Por: Francisco Cuellar y Diego Quiroz, Tumi Robotics.

Resumen

En Perú, el Ministerio de Energía y Minas ha implementado el Decreto Supremo 024-2016-EM con el objetivo de reducir los accidentes mortales en la industria minera. Existen tareas esenciales como la exploración, inspección y digitalización de galerías subterráneas que pueden presentar un alto riesgo para los trabajadores ya que se pueden producir accidentes. Esto se debe al uso de métodos tradicionales para la medición, la topología variable y de difícil acceso, la exposición a gases nocivos, entre otros. Los efectos negativos incluyen accidentes fatales, paralización de la operación, fallas en la infraestructura y pérdidas económicas. 

Estos efectos menoscaban la imagen de las empresas mineras ante los inversores que buscan prácticas de inversión sostenible y responsable. En este contexto, se hace necesario buscar soluciones más eficientes y seguras para la exploración, inspección y digitalización de galerías subterráneas en la industria minera. Se propone como solución el uso de un robot terrestre no tripulado capaz de desplazarse en superficies irregulares para la digitalización, inspección y diagnóstico recurrente y seguro de la infraestructura de galerías subterráneas en minería. 

El robot puede ser operado de forma remota o desplazarse de manera autónoma mediante el uso de visón y posicionamiento en conjunto con algoritmos de navegación basados en Visual SLAM (VSLAM). Además, cuenta con un módulo de comunicación inalámbrica sobre la base de nodos que permite la transmisión de datos a la estación para conocer la posición y situaciones críticas del robot en tiempo real. 

El equipo es capaz de realizar tareas como la reconstrucción 3D de la infraestructura subterránea, identificación de riesgos y almacenamiento de videos de alta calidad. La propuesta permite recopilar una gran cantidad de información del entorno subterráneo de forma recurrente sin poner en riesgo la vida de los trabajadores, lo que mejora la eficiencia y seguridad en la exploración e inspección. Es por ello, que el robot cuenta con: un módulo de autonomía Tuminav Underground que permite la movilización autónoma en galerías subterráneas, sensores LiDAR, cámaras RGB e infrarrojas para la reconstrucción tridimensional del ambiente asociadas a mapas de calor para la inspección del interior de las galerías, un chasis equipado con suspensión independiente, direccionamiento Ackerman, seis motores y ruedas de alta potencia con protección hermética IP68 para el desplazamiento en terrenos accidentados en condiciones extremas y módulos de comunicación inalámbrica para espacios confinados para el monitoreo remoto y en tiempo real desde la estación base.

En el presente artículo se muestra el diseño del sistema para digitalización autónoma de galerías subterráneas en particular las secciones de plataforma móvil, navegación autónoma y comunicación inalámbrica. Asimismo, se presentan los resultados obtenidos de pruebas de validación realizadas en entornos reales.

Introducción

La industria minera enfrenta desafíos constantes en la exploración y mantenimiento de túneles y galerías subterráneas. Estas áreas representan un entorno complejo y peligroso, el cual conlleva diversos riesgos que pueden poner en peligro la seguridad y la vida de los trabajadores, entre estos riesgos se encuentran condiciones ambientales desafiantes (baja visibilidad debido al polvo y temperaturas extremas), presencia de gases nocivos que representan un riesgo para la salud y la seguridad de los trabajadores, terrenos inestables aumentando el riesgo de deslizamientos de rocas, colapsos o hundimientos. Estas condiciones pueden provocar lesiones graves o incluso la muerte de los trabajadores.

Ante esta situación, el reglamento de seguridad minera implementado por el Ministerio de Energía y Minas (cuya última iteración es el Decreto Supremo 024-2016-EM) con el objetivo de reducir los accidentes mortales en la industria minera, ha logrado reducir drásticamente los índices de severidad y accidentabilidad^[1]. Sin embargo, los accidentes que ocurren dentro de túneles y galerías subterráneas siguen representando un porcentaje elevado de los accidentes mortales. Según estadísticas de Osinergmin, 33% de los accidentes mortales ocurridos entre los periodos del 2016 – 2020 son causados por caídas de rocas, gaseamiento y deslizamientos^[2].

Es fundamental abordar estos riesgos de manera efectiva para garantizar la seguridad de los trabajadores y mejorar la eficiencia en las tareas de inspección y exploración en las galerías subterráneas. El uso de tecnologías avanzadas, como robots móviles todoterreno, puede desempeñar un papel crucial en la reducción de estos riesgos al permitir la inspección y digitalización autónoma de las galerías, minimizando la exposición humana a situaciones peligrosas.

Los vehículos autónomos están revolucionando varias industrias, incluida la minería, al aumentar la eficiencia, la seguridad y la productividad. La exploración de túneles mineros subterráneos es un área donde los vehículos autónomos han ido ganando terreno en los últimos años.

La revisión de la literatura revela una variedad de investigaciones en el campo de las plataformas robóticas aplicadas a la exploración y topología de minas abandonadas en Estados Unidos de América^[3][4]. Por ejemplo, en el desafío subterráneo de Darpa, varios robots cuadrúpedos realizaron la exploración de túneles mineros^[5]. Otras iniciativas proponen robots para superficies irregulares de bajo costo para la inspección de minas subterráneas^[6]. El equipo CoSTAR validó una red autónoma avanzada de robots para desempeñarse en el desafío subterráneo de Darpa^[7]. Investigadores de Alemania proponen que en el futuro los robots acelerarán el mapeo de minas, crearán modelos virtuales, asistirán a los trabajadores y aumentarán la seguridad^[8]. En Australia, se llevó a cabo una evaluación experimental con un camión autónomo de carga, transporte y volcado (LHD)^[9][10].

Ya se habían probado desafíos relevantes para las operaciones de robótica subterránea, como posicionamiento, seguimiento, mapeo, navegación y topografía. En la presentación de J. C. Ralston, C. O. Hargrave and D. W. Hainsworth^[11] la localización de los equipos de minería subterránea se logra mediante Ethernet inalámbrico. Los estimadores de trayectoria avanzados se utilizan con técnicas de aprendizaje profundo^[12]. En el trabajo de U. Artan, J. Marshall, and N. Lavigne^[13], se realiza el mapeo en galerías subterráneas de minas con un método robusto y de bajo costo. Los puntos clave para una estimación robusta de la odometría podrían obtenerse mediante el uso de Radar^[14], que puede funcionar en condiciones extremas como niebla, destello de lente, lluvia y nieve^[15]. Radar podría enfrentar el desafío de las condiciones climáticas desfavorables y usarse como una modalidad de detección paralela a la visión y LiDAR^[16] para compensar la distorsión del movimiento. Esta tecnología también podría utilizarse para el control volumétrico^[17]. Las configuraciones rotatorias de LiDAR 2D y 3D son usadas por T. Neumann, E. Dülberg, S. Schiffer, A. Ferrein^[18] para obtener nubes de puntos de alta densidad para el mapeo con robots móviles. M. Palieri et al.^[19] presentan una solución multisensor LiDAR-Centric para el mapeo 3D en tiempo real. Otras técnicas combinan LiDAR y cámaras térmicas para localización y mapeo simultáneos (SLAM)^[20]. Existen herramientas de código abierto para evaluar algoritmos de mapeo basados en la experiencia del Darpa Subchallenge^[21]. El mapeo 3D probabilístico es propuesto por K. Shankar, and N. Michael^[22]. La técnica de registro del modelo de mezcla gaussiana permite el mapeo y la navegación en dominios oscuros, complejos y no estructurados, como cuevas y minas^[23]. Los desarrollos más recientes ya están funcionando en objetivos volumétricos de exploración multirobot de entornos 3D^[24].

Sin embargo, a pesar del potencial que presentan las diversas investigaciones realizadas en los ámbitos de navegación autónoma subterránea, reconstrucción tridimensional y tecnologías de detección, hasta el momento no se ha logrado una integración aplicada de todos estos avances que sea capaz de abordar las complejidades y desafíos de situaciones reales. 

Es fundamental desarrollar un enfoque que considere el movimiento del vehículo en entornos subterráneos, las oscilaciones y vibraciones generadas por el terreno irregular, y que permita realizar una digitalización precisa sin poner en riesgo el bienestar de los trabajadores involucrados. La integración de estos aspectos es crucial para lograr soluciones verdaderamente efectivas y seguras en el contexto de la exploración y operaciones mineras subterráneas.

Por lo tanto, con el objetivo de mejorar la seguridad y eficiencia de los procesos de inspección y digitalización autónoma en túneles y galerías de minería subterránea, se propone el diseño de un robot móvil todoterreno con sistema de navegación autónomo que realice las tareas mediante la recopilación de datos de forma automática en estos entornos hostiles. El robot es robusto y cuenta con un sistema de tracción y dirección todo terreno que le permite desplazarse por ambientes hostiles con presencia de escombros y agua mediante el uso de seis ruedas con sistema de suspensión independiente para cada rueda y un sistema de Ackerman doble que le permite girar sin deslizamiento de las ruedas ni afectar la tracción del vehículo. Adicionalmente, el equipo cuenta con un sistema de escaneo y reconstrucción tridimensional que permite que el sistema pueda navegar de forma autónoma por entornos desconocidos, permitiendo al vehículo ser una herramienta útil para tareas de exploración. Durante su recorrido, el robot genera su propia red de comunicación inalámbrica que se auto- expande mediante el despliegue de nodos de comunicación lo cual permite que los operarios puedan visualizar el estado del robot y los resultados de la inspección en todo momento sin requerir están físicamente presentes en la galería.

Este artículo está organizado de la siguiente forma: la Sección II presenta el diseño mecatrónico propuesto para el vehículo considerando las condiciones hostiles y extremas de galerías subterráneas. La Sección III se enfoca en el desarrollo del sistema de navegación autónoma del robot terrestre basado en algoritmos de procesamiento de nube de puntos en tiempo real. La Sección IV presenta las simulaciones de la estrategia de control para el vehículo y la validación del algoritmo de navegación propuesto. Finalmente, la Sección V muestra la implementación y pruebas realizadas en ambiente real.

Diseño y desarrollo del robot de inspección

El principal objetivo de diseño de todo el sistema es obtener datos y parámetros que permitan realizar labores de inspección y digitalización de túneles y galerías subterráneas de forma automática y sin poner en riesgo el bienestar de los trabajadores. Con este objetivo, el diseño toma en cuenta las condiciones hostiles presentes en estos entornos para establecer los requisitos de diseño. La solución considerada, la cual se muestra en el diagrama de la Figura 1 y sus especificaciones principales en la Tabla 1, consta del uso de un robot terrestre todo terreno con sistema de navegación autónoma para ingresar a túneles y galerías subterráneas con fines de inspeccionar, explorar y digitalizar dichos ambientes. El robot es robusto y cuenta con un sistema de tracción y dirección todo terreno que le permite desplazarse por ambientes hostiles con presencia de escombros y agua mediante el uso de seis ruedas con sistema de suspensión independiente para cada rueda y un sistema de Ackerman doble que le permite realizar giros sin deslizamiento de las ruedas ni afectar la tracción del vehículo.

Adicionalmente, el equipo cuenta con un sistema de escaneo y reconstrucción tridimensional que permite la navegación de forma autónoma por entornos desconocidos, posibilitando al vehículo ser una herramienta útil para tareas de exploración. 

Durante su recorrido, el robot genera su propia red de comunicación inalámbrica que se auto-expande mediante el despliegue de nodos de comunicación, lo cual permite que los operarios puedan visualizar el estado del robot y los resultados de la inspección en todo momento sin requerir estar físicamente presentes en la galería.

Los requisitos de diseño se enumeran a continuación.

ν La estructura principal del vehículo debe de ser robusta para garantizar un buen desempeño en galerías subterráneas.

ν El robot debe de ser capaz de navegar dentro de túneles y galerías considerando la presencia de escombros y fluidos.

ν Los componentes electrónicos deben estar protegidos dentro de una caja con una clasificación mínima de IP67 según la norma IEC 6052.

ν El vehículo debe de tener una velocidad máxima de 1.5 m/s.

ν Las dimensiones del vehículo no deben exceder los 1.5 (L) x 1 (An) x 0.6 (Al) m, para facilitar el transporte y el montaje.

ν Las ruedas y módulos del robot deben de ser desmontables.

ν El vehículo debe tener una autonomía de al menos 2 horas.

ν El vehículo debe de contar con un sistema de comunicación inalámbrica con un alcance de al menos 400 m para envío de datos y 50 m para envío de video por nodo.

ν La alimentación del sistema debe estar compuesta por baterías recargables, cuyo voltaje debe ser menor y monitoreado.

Plataforma móvil robusta

La plataforma móvil utilizada en el vehículo consta de cuatro módulos como se muestra en la Figura 2: a) un sistema de tracción compuesto por seis ruedas motrices con suspensión independiente y sistema de giro Ackerman doble para proporcionar estabilidad mecánica, permitiéndole desplazarse de manera efectiva en entornos irregulares. b) Un sistema de análisis de entorno subterráneo, planeamiento y navegación autónoma que permite que el vehículo explore las galerías mineras sin necesidad de la presencia de un operario. c) Una plataforma de escaneo tridimensional y sensado basado en LiDAR que captura una nube de puntos y realiza la digitalización de las galerías. d) Un sistema de generación de red de comunicación inalámbrica, el cual se logra mediante el despliegue de módulos extensores, permitiendo la visualización remota de resultados y la evaluación del desempeño del robot.

La función principal del vehículo implica la necesidad de desplazarse en entornos irregulares, con presencia de agua, barro, escombros, piedras, entre otros, como se muestra en la Figura 3. Por lo tanto, el robot requiere un grado de robustez para garantizar un buen rendimiento en estos entornos. Con este fin, el vehículo diseñado cuenta con un chasis rígido fabricado a partir de perfiles cuadrados de acero inoxidable y un sistema de suspensión independiente en cada rueda. Adicionalmente, se ha diseñado el sistema de tracción con un grado de protección IP68 para evitar el ingreso de agua o líquidos hacia los actuadores, soportando sumersión total por un periodo de 4 horas.

En el interior del vehículo, como se puede apreciar en la Figura 4, se encuentra la estructura principal, la cual consiste de acero inoxidable. Esta tiene la función de brindar soporte y rigidez al robot, y cuenta con áreas específicas para albergar los componentes electrónicos y periféricos necesarios para su operación, como los módulos de navegación autónoma y el sistema de despliegue de nodos de comunicación inalámbrica. Además, la estructura actúa como bastidor para los mecanismos de suspensión, proporcionando puntos de fijación para los elementos de suspensión independiente, conocidos como double wishbone, los cuales se conectan a las ruedas equipadas con motores integrados que generan la tracción del vehículo.

En la vista frontal mostrada en la Figura 5, se puede apreciar la composición de la suspensión a detalle conformada por dos horquillas denominadas wishbone superior e inferior. Estas horquillas se unen a los motores de las ruedas mediante un pivote central y un resorte amortiguador para soportar las vibraciones generadas por los cambios en el terreno. Las ruedas frontales y posteriores del vehículo cuentan adicionalmente con un mecanismo de giro, el cual se ubica en la parte central de la estructura.

Finalmente, en la Figura 6, se muestra el sistema de giro de las ruedas, tanto delanteras como traseras, el cual es accionado por el mecanismo de Ackerman doble. Este permite que el vehículo realice giros precisos y controlados, facilitando su navegación en las galerías mineras subterráneas.

Diseño electrónico

La arquitectura de hardware se divide en cinco módulos principales, manteniendo la estructura del sistema, tal como se muestra en la Figura 7. Un módulo principal representando al vehículo todoterreno, un módulo de navegación autónoma, una plataforma multisensorial para inspección y digitalización, un módulo de comunicación inalámbrica y una serie de nodos extensores para establecer la red inalámbrica. A continuación se presenta una explicación detallada de cada módulo.

1) Módulo mecánico de robot todoterreno: la plataforma móvil de la solución cumple la tarea de permitir el desplazamiento por el interior de los túneles y galerías. Para esta tarea emplea un total de seis motores para tracción y uno para la dirección del vehículo. Adicionalmente, contiene luces neblineras de alta luminosidad (6,000 lúmenes) y cámaras que permiten detectar y transmitir video del entorno hacia la estación de control remota a través del computador principal que integra el vehículo. Contiene una batería de 48V que le garantiza una autonomía desplazándose por un periodo de 2 horas.

2) Módulo de navegación autónoma: el segundo módulo extiende al vehículo otorgando la capacidad de navegar de forma autónoma. Para este fin contiene un sensor LiDAR para detectar y analizar el entorno del robot y un computador con unidad de procesamiento gráfica (GPU) de 200 Tera operaciones por segundo (TOPS), el cual permite procesar y analizar la nube de puntos para determinar por donde puede el robot desplazarse de forma segura y planificar la ruta con estos datos. Este componente se comunica con la plataforma móvil para indicarle los movimientos que debe realizar, analizando constantemente la posición del vehículo y corrigiendo el desplazamiento para garantizar que se mantenga en la ruta establecida. El módulo de autonomía contiene su propia fuente de energía con el fin de no afectar la autonomía total del vehículo.

3) Módulo de escaneo y digitalización: el tercer módulo considerado contiene una plataforma multisensorial con un LiDAR de 360° x 59°, el cual puede capturar un total de 200,000 puntos por segundo a una precisión de 2 cm, una cámara RGB 4K de baja luminosidad, una cámara térmica y sensor inercial. Estos sensores se conectan a la computadora principal donde los datos se almacenan para realizar la reconstrucción tridimensional y digitalización de forma posterior a la inspección.

4) Módulo de comunicación inalámbrica: este es un sistema de comunicación de doble frecuencia (WiFi y LoRA) garantizando la posibilidad de transmitir video y nube de puntos por un canal de alta frecuencia (2.4 GHz) y datos respecto al estado y ubicación del robot por un canal de baja frecuencia (169 MHz) hasta 1 km. Este módulo establece una comunicación inalámbrica con los nodos extensores, los cuales el robot va dejando en su recorrido.

5) Nodo extensor: el vehículo contiene una serie de nodos extensores, los cuales se van dejando a lo largo de su recorrido para establecer una malla de comunicación inalámbrica que garantiza la transmisión de datos desde el robot hacia la estación base de control sin necesidad de un cableado previo. Para ello, los nodos extensores cuentan con los componentes de comunicación WiFi y LoRa, así como una batería de litio propia garantizando su operación por un periodo máximo de 10 horas.

Sistema de comunicación inalámbrica

En el contexto de las galerías mineras subterráneas, se encuentran limitaciones para la implementación de sistemas de comunicación cableados debido a la presencia de curvas y bifurcaciones, lo que aumenta el riesgo de que los cables se enreden o queden atrapados. Por esta razón, se opta por utilizar un sistema de comunicación inalámbrica que brinde libertad de navegación en todo tipo de túneles subterráneos. Sin embargo, es importante destacar que la comunicación inalámbrica está sujeta a la línea de vista directa, ya que las señales inalámbricas no pueden penetrar el macizo rocoso. Ante esta situación, se decide implementar nodos de comunicación estratégicamente ubicados, considerando el monitoreo de la intensidad de la señal, para funcionar como puentes y establecer una única red inalámbrica. Esto permite que el sistema de navegación se mantenga constantemente conectado con la estación remota. Los nodos de comunicación actúan como repetidores y están organizados en una arquitectura tipo malla, interconectándose y gestionando la prioridad de la comunicación.

Dentro de las opciones para la comunicación inalámbrica, se propone el uso de la tecnología LoRa, que es un medio de comunicación por radio que permite alcanzar distancias de hasta 50 km con un consumo de energía muy bajo. Sin embargo, cabe mencionar que tiene un ancho de banda limitado, por lo que se utiliza principalmente para el envío de comandos prioritarios. Además, se emplea una comunicación WiFi para la transmisión de datos de mayor ancho de banda, utilizando una conexión tipo malla que garantiza la continuidad de la transmisión a lo largo del recorrido. La Figura 8 muestra el sistema de comunicación inalámbrico diseñado en conjunto con el sistema de despliegue automático, el cual se activa al detectar una señal débil, permitiendo que un nuevo nodo se integre a la malla generada automáticamente.

El algoritmo implementado para interconectar la comunicación de los módulos en una topología tipo malla, permite el intercambio de información entre los dispositivos conectados a la red. Este algoritmo incorpora un sistema de prioridad para la transferencia de datos entre los nodos, basado en el orden en que se haya iniciado la transferencia. Cada módulo cuenta con un número de identificación que permite establecer el origen de la información recibida y hacia donde debe ser enviada para asegurar que llegue a su destino final.

Diseño del sistema de control y navegación autónoma

El diseño del módulo de navegación autónoma, mostrado en la Figura 9, se ha enfocado en características clave como la compactibilidad, la distribución uniforme de componentes y la independencia de ensamble entre sensores LiDAR y la caja electrónica. Con dimensiones de 350x200x350 mm, este diseño se presenta como una opción compacta. Está compuesto por dos partes principales: la caja electrónica, que alberga el sistema de energía y la computadora con GPU, y los sensores LiDAR provenientes del módulo de escaneo y digitalización.

Esta configuración permite el transporte y el ensamblaje de los componentes de forma independiente, manteniendo la modularidad de la solución.

El diseño de un algoritmo de navegación autónoma definido por Siegwart, Nourbakhsh y Scaramuzza^[25] se divide en cuatro partes principales: percepción, localización y mapeo, planificación de ruta y actuación. Para el caso del sistema propuesto, se emplean sensores LiDAR para la percepción del entorno, un algoritmo basado en SLAM para la localización y mapeo, un algoritmo de exploración basado en grafos para la planificación de rutas y el sistema de tracción de la plataforma móvil para la actuación del robot. La interacción entre estos algoritmos se muestra en la Figura 10.

El algoritmo de exploración basado en grafos implementado en el robot todoterreno consta de un planificador de rutas local y global. El planificador local, mostrado en la Figura 11, se compone de cuatro etapas principales que permiten obtener la mejor ruta posible para el recorrido del robot. En primer lugar, se realiza la construcción de grafos mediante la creación de vértices muestreadas de manera aleatoria utilizando algoritmos de exploración rápida en la zona local alrededor del robot. Estos vértices deben ocupar espacios libres de colisión, y los bordes que los conectan se generan mediante algoritmos de búsqueda se vecinos cercanos. A continuación, se unen todos los caminos posibles para formar una red densa de vértices y bordes. En la segunda etapa, se aplica el algoritmo de Dijkstra a esta red de caminos posibles para obtener las rutas más cortas y eliminar aquellas que sean redundantes o zigzagueantes. Luego, se evalúan las rutas restantes considerando factores como la longitud, los cambios de dirección, la transversalidad del robot y la ganancia de exploración, con el objetivo de seleccionar únicamente la mejor ruta cercana. Finalmente, esta trayectoria se ajusta refinadamente para evitar obstáculos cercanos.

Por otro lado, el planificador global se activa inicialmente cuando se encuentra con caminos sin salida, evaluando otros puntos de la red de caminos formada en recorridos anteriores. En el segundo caso, este planificador siempre mantiene una ruta de regreso al punto de inicio en caso de imprevistos, como límites de tiempo en la exploración o niveles bajos de batería. Ante tales circunstancias, el planificador global priorizará la función de regreso a casa.

Implementación y pruebas en ambiente real

Luego de haber realizado los cálculos de diseño y su respectivo desarrollo en CAD, se procedió a la fabricación e implementación del vehículo tal como se muestra en la Figura 12.

Con el fin de validar los diversos componentes del vehículo, se realizaron una serie de pruebas en una mina modelo, la cual consiste en un túnel subterráneo de 50 m de longitud con sostenimiento pasivo. El túnel contiene dos ángulos de 90°, suelo no uniforme y estructuras de madera por lo que es bastante representativo del entorno minero real, tal como se puede apreciar en la Figura 13. Las pruebas se realizaron con las metas de validar el vehículo y sus diferentes componentes en particular:

ν El sistema de suspensión y tracción independiente.

ν Escaneo activo y análisis de entorno subterráneo en tiempo real.

ν Navegación autónoma mediante el cálculo de costos de desplazamiento, planificación y seguimiento de ruta establecida.

ν Almacenamiento de datos y digitalización tridimensional de galería subterránea.

ν Comunicación inalámbrica mediante sistema de frecuencia dual.

Los resultados de las pruebas realizadas demuestran el funcionamiento eficiente y preciso del robot móvil todoterreno en la inspección y digitalización autónoma de túneles subterráneos. En las Figuras 14 y 15, se puede observar el proceso de lectura de la nube de puntos y el análisis del entorno en tiempo real. Estas figuras muestran claramente la capacidad del robot para detectar la geometría representativa del túnel, registrar el desplazamiento realizado y la ruta planificada por el algoritmo de navegación. Estos resultados confirman que el vehículo se desplaza de manera adecuada por el entorno subterráneo.

Adicionalmente, la Figura 16, presenta el análisis de bóxeles realizado por el algoritmo de navegación. Este asigna un costo a cada celda virtual y determina la ruta a seguir mediante una optimización del mapa de costos. Este enfoque garantiza que el vehículo se mantenga en zonas transitables y seguras dentro de la galería subterránea.

Para evaluar la capacidad del sistema en la captura de datos del entorno y su posterior digitalización, se procesó la información obtenida por el módulo de escaneo y digitalización. Los algoritmos propietarios desarrollados por Tumi Robotics lograron obtener una representación tridimensional, como se muestra en la Figura 17. Allí se presenta una sección escaneada del tramo inicial del túnel modelo, donde se puede apreciar claramente la geometría general del ambiente, incluyendo las elevaciones del suelo y las dos esquinas de 90°. Además, se destacan los detalles del sostenimiento pasivo a base de madera, proporcionando una visión detallada de la infraestructura subterránea.

Haciendo un acercamiento dentro del túnel, como se muestra en la Figura 18, se realizó una comparación entre la reconstrucción tridimensional obtenida y el entorno subterráneo real. En este proceso, se puede apreciar la similitud entre ambas imágenes, demostrando la capacidad de la solución propuesta en obtener representaciones digitales que permitan comprender el estado de los túneles y galerías subterráneas de forma segura. Los detalles del entorno, como las características estructurales y las texturas de las paredes del túnel, son capturados, lo que proporciona una representación visual altamente confiable. Esta capacidad de reproducción del entorno subterráneo es fundamental para la toma de decisiones y la planificación de acciones en las operaciones mineras, así como para la identificación de riesgos potenciales en las galerías mineras (como la presencia de piedras y escombros mostrados en la Figura 19) ya que brinda una visión realista y detallada del entorno en el que se llevarán a cabo las actividades mineras.

Para la validación del sistema de comunicación inalámbrica se instalaron tres nodos a una distancia aproximada de 10 metros entre cada uno en puntos estratégicos donde la línea de vista ya se encontraba limitada. Las pruebas consistieron en establecer la comunicación entre una estación de control y el robot móvil todoterreno. Los equipos se configuran tal que establezcan una red local y se puedan conectar directamente desde el arranque a la malla inalámbrica generada. En la Figura 20 se muestra el mapa del túnel y los puntos de instalación de los nodos.

La configuración y monitoreo de ambos robots y su respectiva data se realizó desde el ingreso 1, las cuales consistieron en:

ν Iniciar el programa de navegación autónoma.

ν Iniciar el programa de cámara térmica.

ν Iniciar el programa de transmisión de video en tiempo real.

La comunicación se validó mediante el uso de un dispositivo portátil con pantalla integrada de tal forma que se pueda visualizar la transmisión de datos de tipo broadcast y se pueda acceder al monitoreo y/o control mientras se esté conectado a la malla inalámbrica. La Figura 21 muestra el monitoreo de todos los parámetros a través de la red WiFi establecida.

Durante las pruebas, se logró una transmisión continua de datos sin pérdida de paquetes, con una frecuencia de registro de datos de 10 Hz y una transmisión de video de 30 FPS, sin una latencia visible. Esto permitió mantener una comunicación fluida entre el robot todoterreno autónomo y la estación de control ubicada fuera de la mina modelo.

Estos resultados demuestran la capacidad del robot móvil todoterreno para capturar información detallada del entorno subterráneo y realizar una digitalización precisa del mismo. Esta funcionalidad es crucial para la planificación de tareas de mantenimiento y la identificación de posibles riesgos en las galerías mineras subterráneas. La combinación de la lectura de la nube de puntos en tiempo real y la reconstrucción tridimensional del ambiente proporciona una visión completa y precisa del entorno, mejorando significativamente la eficiencia y la seguridad en las operaciones mineras.

Conclusiones

1. En este artículo, se ha presentado el diseño mecánico y electrónico de un vehículo todoterreno destinado a la inspección y digitalización de túneles y galerías en entornos mineros subterráneos. Se presentaron las consideraciones que se han tenido en cuenta para garantizar un rendimiento óptimo en un entorno hostil y desafiante. La plataforma móvil robusta ha demostrado su capacidad para navegar eficientemente dentro de las galerías, al mismo tiempo que transporta los sensores necesarios para el escaneo y la digitalización.

2. Se integra en el vehículo un sistema de navegación autónoma basado en la captura y análisis de nube de puntos, lo que permite identificar las áreas transitables en el entorno y planificar una ruta óptima utilizando un algoritmo de optimización de costos. Este algoritmo se ha integrado de manera efectiva con el vehículo generando las señales de control necesarias para los motores y garantizar un desplazamiento preciso y seguro. No obstante, se realiza una medición continua de la ubicación del vehículo dentro del túnel para corregir cualquier desviación en caso se requiera y garantizar que se mantenga en la ruta establecida.

3. Para validar el sistema completo, se llevaron a cabo pruebas exhaustivas en un entorno real. Estas han demostrado de manera concluyente el funcionamiento del vehículo, los algoritmos de navegación y la adquisición de datos por parte de los sensores para la digitalización. Los resultados obtenidos han sido prometedores, mostrando la capacidad del vehículo para recopilar información del entorno subterráneo de manera autónoma y segura, lo cual es esencial para mejorar la eficiencia y seguridad en la exploración y la inspección de galerías mineras.

4. En resumen, el vehículo todoterreno desarrollado en este estudio representa una solución viable y efectiva para abordar los desafíos asociados con la exploración y

5. la digitalización de galerías mineras subterráneas. La combinación de una plataforma móvil robusta, un sistema de navegación autónoma y capacidades de escaneo y digitalización precisas proporciona una herramienta valiosa para la industria minera. Se espera que esta tecnología contribuya a reducir los riesgos asociados con las tareas de inspección y mejore la eficiencia y la seguridad en las operaciones mineras subterráneas.

Referencias

^[1] Osinergmin, Análisis Estadístico de Seguridad y Compendio Ilustrativo de Accidentes en el Sector de Mediana Minería y Gran Minería – 2019.

^[2] Osinergmin, Accidentes Mortales en Minería – Osinergmin. Plataforma interactiva. Revisado 10/06/2023.

^[3] S. Thrun et al., "Autonomous exploration and mapping of abandoned mines", in IEEE Robotics & Automation Magazine, vol. 11, no. 4, pp. 79-91, Dec. 2004.

^[4] A. Morris, D. Silver, D. Ferguson and S. Thayer, "Towards Topological Exploration of Abandoned Mines", Proceedings of the 2005 IEEE International Conference on Robotics and Automation, 2005.

^[5] I. D. Miller et al., "Mine Tunnel Exploration Using Multiple Quadrupedal Robots", in IEEE Robotics and Automation Letters, vol. 5, no. 2, pp. 2840-2847, April 2020.

^[6] S. Rebel, F. Hüning, I. Scholl, A. Ferrein, "MQOne: Low-Cost Design for a Rugged-Terrain Robot Platform”, in Intelligent Robotics and Applications. ICIRA 2015. Lecture Notes in Computer Science.

^[7] A. Agha et al., "NeBula: Quest for Robotic Autonomy in Challenging Environments; Team CoSTAR at the DARPA Subterranean Challenge", Accepted for publication in the Journal of Field Robotics, 2021.

^[8] S. Grehl, H. Mischo, B. Jung, “Research perspective – mobile robots in underground mining”, The AusIMM Bulletin, vol. 44, 2017.

^[9] S. Scheding, G. Dissanayake, E. M. Nebot and H. Durrant-Whyte, "An experiment in autonomous navigation of an underground mining vehicle", in IEEE Transactions on Robotics and Automation, vol. 15, N°. 1, pp. 85-95, Feb. 1999.

^[10] R. Madhavan, M. W. M. G. Dissanayake and H. F. Durrant-Whyte, "Autonomous underground navigation of an LHD using a combined ICP-EKF approach", Proceedings. 1998 IEEE International Conference on Robotics and Automation.

^[11] J. C. Ralston, C. O. Hargrave and D. W. Hainsworth, "Localisation of mobile underground mining equipment using wireless Ethernet", Fourtieth IAS Annual Meeting. Conference Record of the 2005 Industry Applications Conference, 2005.

^[12] D. J. Yoon, H. Zhang, M. Gridseth, H. Thomas and T. D. Barfoot, "Unsupervised Learning of Lidar Features for Use in a Probabilistic Trajectory Estimator," in IEEE Robotics and Automation Letters, vol. 6, N°. 2, April 2021.

^[13] U. Artan, J. Marshall, and N. Lavigne, “Robotic mapping of underground mine passageways”, 2011, Mining Technology, vol. 120, pp. 18 - 24, Nov. 2013.

^[14] D. Barnes and I. Posner, "Under the Radar: Learning to Predict Robust Keypoints for Odometry Estimation and Metric Localisation in Radar," 2020 IEEE International Conference on Robotics and Automation (ICRA), 2020.

^[15] D. Barnes, M. Gadd, P. Murcutt, P. Newman and I. Posner, "The Oxford Radar RobotCar Dataset: A Radar Extension to the Oxford RobotCar Dataset," 2020 IEEE International Conference on Robotics and Automation (ICRA), 2020.

^[16] K. Burnett, A. P. Schoellig and T. D. Barfoot, "Do We Need to Compensate for Motion Distortion and Doppler Effects in Spinning Radar Navigation?" in IEEE Robotics and Automation Letters, vol. 6, N°. 2, April 2021.

^[17] R. Winkel, C. Augustin, and K. Nienhaus, “2d Radar Technology Increasing Productivity by Volumetric Control and Hopper Car Positioning in Brown Coal Mining”, 2011.

^[18] T. Neumann, E. Dülberg, S. Schiffer, A. Ferrein, “A Rotating Platform for Swift Acquisition of Dense 3D Point Clouds”, in Intelligent Robotics and Applications (ICIRA 2016). Lecture Notes in Computer Science, vol 9834.

^[19] M. Palieri et al., "Locus: A Multi-Sensor Lidar- Centric Solution for High-Precision Odometry and 3D Mapping in Real-Time", in IEEE Robotics and Automation Letters, vol. 6, N°. 2, April 2021.

^[20] Y. Shin and A. Kim, "Sparse Depth Enhanced Direct Thermal-Infrared SLAM Beyond the Visible Spectrum", in IEEE Robotics and Automation Letters, vol. 4, N°. 3, July 2019.

^[21] J. G. Rogers, J. M. Gregory, J. Fink and E. Stump, "Test Your SLAM! The SubT-Tunnel dataset and metric for mapping", 2020 IEEE International Conference on Robotics and Automation (ICRA), 2020.

^[22] K. Shankar, and N. Michael, “MRFMap: Online Probabilistic 3D Mapping using Forward Ray Sensor Models”, 2020.

^[23] W. Tabib, C. O’Meadhra and N. Michael, "On- Manifold GMM Registration", in IEEE Robotics and Automation Letters, vol. 3, N°. 4, Oct. 2018.

^[24] M. Corah, and N. Michael, “Volumetric Objectives for Multi-Robot Exploration of Three-Dimensional Environments”, 2021.

^[25] Siegwart, R., Nourbakhsh, I.R. and Scaramuzza, D. (2011) Introduction to autonomous mobile robots. Cambridge, MA: MIT.