos de Instrumentación Electrónica, dirección de trabajos terminales y publicaciones. 
Tel. 5729600 Ext. 52022, Fax 52003 

Aur or a Aparicio Castillo 
Ingeniero en Comunicaciones y Electrónica egresada en 1994 de la Escuela Superior de ingeniería Mécanica y Electrica 
(ESIME) del Instituto Politécnico Nacional (IPN). Obtuvo el grado de Maestro en Ciencias con especialidad en Instrumentación 
en la ESIME IPN en 1998. Actualmente ha cubierto el 100% de los creditos del Doctorado en Comunicaciones y Electrónica en 
la ESIME IPN, profesora de la ESIME de 1995 a 1996 y de 1996 a la fecha de la Escuela Superior de Cómputo, también ha 
ocupado el cargo de Jefa del Depto. de Sistemas Electrónicos de dicha escuela del 2001 al 2003.