La revolución en curso de Internet de las cosas (IoT), junto con la creciente difusión de robots en

muchas actividades de la vida cotidiana, hace que las aplicaciones de robótica con ayuda de IoT
sean una realidad tangible de nuestro futuro futuro. En consecuencia, los nuevos servicios
avanzados, basados en la interacción entre robots y "cosas", están siendo concebidos para ayudar
a los humanos. Sin embargo, el camino hacia un desarrollo maduro de aplicaciones de robótica
asistidas por IoT requiere que se resuelvan varios problemas fundamentales, que se consoliden las
metodologías de diseño y que se discutan fuertes opciones arquitectónicas. Este artículo analiza
las implicaciones tecnológicas, los problemas abiertos y las aplicaciones de destino en el dominio
de la robótica asistida por IoT. En particular, la contribución actual es de cuatro pliegues. Primero,
proporciona un estado de la técnica sólido en los temas principales relacionados con los servicios
de robótica asistidos por IoT: redes de comunicación, aplicaciones de robótica en entornos
distribuidos y generalizados, enfoques semánticos de consenso y seguridad de red. En segundo
lugar, destaca los desafíos de investigación más importantes que se deben enfrentar. Tercero,
describe las herramientas tecnológicas disponibles en la actualidad. Cuarto, resume las lecciones
aprendidas para fomentar una investigación científica conjunta entre equipos de investigación con
habilidades complementarias.

https://www.researchgate.net/publication/264286692_IoT-
aided_robotics_applications_Technological_implications_target_domains_and_open_issues

El actual estado industrial de vanguardia para vehículos guiados automatizados se basa en

controladores centralizados que envían transportes a vehículos a lo largo de caminos predefinidos.
El diseño de estas rutas requiere mucho tiempo y debe hacerse con anticipación, seguido de una
extensa fase de prueba. En el campo de la robótica móvil, existen algoritmos robustos de
planificación de rutas y navegación. Sin embargo, aún no han llegado a aplicaciones industriales en
números más grandes. En este documento, presentamos una arquitectura de sistema para un
control descentralizado de múltiples vehículos automáticos guiados que realizan tareas de
transporte de material en aplicaciones intralogísticas que se basa en soluciones de robótica móvil.
El sistema propuesto incluye soluciones para auto-localización, control de comportamiento,
enrutamiento libre de conflictos y control de movimiento. El control no centralizado de la
arquitectura del sistema permite la planificación dinámica de rutas y la coordinación del tráfico. Su
implementación se basa en el Sistema Operativo Robot, el middleware estándar de facto para
aplicaciones de robótica. Proporcionamos una visión general de la arquitectura general del
sistema, así como de los mecanismos de coordinación y mostramos una primera prueba de
concepto en simulaciones.

https://www.researchgate.net/publication/321357197_A_decentralised_system_approach_for_c
ontrolling_AGVs_with_ROS
This paper presents an extension of the OpenAI Gym for robotics using the Robot Operating
System (ROS) and the Gazebo simulator. The content discusses the software architecture
proposed and the results obtained by using two Reinforcement Learning techniques: Q-Learning
and Sarsa. Ultimately, the output of this work presents a benchmarking system for robotics that
allows different techniques and algorithms to be compared using the same virtual conditions.

https://arxiv.org/pdf/1608.05742.pdf

https://arxiv.org/abs/1608.05742

Este documento presenta un estudio comparativo de los paquetes del Sistema Operativo de
Robots (ROS) para la navegación de robots móviles en un sistema embebido. ROS proporciona
varias bibliotecas y herramientas para desarrollar software de robot complejo. Discutimos el
proceso de portar ROS a una plataforma integrada abierta, que sirve como el controlador principal
para un robot móvil. En el caso de conducir el robot, ROS proporciona planificadores de ruta
locales como la base, la banda elástica y la banda elástica temporizada. Los planificadores locales
se comparan y analizan en términos de precisión en el seguimiento de la ruta global realizada en
un modelo de robot utilizando Gazebo, herramienta de simulación 3D proporcionada por ROS.
También discutimos la diferencia en el rendimiento de la implementación de paquetes ROS en una
computadora personal y en el entorno integrado. Los experimentos se realizaron controlando dos
robots móviles diferentes con resultados que muestran que el error de seguimiento depende en
gran medida de la tolerancia del objetivo. Este estudio servirá como una medida prometedora
para mejorar el rendimiento de los robots móviles que utilizan paquetes de navegación ROS.

https://www.researchgate.net/publication/330838052_Comparative_Study_of_ROS_on_Embedd
ed_System_for_a_Mobile_Robot

Con el objetivo de que los robots aprendan nuevas habilidades después de la implementación,
proponemos un marco de aprendizaje activo para modelar las preferencias del usuario sobre la
ejecución de tareas. El enfoque propuesto recopila información de manera interactiva haciendo
preguntas expresadas en lenguaje natural. Estudiamos la validez y el rendimiento de aprendizaje
del enfoque propuesto y dos de sus variantes en comparación con una estrategia de aprendizaje
pasivo. Investigamos más a fondo la naturaleza de interacción humano-robot del marco realizando
un estudio de usabilidad con 18 sujetos. Los resultados muestran que las estrategias activas son
aplicables para las preferencias de aprendizaje en tareas temporales de usuarios no expertos.
Además, los resultados proporcionan información sobre el diseño de interacción de los robots de
aprendizaje activo.
https://dl.acm.org/citation.cfm?id=3171241