نبذة مختصرة : Trabajo de investigación ; En el presente documento se desarrollar un prototipo de una aspiradora robótica que utilice inteligencia artificial y visión computacional para evitar obstáculos. Para lograr este objetivo general, se establecieron cuatro objetivos específicos. En primer lugar, se realizó una revisión exhaustiva de las bases de datos existentes para analizar algoritmos de inteligencia artificial, visión artificial y robots de limpieza. En segundo lugar, se seleccionaron los elementos electrónicos, mecánicos y los algoritmos necesarios para el diseño de la estructura del robot. En tercer lugar, se construyó un prototipo con los algoritmos y elementos seleccionados y se validó su desempeño. Finalmente, el sistema robótico fue validado en un ambiente controlado utilizando un protocolo de prueba desarrollado por los autores para identificar mejoras y trabajo futuro. El resultado final es un prototipo de aspiradora robótica que utiliza inteligencia artificial y visión por computadora para detectar y evitar obstáculos y puede usarse en entornos domésticos y de oficina para reducir el tiempo de limpieza. (Tomado de la fuente). ; Pregrado ; Ingeniero Electrónico de Telecomunicaciones ; INTRODUCCIÓN 1. ANTECEDENTES 2. PLANTEAMIENTO DEL PROBLEMA 3. JUSTIFICACIÓN 4. OBJETIVOS 5. ALCANCES Y LIMITACIONES 6. MARCO TEORICO 7. METODOLOGIA 8. DESARROLLO 9. RESULTADOS Y ANALISIS DE RESULTADOS 10. CONCLUSIONES 11. REFERENCIAS 12. ANEXOS
Relation: DANE. (2021, 23 marzo). Encuesta Nacional de Uso del Tiempo (ENUT). DANE INFORMACIÓN PARA TODOS. Recuperado 31 de agosto de 2022, de https://www.dane.gov.co/index.php/estadisticas-por-tema/pobreza-y-condiciones-de-vida/encuesta-nacional-del-uso-del-tiempo-enut#:~:text=Encuesta%20Nacional%20de%20Uso%20del%20Tiempo%20(ENUT)&text=Entre%20septiembre%20de%202020%20y,3%20horas%20y%206%20minutos.; ONU. (2022, 30 junio). Accidentes viales: “Una epidemia silenciosa y ambulante” que mata a 1,3 millones de personas por año. Noticias ONU Mirada global Historias humanas. Recuperado 31 de agosto de 2022, de https://news.un.org/es/story/2022/06/1511112.; Kessai, C. (2021). 1nfinityLoop/Sudoku-Solver-AI. GITHUB. Recuperado 31 de agosto de 2022, de https://github.com/1nfinityLoop/Sudoku-Solver-AI.; Madhukar, B. (2020, 21 septiembre). AIM. analyticsindiamag. Recuperado 31 de agosto de 2022, de https://analyticsindiamag.com/a-fun-project-on-building-a-face-swapping-application-with-opencv/; GOMEZ VALDERRAMA, J. (2022, agosto). Evasión de obstáculos con flujo óptico y redes neuronales para vehículos aéreos no tripulados. UNIVERSIDAD DE TALCA.; ONU, 2022. Tiempo total de trabajo. [online] Observatorio de Igualdad de Género. Available at: [Accessed 4 October 2022].; Arpit, J. & Kowalczyk, W. (2021). Design of Autonomous Mobile Robot for Cleaning in the Environment with Obstacles.; T.B. Asafa, T.M. Afonja, E.A. Olaniyan, H.O. Alade,Development of a vacuum cleaner robot,Alexandria Engineering Journal,Volume 57, Issue 4,2018,Pages 2911-2920,ISSN 1110-0168,https://doi.org/10.1016/j.aej.2018.07.005.; Ivaldi, T. (2022, August 26). Te explicamos cuáles son los principales tipos de investigación. Retrieved April 14, 2023, from Tesis y Másters Colombia website: https://tesisymasters.com.co/tipos-de-investigacion/; Jain, S., & Kumar, S. (2015). A review of mobile robot localization. Journal of Control and Decision, 2(2), 69-84; Malik, H. A., & Yasmeen, A. (2017). Artificial Intelligence and Its Role in Near Future. International Journal of Computer Science and Network Security, 17(9), 45-51.; Rehman, A., Khan, M. A., & Ullah, I. (2019). Computer vision in manufacturing: A comprehensive review. Computers & Industrial Engineering, 128, 1009-1029. https://doi.org/10.1016/j.cie.2018.11.016; Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.; Schmidhuber, J. (2015). Deep learning in neural networks: An overview. Neural Networks, 61, 85-117.; Zhang, Y., & LeCun, Y. (2015). Text understanding from scratch. arXiv preprint arXiv:1502.01710.; Karras, T., Aila, T., Laine, S., & Lehtinen, J. (2017). Progressive growing of GANs for improved quality, stability, and variation. arXiv preprint arXiv:1710.10196.; Aprende Machine Learning. (2021). Cómo funcionan las Convolutional Neural Networks: Visión por ordenador. Recuperado de https://www.aprendemachinelearning.com/como-funcionan-las-convolutional-neural-networks-vision-por-ordenador/; Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). Imagenet classification with deep convolutional neural networks. Advances in neural information processing systems, 25, 1097-1105.; Castiblanco-Gutiérrez, M. E. & Lozada-Ávila, C. A. (2023). Diseño e implementación de un robot aspiradora utilizando algoritmos de visión computacional mediante redes neuronales. Trabajo de Grado. Universidad Católica de Colombia. Facultad de Ingeniería. Programa de Ingeniería Electrónica y Telecomunicaciones. Bogotá, Colombia.; https://hdl.handle.net/10983/31267
Processing Request
No Comments.