MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 588 / SEPTIEMBRE 2026 22 La desagregación funcional del consumo permitió identificar que el 50% de la energía fue destinada al desplazamiento, mientras que el sensado y la manipulación representaron el restante. Esta estabilidad sugiere que la arquitectura energética del robot está correctamente dimensionada para misiones prolongadas, con una autonomía estimada que supera el mínimo operativo crítico en contextos subterráneos, como se detalla en la Tabla 1. En la Figura 3 se muestra la evolución de la energía acumulada (Wh) consumida por el robot autónomo durante 60 minutos de operación continua, evidenciando una curva de pendiente lineal constante que alcanza un total aproximado de 62 Wh. Esta tendencia refleja un consumo energético estable y eficiente, sin picos ni sobrecargas, lo que indica un buen dimensionamiento del sistema de baterías (12V y 24V) y un control uniforme de los subsistemas, sensores, motores, actuadores y procesamiento, incluso durante maniobras como desplazamientos, giros o toma de muestras. Este comportamiento es clave en entornos subterráneos, donde la autonomía energética es crítica y no se dispone de recarga inmediata. Precisión del sistema de localización Con el objetivo de validar el desempeño del robot autónomo en condiciones operativas realistas, se diseñó una simulación numérica de tipo predictivo, utilizando distribuciones aleatorias normalizadas para emular los parámetros críticos del sistema durante una misión subterránea de 60 minutos (Liang et al., 2023). La simulación fue realizada en MATLAB, considerando variables clave como consumo energético, error de localización SLAM, tiempo de toma de muestras y activación del protocolo de retorno. Análisis de trayectoria o localización SLAM En esta investigación, el algoritmo A* fue implementado sobre un mapa binario simulado de una mina subterránea, donde los píxeles blancos representan zonas no transitables (paredes o rocas) y los píxeles negros representan corredores navegables. Se diseñaron corredores superiores e inferiores, así como una cavidad central que simula la zona de toma de muestras geológicas. Donde todo parte de una imagen real para posterior a ello realizar un análisis de niveles de grises. En las imágenes 4a y 4b, se muestran dos representaciones de la misma estructura, pero con diferentes técnicas de iluminación para resaltar detalles específicos. La Figura 4a utiliza una iluminación suave para crear sombras que realzan las formas del objeto, mientras que en la Figura 4b, se emplea una iluminación más contrastante, lo que intensifica las texturas y detalles superficiales. Esta simulación evidencia que A* no solo valida la factibilidad geométrica del entorno, sino también la operabilidad segura del sistema autónomo, mejorando la capacidad del sistema autónomo para identificar áreas relevantes para el muestreo y garantizar su operabilidad en entornos con diferentes condiciones visuales. La Figura 5, presenta el resultado de la simulación de trayectorias planificadas mediante el algoritmo A* en un entorno subterráneo modelado como mina. Se visualizan tres rutas distintas hacia la zona de muestreo, representadas en verde, naranja y roja. Estas trayectorias se planifican considerando tanto la geometría irregular del entorno como las restricciones de seguridad establecidas, las cuales incluyen márgenes de seguridad para evitar el contacto con las paredes del túnel. La simulación refleja cómo el algoritmo A* optimiza las Figura 5. Trayectorias planificadas con A*.
RkJQdWJsaXNoZXIy MTM0Mzk2