MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 588 / SEPTIEMBRE 2026 23 rutas disponibles, adaptándose a los obstáculos presentes y ajustando la trayectoria en tiempo real para maximizar la eficiencia operativa del robot autónomo, garantizando una navegación segura en condiciones de visibilidad y accesibilidad complejas propias de la minería subterránea. El algoritmo A*, como método de búsqueda informada, es fundamental para la planificación de trayectorias en robots autónomos operando en entornos no estructurados. La integración con el Robot Operating System (ROS), particularmente en la distribución ROS Noetic, permite una gestión eficiente y modular de los diversos componentes del sistema robótico, como los sensores, actuadores y unidades de control. A* utiliza una heurística para determinar la ruta más óptima, considerando costos asociados al desplazamiento y evitando obstáculos en el entorno, lo que es crucial en espacios subterráneos donde la geometría del espacio es irregular. A través de ROS, se facilita la comunicación entre las plataformas de simulación como Gazebo y RViz, permitiendo que el algoritmo A* interactúe en tiempo real con la reconstrucción del entorno realizada mediante el algoritmo SLAM. Esta combinación permite la localización y mapeo simultáneos sin dependencia de señales GPS, asegurando que el robot pueda calcular y ajustar dinámicamente las trayectorias durante el desplazamiento, garantizando una navegación autónoma precisa y eficiente en espacios confinados y con condiciones variables, como las galerías mineras o túneles subterráneos. La Figura 6 muestra una vista superior del entorno de prueba simulado en Gazebo, utilizado para evaluar el comportamiento del robot autónomo en túneles subterráneos. El entorno está modelado con geometría hexagonal y presenta varios obstáculos estructurales que representan las características físicas de los túneles. El robot se desplaza en este entorno utilizando un sensor virtual LaserScan que captura datos a lo largo de los ejes X, Y y Z. Este enfoque de simulación permite estudiar cómo el sistema de navegación autónoma maneja las restricciones físicas de los túneles y ajusta las trayectorias en función de la información capturada, sin depender de señales GPS, lo cual es crucial para la operación en espacios confinados y sin infraestructura de geolocalización. La Figura 7 presenta la reconstrucción en tiempo real del entorno subterráneo, utilizando el algoritmo SLAM, alimentado por los datos obtenidos del sensor LaserScan. Esta reconstrucción es visualizada en RViz, una herramienta integrada en ROS Noetic, que permite generar mapas detallados del entorno mientras el robot se desplaza en el túnel. El algoritmo SLAM realiza el mapeo y la localización simultáneamente, lo que permite al robot determinar su posición relativa dentro del túnel sin necesidad de un sistema GPS. Este enfoque es esencial para la navegación autónoma en entornos subterráneos donde la señal GPS no está disponible, garantizando la precisión del sistema en condiciones de visibilidad limitada. La Figura 8 ilustra la ejecución simultánea de la simulación en Gazebo y la reconstrucción del entorno en RViz, ambas plataformas de ROS Noetic trabajando en conjunto. Este enfoque integral perTabla 2. Parámetros Estadísticos Variable (μ) (σ) Und. Justificación técnica Consumo eléctrico (corriente) 2.5 0.2 A Corriente típica en motores de tracción Error SLAM 3.5 1.2 cm Basado en algoritmos SLAM 2D-Lidar Tiempo de muestreo 12.5 2 s Tiempos esperados en brazo robótico Figura 6. Gazebo – ROS.
RkJQdWJsaXNoZXIy MTM0Mzk2