Modelo de análisis cinemático en la escalada

deportiva modalidad Boulder

*Sergio Iván Ríos Pinzón, *Carlos Francisco Rodríguez Herrera, **Christian Cifuentes de la portilla.
*Grupo de investigación en Dinámica Aplicada - Departamento de ing. Mecánica - Universidad de los Andes.
**Grupo de investigación en Biomecánica - Departamento de ing. Biomédica - Universidad de los Andes.
Abstract - El presente articulo abarca la
investigación referente a el planteamiento de un
modelo para el análisis cinemático del deporte
Escalada en la modalidad Boulder, así también su
desarrollo e implementación integrando Python y
Matlab. Presenta una breve introducción al contexto
científico y social del deporte, seguido de una breve
descripción del estado del arte enfocado en modelos
biomecánicos y computacionales. Desarrolla la
metodología de creación del modelo, sus variantes, el
alcance y limitaciones presentes, el modelo consta de
dos partes independientes el muro y el escalador, así
como su interacción para la solución del problema de
la escalada, el modelo se fundamenta en algoritmos
heurísticos bajo conceptos matemáticos de
quaterniones y teoría de grafos.
Se presenta un método innovador para la solución
en hipergrafos direccionando el centro de masa de un
escalador sobre estructuras de cuatro puntos de apoyo Figura 1. Modelo generalizado de un escalador en la actividad
para el cuerpo humano. Se presenta la viabilidad de deportiva.
encontrar soluciones optimas en función de
parámetros físicos de un deportista. Palabras Clave: El análisis cinemático del cuerpo humano siempre ha
dinámica, cinemática, biomecánica, escalada, modelo, llamado la atención de los investigadores, principalmente
quaternion, Python, MatLab, algoritmos, búsqueda de por el deseo de replicar los movimientos naturales del ser
ruta, optimización, cadena cinemática. humano, sin embargo, su entendimiento se ha visto
limitado a cuerpos con movimientos repetitivos. Este
I. Introducción artículo plantea la viabilidad en el desarrollo de
metodologías de análisis de datos cinemáticos basado en
La introducción de la escalada deportiva en los Juegos
simulaciones computacionales y sensores inerciales bajo
Olímpicos de Tokio 2020 ha llevado a su posicionamiento
la teoría del análisis del cuerpo humano como mecanismo
como un deporte de gran interés, según la IFSC más de 25
para un entorno de desarrollo en escenarios deportivos de
millones de personas la practican a nivel global.
alto riesgo. Al considerar el planteamiento de modelos
Comprender las interacciones cinéticas y cinemáticas del
computacionales se plantea el caso de estudio: Escalada
cuerpo humano, los entornos y los equipos deportivos
deportiva modalidad Boulder; con el fin de identificar
acordes a la práctica es imperativo tanto para deportistas
tendencias y patrones en los modelos y deportistas.
como para investigadores que buscan replicar en la
robótica esta habilidad innata del ser humano y otros seres. La escalada deportiva implica el ascenso de una pared
Esto se ha demostrado en deportes más desarrollados que puede variar su inclinación respecto del suelo,
como el ciclismo, atletismo, futbol, entre otros. El trayectorias con angulaciones de hasta 90º múltiples
desarrollo de estas metodologías en deportes de alto riesgo enfoques, el principal objetivo corresponde a recorrer un
se ve truncado en función de las complejidades que muro vertical u horizontalmente iniciando en un punto
implica realizar la medición de las variables asociadas. especifico y terminando en otro, para lograr este recorrido
se evalúa el problema dentro de una limitada cantidad de
Con la actual tendencia y desarrollo tecnológico
puntos disponibles para los agarres (presas) cuando nos
entorno al análisis cinemático con modelos y sensores
referimos a escalada en murto artificial, haciendo uso de
inalámbricos, se puede identificar una oportunidad de
la pared del muro para equilibrio por fricción. Cuando nos
aplicar nuevas tecnologías para el entendimiento de la
referimos a escalada en roca, el problema presenta algunas
escalada no solo como deporte, también como función
variaciones, el entorno a escalar es un continuo donde los
básica y primitiva del ser humano.
agarres son principalmente por fricción con las geometrías
e imperfecciones propias de una ruca que puede varias en
geometría e inclinación. El enfoque de este artículo se
centra en la disposición de la escalada en modalidad
Boulder – Escalada a baja altura (4,5 m) con rutas de
dificultad técnica alta y grandes requerimientos de
potencia y fuerza, no requiere equipo de seguridad directo
para el escalador, únicamente de una superficie que
permita recibir caídas sin riesgo. Se considera mejor
desempeño para la menor cantidad de intentos en resolver
un problema - sin dejar de lado que puede ser extrapolado
a escalada de dificultad donde prima la distancia y la
resistencia de las diferentes rutas.
El análisis cinemático de deportes se ve desarrollado
bajo las implicaciones y limitaciones propias del deporte.
En este caso, la escalada presenta pocas o ninguna
restricción más allá de las propias leyes de la física, escalar
implica un desarrollo de fuerza, flexibilidad, Balance y
capacidades para afrontar estrés psicológico derivado de
los miedos a entornos de riesgo extremos. En la cinemática
de la actividad se deben considerar las restricciones
anatómicas del cuerpo respecto al modelo y respecto del
muro, ya que existe la problemática de evitar colisiones
tanto con otras presas como con el muro en sí.
II. Preguntas de investigación:
¿En función de un modelo matemático y
computacional cuál es la mejor posición para una postura
de escalada?, esto refiere a que permita movimiento más
eficiente, movimiento de mayor potencia, mejor agarre
mejor posicionamiento de pies, aprovechamiento de
impulso para un escalador previamente parametrizado en
variables geométricas y, cinéticas y cinemáticas – i.e.
capacidades motrices y medidas antropomórficas.
¿Cuál es la mejor aproximación a un movimiento
inicial o conjunto de posiciones iniciales y a un conjunto
total de posiciones? – considérese un conjunto de
posiciones como el grupo de posiciones corporales de
balance en las cuales el escalador es capaz de posicionar
su cuerpo, puede constar de 1 a 4 agarres para las
extremidades del cuerpo.
¿Cómo se puede categorizar rutas de escalada en
función de agarres y movimientos necesarios para
completarlas, es este factor comparable a la categorización
de rutas en estándares internacionales?
III. Objetivo general
Generar un modelo para el análisis cinemático de la
escalada deportiva como entorno de interacción del
deportista y el muro. Esto con el fin de encontrar una ruta
para el desarrollo la escalada en muros estocásticos, para
generar simulaciones computacionales de las poses
suficientes y hallar posibles soluciones del problema de
escalada (vía/bloque). Para esto se aborda desde la teoría
biomecánica del cuerpo humano como un mecanismo para
desarrollar y comprender escenarios deportivos de alto
riesgo. El modelo propuesto debe poder identificar el
desarrollo de la escalada deportiva en muros artificiales
modalidad Boulder y generar conjuntos de posiciones para
completar un problema de ruta estocástica.
IV. Objetivos específicos
Realizar la investigación correspondiente al estado del
arte en torno al objetivo principal.
Familiarización con el entorno de adquisición de datos
con sensores inerciales y su procesamiento con software
de distribución libre.
Plantear el cuerpo humano como una cadena de
cuerpos rígidos y su cinemática con el fin de proponer el
análisis matemático de los diferentes cuerpos en
interacción bajo conceptos de herramientas
computacionales en el diseño de mecanismos en 2 y 3
dimensiones del espacio.
Plantear los principales movimientos de un escalador
bajo análisis computacional de cinemática de cuerpos
compuestos, extremidades superiores e inferiores, torso
superior e inferior.
Identificar y proponer rutas restrictivas de escalada en
función de posición, dificultad y compatibilidad de agarres
en muros artificiales.
Caracterizar las simulaciones de las movimientos y
trayectorias suficientes para completar una ruta.
Generar simulaciones computacionales de los
movimientos de un escalador que sean modificables y
comparables con los datos adquiridos de sensores
inerciales.
Replicar digitalmente muros de escalada tipo Boulder
para con los datos adquiridos y el análisis del cuerpo
humano como mecanismo generar una simulación
computacional capaz de llevar a cabo movimientos
humanos en el desarrollo de una ruta de escalada tipo
Boulder.
V. El estado del arte
La investigación en torno a la escalada deportiva se
puede apreciar desde varios enfoques. Destacan los
siguientes:
Respuesta fisiológica del escalador
Estos estudios se centran en respuestas biológicas y
fisiológicas de los sistemas vitales del cuerpo humano
durante las diferentes modalidades de escalada [1]–[5],
también incluyen análisis antropomórfico de las diferentes
poblaciones [6]–[9]. Abordan investigaciones en el
equilibrio [10], [11] y la cantidad de puntos de apoyo [9],
también en la resistencia y la fatiga asociadas al desarrollo
de la actividad deportiva [12]. Low aborda varios de estos
enfoques en su tesis doctoral [13]. Si bien son temas
importantes para la escalada a nivel deportivo no son el
tema central de este estudio y se abordaran en un nivel
básico, principalmente con el enfoque de la biomecánica y
la dinámica basada en aproximaciones, suposiciones y
modelos bien desarrolladas como las de Özkaya [14],
Robertson [15] y Rodríguez [16].
Instrumentación del muro y equipos
La instrumentación toma un papel bastante relevante
en cuanto al desarrollo de esta investigación, si bien se
centra en la instrumentación del deportista con sensores
inerciales y sistemas de captura de movimiento (MOCAP)
[13], [17]–[22], no se descarta la interacción con
instrumentos externos al deportista, como lo son la
instrumentación sobre el muro y las presas [23], [24]. De
hecho, se puede considerar las cámaras instrumentos
externos, aunque no anexos al equipo o al muro en
conjunto.
Estudio de la cinética y cinemática del escalador desde la
biomecánica
Este punto es el más importante para el estudio en
cuestión, puesto se enfoca en las variables dinámicas de
interés, los avances y estudios datan de los últimos 10 años
aproximadamente. Iniciaron con análisis de presión y
fuerzas en agarres, junto con estudios del tren superior del
cuerpo humano. En cuanto al análisis total del cuerpo se
han realizado estudios preliminares de casos particulares
[7] o movimientos específicos de la escalada deportiva
como la técnica LOLOTTE [17], se han hecho uso de
varios métodos como lo son: cámaras RGB, Cámaras
infrarrojas, software de análisis de imagen 2D y 3D,
unidades IMU, unidades IMU + electromiografía,
unidades MARG. Se han realizado estudios en análisis de
marcha y marcha en escaleras con cámaras de percepción
de profundidad, si bien no es escalada y en nuestro
conocimiento no hay estudios con cámaras de percepción
de profundidad enfocados en este deporte. La marcha en
escaleras es un primer paso para acercarse a la escalada
deportiva. Respecto de las variables de interés algunos
acercamientos como el análisis de la tercera derivada de la
posición respecto al tiempo del centro de masa del
escalador (Jerk) [25].
Desarrollo y/o análisis y/o metodologías de rutas y ruteo
en la escalada artificial
El desarrollo de investigación en rutas y ruteo en
escalada esta avanzado en: análisis de movimientos,
generación caótica e inteligencia artificial. Aun así, no está
automatizada ni optimizada en términos de la interacción
con el escalador. Algunas de las investigaciones refieren
al uso de algoritmos sobre la teoría de grafos [26]–[35].
Reconocimiento de imágenes
Uno de los estudios más vanguardistas en la escalada
deportiva se realiza en Bogotá, Colombia. Consiste en la
generación de una base de datos de video y audio con
cámaras especializadas (RGB, profundidad) para su
posterior análisis en torno a la inteligencia artificial.
Dirigido por el centro CinfonIA de la Universidad de los
Andes, propone una gran oportunidad para el avance
científico en el deporte. Se llevo a cabo durante los meses
de agosto, septiembre y octubre de 2022 adicionalmente la
investigación en reconocimiento de imágenes y
segmentación de video se encuentra en el estado del arte
de lo referido en este articulo algunas investigaciones
implican también el uso de la inteligencia artificial [24],
[29], [36].
Robótica
La robótica a lo largo de la historia se ha centrado en
mimetizar los movimientos naturales de los seres vivos, y
el ser humano no ha sido la excepción, podemos
generalizar en los cuadrúpedos capaces de realizar
ascensos. Este es el caso del robot LEMUR [37]–[39]. Este
robot si bien está enfocado al desarrollo de un robot
escalador cuadrúpedo tienen un análisis de la escalada
como acción natural del ser humano bien desarrollado a lo
largo de las últimas dos décadas. El partir del pensamiento
humano para afrontar los problemas de ascenso de paredes
es útil para mimetizar el movimiento restricto de un robot.
Esto es un gran avance aun cuando el enfoque no es
biomecánico.
Múltiples investigadores han abordado el problema de
los robots escaladores partiendo del entendimiento de la
escalada a partir de los diferentes ámbitos previamente
mencionados[10], [11], [26], [39]–[45]. Aun así, los
estudios no se han centrado en el deporte, este estudio si
lo hace, y el enfoque es capaz de lograr objetivos similares
a los desarrollados por estos investigadores en robótica.
VI. Marco teórico
El objetivo principal de la escalada es recorrer una
superficie vertical u horizontalmente desde un punto
específico hasta otro, con múltiples enfoques. La escalada
se puede dar en entornos artificiales o naturales donde los
agarres (una cantidad limitada) se generan principalmente
por fricción de las cuatro extremidades con las geometrías
e imperfecciones de la superficie (roca, madera,
polimérica, hielo, …).
Para entender la escalada es fundamental el pensar en
los diferentes aspectos que implica, los principales son: el
muro (pared, roca o estructura escalable), el escalador, y
el entorno. Junto con sus respectivas interacciones. El
muro se puede caracterizar por tamaño, geometría,
cantidad de posibles agarres, materiales del muro y los
agarres y la dificultad de estos. El entorno corresponde a
las variables físicas presentes y las percibidas por el
escalador, temperatura, humedad, presión, sensación
térmica, apreciación psicológica del entorno (para muros
en entornos de alto riesgo se presentan cambios en las
capacidades del escalador – i.e. escalada con seguridad o
sin seguridad, altura aparente del muro, entorno de caída o
espacio de desarrollo del deporte) varias de estas asociadas
al desempeño fisiológico del deportista. El escalador se ve
parametrizado por variables fisiológicas y psicológicas,
fuerza, dimensiones antropomórficas, elasticidad,
resistencia, potencia sostenida y explosiva.
cada uno de estos aspectos, muro, escalador e
interacciones se subdivide en múltiples sub-espacios de
análisis.
El muro
El muro puede abordarse bajo varios modelos, en un
principio se abordó como una estructura geométrica en
tres dimensiones con presas y dificultad asociada a estas
presas. Sobre el muro se define el problema de la escalada
como una ruta compuesta por presas, la ruta consta de un
punto inicial y un punto final, esto simula el problema real
de competencia y entrenamiento en escalada definido
como Bloque o Boulder. En segunda instancia se abordó
bajo la teoría de grafos puesto representa muy bien el
problema a enfrentar es un área bastante estudiada desde
hace varios siglos y tienen múltiples algoritmos de
solución asociados los cuales se abordarán en la
metodología propuesta. Las características más relevantes
de un muro son:
Condiciones externas: geometría (Vertical = 90;
Desplome < 90; Inclinado > 90; Techo = 180)
Superficie: caracterizada por el coeficiente de fricción
(Roca; Madera; Resina; Equipo requerido; Arnés; Cuerda
Calzado especializado; Superficie de impacto (crash-pad);
Sistema de aseguramiento; Clima; Condiciones del medio)
El muro consta de presas de escalada las cuales son
generalmente clasificadas de la siguiente forma:
Figura 2. Canto, guaca, jug.
Canto: un tipo de presa de tamaño considerablemente
grande y facil agarre dada su geometria de bolsillo o
agujero que recibe la totalidad de la palma y los dedos del
escalador en una forma de agarre completo. Es un agarre
ideal para escaladores principiantes, rutinas de
calentamiento o movimientos dinámicos que implican
saltos y agarres en el aire.
Figura 3. Pinza.
Pinza: Un tipo de presa de tamaño variable, se
caracteriza por permitir el agarre oponiendo el dedo pulgar
y los demás dedos de la mano para generar un
pinzamiento. Requiere de técnica, destreza y fuerza
considerable.
Figura 4. Agujeros (tridedo).
Agujeros: Un tipo de presa donde prima la presencia de
un agujero donde se pueden ubicar al menos una de las
falanges de al menos un dedo, según la cantidad de dedos
que el escalador puede introducir en el agujero es
monodedo, bidedo, tridedo. Si recibe cuatro o más dedos
puede considerarse un canto. Requiere de cuidado y
fortaleza en los dedos puesto que dado un mal movimiento
puede lesionar las articulaciones, tendones y demás
estructuras anatómicas de la mano.
Figura 5. Regletas.
Regletas: un tipo de presa donde prima la presencia de
un filo en el cual únicamente se pueden ubicar las falanges
distales, su agarre puede combinarse con una pinza, como
se ve la Figura 5. Regletas. De izquierda a derecha el
agarre se denomina arqueado, semiarqueado y en
extensión respectivamente. Es el tipo de agarre que mas
lesiones genera en los escaladores dado el nivel de
esfuerzo generado en los dedos.
Figura 6. Romas.
Roma: jun tipo de presa que se caracteriza por ser una
superficie amplia y semiesférica o plana donde el agarre
se da por el contacto de la palma y los dedos abiertos.
El escalador
Respecto del análisis fisiológico y psicológico del
escalador, si bien no tienen todos en cuenta se deben
mencionar algunos parámetros como: talento, salud,
fuerza, resistencia, flexibilidad, coordinación, técnica,
experiencia, conocimiento, aspectos psicológicos y
motivación.
En este apartado también es de suma importancia la
aproximación a la cinemática del problema. Si bien el
cuerpo humano está constituido por cuerpos rígidos,
semirrígidos, elásticos e hiperelásticos, se realizan
simplificaciones para entender modelos sencillos que
reflejen el comportamiento del cuerpo. Dentro de la
cinemática se conocen varios modelos ya abordados para
el cuerpo humano, aun así, se debe ser cuidadoso al
momento de elegir el modelo apropiado. El
comportamiento de los cuerpos como cadena cinemática
(rígidos, elásticos, hiperelásticos) la cantidad y naturaleza
de estos cuerpos (son solo cuerpos rígidos o son
actuadores), la interacción entre estos cuerpos de tal forma
que mimeticen la interacción anatómica del cuerpo
humano.
Para expresar la cinemática de cuerpos rígidos de un
mecanismo como el cuerpo humano es imprescindible
definir la aproximación matemática a la representación de
las variables, para esta investigación se plantea el uso de
cadenas cinemáticas expresadas en quaterniones.
Quaterniones
Los quaterniones planteados por primera vez por
Hamilton en 1843 son una extensión del plano imaginario
a un hiperespacio imaginario, esto implica la composición
de una orientación de un cuerpo en cuatro dimensiones
especificadas de la siguiente forma:
𝑄(𝑠, 𝑣⃗𝑖̂𝑗̂𝑘̂ ) = [q 0 ∗ s + 𝑞1 ∗ 𝑖̂ + 𝑞2 ∗ 𝑗̂ + 𝑞3 ∗ 𝑘̂ ] ∶ 𝑞0 , 𝑞1 , 𝑞2 , 𝑞3 ∈ ℝ (1)
Un quaternion como numero de cuatro dimensiones
(una real y 3 imaginarias) presenta las siguientes
propiedades:
𝑖̂2 = 𝑗̂2 = 𝑘̂ 2 = 𝑖̂𝑗̂𝑘̂ = −1
Un quaternion se puede considerar como la rotación de
un punto sobre un vector determinado:
𝑒 𝜃𝑣⃗⃗ = cos(𝜃) + 𝑣⃗ ∗ sin(𝜃)
𝑄(𝜃, ⃗⃗⃗⃗⃗⃗⃗⃗)
𝑣𝑖̂𝑗̂𝑘̂ = 𝐴 ∗ cos(𝜃) + sin(𝜃) ∗ [𝐵 ∗ 𝑣𝑖̂ + 𝐶 ∗ 𝑣𝑗̂ + 𝐷 ∗ 𝑣𝑘̂ ] (4)
Un quaternion puro es aquel donde la parte real s del
quaternion es igual a 0.
𝑄𝑝𝑢𝑟𝑜 (𝑠, 𝑣⃗) = [0, 𝑞1 ∗ 𝑖̂ + 𝑞2 ∗ 𝑗̂ + 𝑞3 ∗ 𝑘̂ ]
𝑄𝑝𝑢𝑟𝑜 (𝑠, 𝑣⃗) = 0 + sin(𝜃) ∗ [𝐵 ∗ 𝑣𝑖̂ + 𝐶 ∗ 𝑣𝑗̂ + 𝐷 ∗ 𝑣𝑘̂ ]
La representación de un quaternion puro es análoga a
la repr4esntación de un vector en R3 la cual permite
trabajar las traslaciones con quaterniones.
El algebra de quaterniones presenta diferencias al
algebra en tres dimensiones por su connotación de hiper
parámetros imaginarios (esto puede sr explorado más a
fondo en Hamilton, 1834). La operación más relevante
corresponde a la multiplicación de quaternion ya que esta
permite representar un vector cualquiera en el marco de
referencia de un quaternion especifico. Lo que se conoce
como una rotación, si bien es sencillo transformar
quaterniones en matrices de transformación homogénea o
parámetros de Euler, se consideró realizar el desarrollo
estrictamente en planteamiento de quaterniones para
mantener un enfoque sin discontinuidades en el espacio de
soluciones, generando un sistema más estable. El
planteamiento de quaterniones se aplica para encontrar la
cinemática directa e inversa por optimización de variables
en múltiples cadenas simultaneas, cada cadena
considerada como un problema serial de 3 eslabones
mimetizando las cuatro extremidades del cuerpo humano.
VII. Metodología
El escalador
El modelo más sencillo del cuerpo humano
corresponde a 4 cuerpos rígidos conectados de la siguiente
forma:
Este se puede complejizar tanto como sea necesario, en
este estudio se contempló una cadena compuesta por 12
eslabones:
Bajo esta configuración se pueden definir las diferentes
restricciones anatómicas suficientes para acercarse al
correcto desempeño del cuerpo humano como lo son los
ángulos de extensión y flexión en rodillas, codos, cadera y
(2) hombros. La cinemática del problema se desarrolló
exclusivamente en el planteamiento de quaterniones para
la orientación de los cuerpos y quaterniones puros para el
planteamiento de la posición.
(3)
El modelamiento del escalador obedece a la
simplificación de N (12) eslabones (2 antebrazos, 2
brazos, hombros, cuello, espalda, cadera, 2 muslos, 2
piernas), 10 articulaciones, 4 puntos efectores (2 manos y
(5) 2 pies) y un punto representativo (cabeza). Para cada
(6)
articulación se consideraron 6 grados de libertad, sin
embargo, articulaciones como la rodilla y los codos se
restringieron a un grado de libertad en extensión flexión
para simular las restricciones anatómicas
correspondientes. Para expresar matemáticamente la
cadena cinemática se definieron las longitudes de los
eslabones en una matriz de cuaterniones puros donde la
longitud se expresó en el componente 𝑖̂ de cada quaternion
– i.e. 16 quaterniones expresando la configuración del
sistema. Para representar la reconfiguración de
orientaciones y conexiones se utilizó la rotación en
términos de quaterniones expresada como:
𝑄𝑛𝑓𝑖𝑛𝑎𝑙 = 𝑄𝑅 ∗ 𝑄𝑒𝑠𝑙𝑎𝑏𝑜𝑛 ∗ 𝑄𝑅−1 + 𝑄𝑛−1𝑓𝑖𝑛𝑎𝑙
Donde 𝑄𝑛 representa el quaternion posición del
eslabón n, 𝑄𝑅 el quaternion de rotación que lleva el
quaternion que representa la longitud del eslabón a la
nueva configuración, 𝑄𝑅−1 el conjugado que permite
efectuar la rotación, 𝑄𝑛−1𝑓𝑖𝑛𝑎𝑙 el quaternion posición del
eslabón anterior al cual se conecta el eslabón n. esta
operación es la que describe la representación de la
cinemática directa y se plantea sobre 4 cadenas paralelas y
conectadas en el punto inicial que por facilidad
corresponde al centro de masa que está dentro de la pelvis
de un ser humano. Esto quiere decir que se deben
solucionar 4 cadenas simultaneas para encontrar la
cinemática inversa del modelo completo, la representación
igual para las 4 cadenas permite optimizar la
programación del proceso en el entorno virtual MatLab el
cual cuenta con funciones y representación de
quaterniones implementada, así como también su algebra.
Para el desarrollo de la cinemática inversa se usó una
función de optimización multiobjetivo restringida del
paquete MatLab fgoalatttain la cual permite encontrar la
configuración de N rotaciones necesarias para que los 4
puntos efectores alcancen sus respectivos objetivos. Esto
se denomina una configuración, compuesta por un set de
4 presas las cadenas cinemáticas que permiten obtener una
posición de equilibrio. Como se muestra en la siguiente
imagen.
¿Qué es un movimiento? Se considera un movimiento
en la escalada como la reconfiguración entre dos sets de
configuraciones, por ende, para una ruta se puede definir
una reconfiguración entre múltiples posiciones del cuerpo
incluso para las mismas 4 presas existen 12 posibles
configuraciones al permutar las presas con los puntos
efectores. Ya con esta representación es posible realizar la
integración del problema.
El muro
El muro presenta unas características que lo
categorizan como escalable en varios grados de dificultad,
incluso en el mismo muro para los diferentes problemas se
pueden categorizar diferentes grados de dificultad. Una
representación virtual del muro se puede apreciar en la
Figura 13. Representación gráfica computacional de un
muro de escalada plano inclinado y un problema definido
con inicio y final. una superficie en el espacio con una
distribución de agarres donde el tamaño de cara esfera
representa una virtualización de la dificultad de agarre (es
más difícil sostener el propio peso del escalador en una
presa más pequeña), las X representan un punto inicial y
un punto final como la representación de un problema
Bloque.
Figura 7. Representación gráfica sobre el espacio del modelo de
las presas de escalada.
En el modelo propuesto se plantea una representación
gráfica del tamaño y dificultad de la presa de agarre con
un símil al tamaño de una esfera sobre el espacio
tridimensional. Siendo el tamaño más grande una
dificultad fácil con representación numérica en el modelo
matemático de 1.0 y el tamaño más pequeño una alta
dificultad con representación numérica en el modelo
matemático de 0.01.
Figura 8. Representación de la teoría de grafos de un muro con 3
presas.
Un primer acercamiento corresponde a simular bajo un
muro estocástico de altura, anchura y profundidad variable
con N número de presas distribuidas en el espacio el
encontrar la ruta optima bajo varias restricciones y
parámetros, estos son la distancia máxima entre presas
para ser alcanzables por un escalador X. Se generan
algoritmos capaces de modelar muros virtuales. El muro
se definió como una función en un espacio tridimensional
euclidiano. Sobre la superficie del muro se planteó una
distribución aleatoria de presas (agarres), que se
caracteriza en términos de dificultad y posición aleatoria
sobre el espacio de escalada.
Bajo la teoría de grafos cada pera representa un nodo
indexado como función f(dificultad, tamaño, posición [x,
y, z]) que esta interconectado por aristas o ejes y también
son función g(distancia, dificultad, ∆𝑎𝑙𝑡𝑢𝑟𝑎𝑠).
Interacción Escalador - Muro
Parámetros como la distancia entre presas, la diferencia
entre la altura de las presas respecto del suelo y la
dificultad de agarre de cada presa pueden optimizar la ruta
sobre unos pasos establecidos.
Sin embargo, el encontrar una sola ruta no es suficiente
para desarrollar el análisis completo. Puesto es un
requerimiento el mover en simultaneo las cuatro
extremidades y no solo una de estas. Cuando nos referimos
a la interacción del escalador-muro es importante entender
como el escalador percibe el problema, parra este caso son
todas las posibles configuraciones de la cadena cinemática
del cuerpo humano que permite alcanzar el respectivo
objetivo. Dado un escalador con 4 puntos de apoyo se
puede generar un cuadrilátero cuyos vértices corresponden
a las presas suficientes para generar una posición estable
de escalada.
 Figura 9. Representación del cuadrilátero sobre el cual se puede
posicionar de forma estable un escalado.
Al tener en cuenta que por cada cuadrilátero se pueden
generar diversas configuraciones del cuerpo humano es
importante identificar que no todas son factibles dadas las
restricciones anatómicas y físicas del problema, esto
deriva en la existencia de 24 posibles posiciones de
extremidades para el cuerpo humano en un cuadrilátero
cuyo perímetro no supera el perímetro alcanzable por las
4 extremidades del deportista. Se hace presente la
necesidad de filtrar estos cuadriláteros y estas posiciones
para desarrollar el problema.
Figura 10. Representación de un escalador en un muro de
escalada con 4 apoyos en dos de las posibles 24 posiciones.
Si consideramos un escalador sobre un muro arbitrario
se pueden obtener todas las posibles combinaciones de
presas que generan cuadriláteros estables para posicionar
el cuerpo del deportista. Como se observa en la Figura 11.
Figura 11. Representación de cuadriláteros posibles en un muro.
Con la generación de cuadriláteros con perímetro
máximo parametrizado por las dimensiones de un
escalador, para un muro de “N” presas existen “N”
combinado 4 posibles cuadriláteros. En un muro
estocástico se generan “X” cuadriláteros factibles en
función de los parámetros del muro, Por cada cuadrilátero
factible se presentan 4! posibles configuraciones de
efectores. Un total de 𝑋 ∗ 4! Combinaciones posibles para
posicionar un escalador.
Figura 12. Representación de posible ruta óptima para el
seguimiento de movimientos en un muro de escalada.
Una vez definidos los posibles cuadriláteros que son
viables para desarrollar los movimientos se puede generar
una ruta en función de objetivos (velocidad, distancia,
dificultad) para solucionar el problema. Esta ruta se
desarrolla sobre los centroides de los cuadriláteros (Figura
12, presas rojas – ruta optima indicada con flechas) de tal
forma que el centro de masa del escalador pueda acercarse
espacialmente a estos puntos garantizando así el alcance
de los diferentes apoyos de cada cuadrilátero y las
transiciones entres estos. De esta forma se garantiza el uso
de la menor cantidad de posiciones y movimientos para
alcanzar el objetivo parametrizado.
Figura 13. Representación gráfica computacional de un muro de
escalada plano inclinado y un problema definido con inicio y final.
Si bien es posible definir una ruta donde cada paso
corresponde al alcanzar la siguiente presa que acerca el
escalador al TOP (presa objetivo) desde el CEROS (presa
inicial) existe una cantidad de rutas posibles igual al
número de presas n elevado sobre sí mismo.
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 = 𝑁 𝑁 (7)
Ahora bien, no todas las configuraciones o set de pasos
son factibles dadas las restricciones de experticia del
escalador. Por ende, es factible encontrar el camino
optimo parametrizado que soluciona el problema, un
ejemplo a continuación donde el costo asociado a pasar de
una presa a otra está definido por la ecuación:
𝑐𝑜𝑠𝑡𝑜 = ((𝐷𝑖𝑠𝑡𝑎𝑐𝑖𝑎 + 𝑍𝑑𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 )8 ) ∗ 𝑑𝑖𝑓𝑖𝑐𝑢𝑙𝑡𝑎𝑑 (8)

Figura 14. Representación gráfica del problema tradicional de
escalada con ruta solución definida por la ecuación (8).
¿Como se desarrolla el escalador sobre el muro a
escalar? Por ejemplo, si consideramos un cuadrilátero
donde cada vértice representa un punto de anclaje
podemos categorizar el problema sobre múltiples
cuadriláteros escalables. Sobre estos puntos de apoyo el
escalador ya puede tener un acercamiento a la posición que
debe adoptar como cadena cinemática para resolver el
problema. Este proceso de percepción de los posibles sets
de posiciones que resuelven un problema se denomina en
el argot del deporte como lectura de ruta. El escalador se
modela virtualmente de la siguiente forma que será
abordada a detalle en la metodología.
Figura 15. Representación de la interacción del modelo del
escalador con el modelo del muro.
Con base en la teoría de grafos, se presenta el modelo
del muro y la viabilidad de recorrer los diferentes arreglos
de presas (Bloque o Boulder) previamente definidos. Con
el uso de algoritmos generativos de optimización (Hill
Climbing y A Star; basados en el algoritmo de Dijkstra),
se presentan las rutas optimas según los parámetros
restrictivos asociados tanto al muro y su distribución de
agarres, como las características de experticia y
dimensiones de un deportista. Se implementaron los
algoritmos en el entorno de programación Python (versión
3.11) y se plantea una representación gráfica de los
resultados en el entorno MatLab R2022a. Esto representa
varias facilidades para la implementación del modelo al
usar herramientas y librerías predefinidas. Los algoritmos
de búsqueda de rutas óptimos basados en el algoritmo de
Dijkstra corresponden a métodos heurísticos desarrollados
por el siguiente modelo.
Algoritmo generativo heurístico
𝐹(𝑛) = 𝛼 ∗ 𝐶(𝑛) + (1 − 𝛼) ∗ 𝐻(𝑛) (9)
𝐶 = 𝐶𝑜𝑠𝑡𝑜 𝑟𝑒𝑎𝑙
𝐻 = 𝐶𝑜𝑠𝑡𝑜 ℎ𝑒𝑢𝑟𝑖𝑠𝑡𝑖𝑐𝑜
𝛼 = 𝑓𝑎𝑐𝑡𝑜𝑟 𝑑𝑒 𝑝𝑒𝑠𝑜
Las ventajas de estos algoritmos son su rápida
convergencia al camino optimo.
Estos algoritmos se implementaron en consideraciones
clásicas de la teoría de grafos en entornos de MatLab y
entornos de Python, sin embargo el problema se restringe
a un máximo de 50 presas dado el poder computacional
para desarrollar las iteraciones necesarias para encontrar
un solución, por otra parte la consideración de gráficos
implícitos permite la implementación en muros de más de
2000 presas lo cual permite un acercamiento más amplio
y de mayor relevancia en aplicaciones de tiempo real
puesto que esta consideración permite implementar la
solución óptima para 50 presas en menos de 0.005 s a
comparación de la consideración clásica donde una
solución de 50 presas puede tardar hasta 5 s. la
consideración de grafico implícito esta implementada bajo
la librería NoGraphs.py que bajo el entrono grafico de
Python se ve de la siguiente forma:
Figura 16. representación de un muro de grandes proporciones
usando el desarrollo de gráficos implícitos.
 Un muro de 3000 presas tarda 14 s en encontrar una
ruta optima, es evidente la ventaja computacional. Sin
embargo, el entorno grafico de la librería MatPlot.py no
permite un entorno visual de fácil manejo y actualización
para ver el proceso por lo cual usando la función py.env
de MatLab que genera un ambiente de desarrollo Python
dentro de la arquitectura de MatLab se puede aprovechar
la capacidad grafica propia de MatLab para hacer
simulaciones más atractivas. Un muro como este se ve de
la siguiente forma:

Figura 18. Modelo implementado y desarrollado en un muro de

10 presas (Posición 1).

Figura 17. Implementación del entorno gráfico de MatLab con el

entorno de datos de Python para el correcto desempeño de los
algoritmos.

VIII. Resultados-análisis comparaciones

Se presenta; un algoritmo de generación de muro-
bloque que encuentra su correspondiente conjunto de
agarres y posiciones para completar la ruta
satisfactoriamente, se optimiza en función de objetivos
como la distancia, la dificultad y la viabilidad geométrica
de las soluciones; la representación gráfica 3D de los
resultados; y conjuntos de funciones polinómicas 𝑓(𝑥) = Figura 19. Modelo implementado y desarrollado en un muro de
10 presas (Posición 2).
𝐾 ∗ 𝑥 𝑛 capaces de caracterizar las posibles soluciones, el
desempeño de un escalador o la dificultad de una ruta de
escalada; junto con sus parámetros característicos. Donde
K corresponde a constantes como la dificultad de agarre o
la altura del escalador, x es la distancia entre agarres y n
es la dificultad asociada a la inclinación y forma del muro.
Se presenta un modelo anatómico simplificado del
cuerpo humano con algunas restricciones que es capaz de
integrase al modelo del muro e interactuar con el mismo.
Ya con los dos modelos establecidos se puede
representar la secuencia de configuraciones sobre una ruta
optima especificada que soluciona el problema. Para
ejemplos prácticos se presenta una ruta simplificada de 5
movimientos visualizada desde un plano. Sin embargo, el
modelo tiene la capacidad de producir rutas sin límite de
movimientos, las limitaciones se restringen al poder
computacional para realizar la optimización del problema
Bloque en función del tamaño del muro y la cantidad de
Figura 20. Modelo implementado y desarrollado en un muro de
presas en el problema. 10 presas (Posición 3).

Figura 21. Modelo implementado y desarrollado en un muro de
10 presas (Posición 4).
Figura 22. Modelo implementado y desarrollado en un muro de
10 presas (Posición 5).
IX. Conclusión
Es totalmente viable el análisis de un escalador en la
biomecánica desde la cinética expresada en quaterniones,
la cinemática directa e inversa bajo este planteamiento
presenta ventajas en términos de discontinuidades y
estabilidad. Es necesario considerar interacción de varias
extremidades, una ruta definida por un solo punto no es
suficiente para caracterizar una solución al problema. Al
considerar la interacción de varios puntos de apoyo, una
ruta definida por un solo punto es necesaria pero no es
suficiente para caracterizar una solución al problema.
El problema se debe abordar desde el muro como
entorno del problema y desde el escalador como ente que
interactúa con el muro. El muro es invariante. El escalador
es variable. El modelo de interacción propuesto para muro
– escalador permite captar las principales características
del deporte en su forma más básica, abre las puertas a un
análisis más profundo y bajo las restricciones correctas de
fácil implementación alcanzar un estándar de física real
más acorde.
Es posible usar algoritmos generativos restrictivos para
plantear y solucionar una ruta de escalada. Una solución
sea factible debe de considerar al menos dos puntos de
apoyo para las extremidades superiores; por esto, el
algoritmo plantea una ruta que se compone de al menos
dos sub-rutas restringidas, una en función de la otra. Esto
permite proyectar los posibles puntos de apoyo de un
escalador.
Los algoritmos desarrollados permiten modificar el
modelo tanto para el muro y sus características, como para
el escalador y sus parámetros, de igual forma la interacción
muro – escalador es lo suficientemente versátil para
implementar otras políticas de búsqueda de ruta o incluso
repetición de rutas no optimas que desarrollan aspectos
básicos de un entrenamiento. La solución de ejecución
simultanea Python para los datos y solución, y MatLab
para visualización presenta ventajas en el entorno de
desarrollo del modelo completo.
El algoritmo A estrella es idóneo para la tarea de
búsqueda de ruta óptima para el escalador y los
quaterniones plantean un análisis robusto al problema,
adicionalmente presentan un desarrollo orgánico de las
interacciones y transiciones entre las posibles poses.
Es pertinente identificar el funcionamiento de unidades
IMU (Inertial Measurement Unit) avanzadas
(Acelerómetro, Giróscopo) e IMU hibridas (Magnetic,
Angular Rate, and Gravity MARG - Attitude and Heading
Reference Systems AHRS) con el fin de implementar una
experimentación más robusta. Es totalmente valido y útil
considerar un muro de escalada bajo la teoría de grafos,
para implementar los algoritmos necesarios y suficientes
que solucionen la ruta de la cinemática del deportista.
Tras validar el modelo propuesto, este se considera útil
y sencillo como base para una investigación robusta y de
gran alcance en el deporte.
X. Trabajo futuro
Se deja abierta la posibilidad de implementar el código
desarrollado en políticas de aprendizaje de máquinas e
inteligencia artificial. Así como la comparación con
sistemas MOCAP y segmentación de video e imagen.
Se plantea la opción de implementar la metodología de
quaterniones dobles para el desarrollo de la cinemática
directa e inversa.
Se plantea implementar funciones heurísticas
multiobjetivo no lineales, como las presentadas a
continuación:
𝐹1 (𝑛) = 𝛼𝐶1 (𝑛) + (1 − 𝛼)𝐻1 (𝑛) + 𝐴𝐺1 (𝑛) …
+ 𝐵𝐺𝑖−1 (𝑛) + 𝐵𝐺𝑖 (𝑛)
𝐹2 (𝑛) = 𝛼𝐶2 (𝑛) + (1 − 𝛼)𝐻2 (𝑛) + 𝐴𝐺(12 )(𝑛) …
+ 𝐵𝐺𝑖−12 (𝑛) + 𝐵𝐺𝑖2 (𝑛)
 … [16]
𝐹𝑚 (𝑛) = 𝛼𝐶𝑚 (𝑛) + (1 − 𝛼)𝐻𝑚 (𝑛) + 𝐴𝐺(1𝑚 )(𝑛) …
+ 𝐵𝐺𝑖−1𝑚 (𝑛) + 𝐵𝐺𝑖𝑚 (𝑛)
Donde el subíndice m corresponde al número de
efectores y las funciones 𝐺_𝑖 (𝑛) a las restricciones
múltiples entre los efectores, esto con el fin de
generar un algoritmo capaz de solucionar la ruta de los 4
efectores en simultaneo, inclusive la trayectoria del
centro de masa o puntos de interés del cuerpo.
Se considera revisar Filtro de Madgwik (Fusión de
sensores) que usa una optimización Newtoniana para la
formulación analítica del gradiente como derivada
de una representación de movimiento en quaterniones.
Implementa correcciones sobre la medición de los tres
sensores en simultaneo bajo parámetros matemáticos bien
establecidos.
Referencias
[1] C. M. Mermier, J. M. Janot, D. L. Parker, y J. G. Swan, “Physiological
and anthropometric determinants of sport climbing performance”,
2000. [En línea]. Disponible en: www.bjsportmed.com
[2] P. B. Watts, “Physiology of difficult rock climbing”, European
Journal of Applied Physiology, vol. 91, núm. 4. pp. 361–372, abril de
2004. doi: 10.1007/s00421-003-1036-7.
[3] L. V Giles, E. C. Rhodes, y J. E. Taunton, “The Physiology of Rock
Climbing”, 2006.
[4] A. W. Sheel, “Physiology of sport rock climbing”, British Journal of
Sports Medicine, vol. 38, núm. 3. pp. 355–359, junio de 2004. doi:
10.1136/bjsm.2003.008169.
[5] B. de Geus, S. V. O’Driscoll, y R. Meeusen, “Influence of climbing
style on physiological responses during indoor rock climbing on
routes with the same difficulty”, Eur J Appl Physiol, vol. 98, núm. 5,
pp. 489–496, nov. 2006, doi: 10.1007/s00421-006-0287-5.
[6] F. Quaine y L. Martin, “A biomechanical study of equilibrium in sport
rock climbing”, 1999. [En línea]. Disponible en:
www.elsevier.com/locate/gaitpost
[7] S. Kozin et al., “Comparative biomechanical characteristics of one-
arm hang in climbing for beginners and qualified athletes”, Acta
Bioeng Biomech, vol. 22, núm. 1, 2020, doi: 10.37190/ABB-01440-
2019-03.
[8] A. Shunko y T. Kravchuk, “Competitive modelling in speed
climbing”, BIO Web Conf, vol. 26, p. 00051, 2020, doi:
10.1051/bioconf/20202600051.
[9] F. Quaine, L. Martin, y P. Blanchi, “The Effect of Body Position and
Number of Supports on Wall Reaction Forces in Rock Climbing”,
1997.
[10] T. Bretl y S. Lall, “A Fast and Adaptive Test of Static Equilibrium for
Legged Robots”.
[11] T. Bretl, “Motion planning of multi-limbed robots subject to
equilibrium constraints: The free-climbing robot problem”,
International Journal of Robotics Research, vol. 25, núm. 4, pp. 317–
342, abr. 2006, doi: 10.1177/0278364906063979.
[12] J. R. Pijpers, R. R. D. Oudejans, y F. C. Bakker, “Changes in the
perception of action possibilities while climbing to fatigue on a
climbing wall”, J Sports Sci, vol. 25, núm. 1, pp. 97–110, ene. 2007,
doi: 10.1080/02640410600630894.
[13] C. J. Low, “Biomechanics of Rock-Climbing Technique”, 2005.
[14] N. Özkaya, D. Leger, D. Goldsheyder, y M. Nordin, “Fundamentals
of Biomechanics”.
[15] D. G. E. Robertson, G. E. Caldwell, J. Hamill, G. Kamen, y S. N.
Whittlesey, Research methods in biomechanics.
C. F. Rodríguez Herrera y J. C. Leyva, Dinámica mecánica., 2a ed.
Bogotá: Ediciones Uniandes, 2023. Consultado: el 4 de junio de 2023.
[En línea]. Disponible en: https://ediciones-uniandes-edu-
co.ezproxy.uniandes.edu.co/library/search/Din%C3%A1mica%20me
c%C3%A1nica
[17] A. Artoni, M. Tomasi, y F. Di Puccio, “kinematic analysis of the
LOLOTTE technique in rock climbing”, 2017. [En línea]. Disponible
en: http://www.asme.org/about-asme/terms-of-use
[18] F. K. Fuss y G. Niegl, “Instrumented climbing holds and performance
analysis in sport climbing”, Sports Technology, vol. 1, núm. 6, pp.
301–313, mar. 2009, doi: 10.1002/jst.71.
[19] J. Boulanger, L. Seifert, R. Herault, y J. F. Coeurjolly, “Automatic
Sensor-Based Detection and Classification of Climbing Activities”,
IEEE Sens J, vol. 16, núm. 3, pp. 742–749, feb. 2016, doi:
10.1109/JSEN.2015.2481511.
[20] M. Andric, F. Ricci, y F. Zini, “Sensor-Based Activity Recognition
and Performance Assessment in Climbing: A Review”, IEEE Access,
vol. 10, pp. 108583–108603, 2022, doi:
10.1109/ACCESS.2022.3213683.
[21] J. Richter, R. B. Beltrán, G. Köstermeyer, y U. Heinkel, “Human
climbing and bouldering motion analysis: A survey on sensors, motion
capture, analysis algorithms, recent advances and applications”, en
VISIGRAPP 2020 - Proceedings of the 15th International Joint
Conference on Computer Vision, Imaging and Computer Graphics
Theory and Applications, SciTePress, 2020, pp. 751–758. doi:
10.5220/0008867307510758.
[22] A. Ogawa, A. Mita, A. Yorozu, y M. Takahashi, “Markerless knee
joint position measurement using depth data during stair walking”,
Sensors (Switzerland), vol. 17, núm. 11, nov. 2017, doi:
10.3390/s17112698.
[23] F. K. Fuss y & G. Niegl, “The fully instrumented climbing wall:
performance analysis, route grading and vector diagrams-a
preliminary study”, 2008.
[24] B. Lechner, I. Filzwieser, M. Lieschnegg, P. Sammer, E. Wallnöfer-
Zentrum, y H. In Tirol, “A Climbing Hold with an Integrated Three-
Dimensional Force Measurement and Wireless Data Acquisition”,
2013.
[25] R. Seifert y K. Davids, “Climbing skill and complexity of climbing
wall design: assessment of jerk as a novel indicator of performance
fluency”. [En línea]. Disponible en: http://shura.shu.ac.uk/8793/
[26] F. A. Raheem y U. I. Hameed, “Interactive Heuristic D* Path Planning
Solution Based on PSO for Two-Link Robotic Arm in Dynamic
Environment”, World Journal of Engineering and Technology, vol.
07, núm. 01, pp. 80–99, 2019, doi: 10.4236/wjet.2019.71005.
[27] R. Kajastila, L. Holsti, y P. Hamalainen, “The augmented Climbing
wall: High-exertion proximity interaction on a wall-sized interactive
surface”, en Conference on Human Factors in Computing Systems -
Proceedings, Association for Computing Machinery, May 2016, pp.
758–769. doi: 10.1145/2858036.2858450.
[28] A. V. Tarasov, D. A. Loktev, S. V. Deordiev, I. Y. Petuhova, y I. V.
Tarasov, “Search for optimal methods for calculating atypical spatial
structures on the example of a climbing wall”, en Journal of Physics:
Conference Series, Institute of Physics Publishing, ene. 2020. doi:
10.1088/1742-6596/1425/1/012125.
[29] L. Kempen, “A fair grade: assessing difficulty of climbing routes
through machine learning”, 2018.
[30] F. Stapel, “A Heuristic Approach to Indoor Rock-Climbing Route
Generation”, 2020.
[31] C. Phillips, L. Becker, y E. Bradley, “An assistance system for indoor
Rock-Climbing route setting”, Chaos, vol. 22, núm. 1, ene. 2012, doi:
10.1063/1.3693047.
[32] F. Duchon et al., “Path planning with modified A star algorithm for a
mobile robot”, en Procedia Engineering, Elsevier Ltd, 2014, pp. 59–
69. doi: 10.1016/j.proeng.2014.12.098.
[33] S. M. Persson y I. Sharf, “Sampling-based A∗ algorithm for robot
path-planning”, International Journal of Robotics Research, vol. 33,
núm. 13, pp. 1683–1708, nov. 2014, doi:
10.1177/0278364914547786.
[34] B. Fu et al., “An improved A* algorithm for the industrial robot path
planning with high success rate and short length”, Rob Auton Syst, vol.
106, pp. 26–37, ago. 2018, doi: 10.1016/j.robot.2018.04.007.
[35] E. Masehian y D. Sedighizadeh, “A multi-objective PSO-based
algorithm for robot path planning”, 2010.
[36] Z. Li, M. Oskarsson, y A. Heyden, “Detailed 3D human body
reconstruction from multi-view images combining voxel super-
resolution and learned implicit representation”, Applied Intelligence,
vol. 52, núm. 6, pp. 6739–6759, abr. 2022, doi: 10.1007/s10489-021-
02783-8.
[37] B. Kennedy et al., “Lemur IIb: A robotic system for steep terrain
access”, Industrial Robot, vol. 33, núm. 4, pp. 265–269, 2006, doi:
10.1108/01439910610667872.
[38] A. Parness, N. Abcouwer, C. Fuller, N. Wiltsie, J. Nash, y B. Kennedy,
“LEMUR 3: A Limbed Climbing Robot for Extreme Terrain Mobility
in Space”.
[39] T. Bretl, S. Rock, J.-C. Latombe, B. Kennedy, y H. Aghazarian,
“LNCS 21 - Free-Climbing with a Multi-Use Robot”.
[40] E. R. Bachmann, I. Duman, U. Y. Usta, R. B. Mcghee, X. P. Yun, y
M. J. Zyda, “Orientation Tracking for Humans and Robots Using
Inertial Sensors”.
[41] X. Lin, J. Zhang, J. Shen, G. Fernandez, y D. W. Hong, “Optimization
Based Motion Planning for Multi-Limbed Vertical Climbing Robots”.
[42] C. Prados, M. Hernando, E. Gambao, y A. Brunete, “MoCLORA—
An Architecture for Legged-and-Climbing Modular Bio-Inspired
Robotic Organism”, Biomimetics, vol. 8, núm. 1, p. 11, dic. 2022, doi:
10.3390/biomimetics8010011.
[43] J. Zhang, X. Lin, y D. W. Hong, “Transition Motion Planning for
Multi-Limbed Vertical Climbing Robots Using Complementarity
Constraints”, jun. 2021, [En línea]. Disponible en:
http://arxiv.org/abs/2106.07127
[44] P. B. Williams, E. Sagraniching, B. Bennett, B. Singh, y A. Advisor:
L B W B Tsai, “The Walking Robot Project”.
[45] Y. Tanaka et al., “SCALER: A Tough Versatile Quadruped Free-
Climber Robot”, jul. 2022, [En línea]. Disponible en:
http://arxiv.org/abs/2207.01180