Innovación en control de robots: el INAUT desarrolla un nuevo sistema neuroadaptativo previene desvíos en vehículos autónomos

En el panorama actual de la automatización industrial y la Logística 4.0, la utilización de vehículos de guiado autónomo y robots móviles con ruedas (WMR, por sus siglas en inglés) se ha consolidado como un pilar fundamental. Estas plataformas permiten optimizar procesos de transporte interno, exploración e inspección sin intervención humana directa. Sin embargo, garantizar que un robot móvil mantenga una trayectoria planificada con precisión milimétrica representa un desafío técnico complejo cuando operan en entornos reales, variables e impredecibles.

Las perturbaciones físicas cotidianas, tales como variaciones repentinas en el peso transportado, modificaciones en el rozamiento del suelo, el desgaste mecánico de los neumáticos o maniobras en trayectorias con giros bruscos, provocan desvíos considerables si la máquina utiliza algoritmos de control estáticos. Para resolver esta problemática, una investigación internacional con participación destacada de especialistas del Instituto de Automática (INAUT), unidad ejecutora de doble dependencia entre el Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) y la Universidad Nacional de San Juan (UNSJ), ha diseñado una novedosa estrategia de control inteligente capaz de autoajustarse dinámicamente en tiempo real.

Una arquitectura de control inteligente en dos etapas

El trabajo presenta un controlador adaptativo de modelo de referencia neuroadaptativo (NA-MRAC), articulado dentro de una estructura jerárquica en cascada. Esta arquitectura divide el problema de navegación en dos niveles interconectados:

• Controlador cinemático externo: Genera las velocidades de referencia necesarias mediante leyes inversas para seguir la ruta deseada.

• Controlador dinámico interno: Aplica las fuerzas y pares de torsión requeridos para que la estructura física ejecute dichos comandos, corrigiendo las desviaciones en el acto.

"El aspecto distintivo de esta formulación radica en la combinación sinérgica de un mecanismo de adaptación basado en regresores con una red neuronal de funciones de base radial (RBF-NN). Mientras que el regresor absorbe las no linealidades estructuradas del modelo físico, la red neuronal se encarga de aproximar dinámicamente cualquier incertidumbre no modelada, como fricciones o perturbaciones externas repentinas", explica el equipo de investigación del INAUT.

A diferencia de las soluciones metodológicas tradicionales que apelan a la linealización simplificada de la planta del robot —procedimiento que suele derivar en fallas de estabilidad cuando la máquina opera a altas velocidades o bajo cargas pesadas—, el desarrollo aborda la dinámica no lineal completa del vehículo. Mediante un exhaustivo análisis matemático fundamentado en la teoría de estabilidad de Lyapunov, el equipo de científicos demostró formalmente que los errores de seguimiento de trayectoria se mantienen acotados (demostrando la propiedad de acotación última uniforme o UUB), garantizando un comportamiento estable y seguro bajo cualquier escenario operativo.

Validación experimental y colaboración científica internacional

El desempeño del controlador NA-MRAC fue evaluado mediante simulaciones numéricas sobre una plataforma Pioneer 3DX dentro del entorno de simulación física MobileSim. Las pruebas sometieron al vehículo a dos exigencias críticas:

• Variaciones abruptas de carga: Se alteró la masa transportada durante el recorrido para evaluar la recuperación ante cambios dinámicos.

• Trayectorias no suaves: Se probaron giros cerrados en 90 grados para verificar la estabilidad ante discontinuidades en la dirección.

En ambos escenarios, el algoritmo corrigió las perturbaciones de manera inmediata, restaurando el seguimiento preciso de la ruta y exhibiendo una evolución de error significativamente más suave y estable frente a otros controladores de referencia evaluados.

La investigación refleja un destacado esfuerzo de cooperación científica y académica regional e internacional. El trabajo contó con la autoría de Jorge Uliarte, perteneciente a la Facultad de Ingeniería de la Universidad Nacional de Cuyo (UNCu); Eduardo Oliveira Freire, de la Universidade Federal de Sergipe (UFS, Brasil); Fernando Ulloa Vázquez, de la Universidad Tecnológica Metropolitana (UTEM, Chile); Federico Camargo, de la Universidad Tecnológica Nacional (UTN - Facultad Regional La Rioja); e Humberto Secchi, Ricardo Carelli y Francisco Rossomando, investigadores del Instituto de Automática (INAUT, CONICET-UNSJ).

Los resultados obtenidos no solo demuestran la viabilidad técnica de combinar controladores cinemáticos y dinámicos neuroadaptativos en cascada, sino que además abren nuevas perspectivas para la transferencia tecnológica hacia plataformas industriales autónomas que requieran operar con máxima precisión y confiabilidad en entornos logísticos e industriales inciertos.