ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.
3 1
LABORATORIO 3.1 – 3.2 – 3.3
GENERACIÓN E
IMPLEMENTACIÓN DE
TRAYECTORIAS (ROBOT HÍBRIDO)
Diego Alejandro Martínez Loaiza – Código: 1802533
Correo: u1802533@unimilitar.edu.co
Luis Alejandro Angarita Espitia – Código: 1802401
Correo: u1802401@unimilitar.edu.co
I. INTRODUCCIÓN
La robótica de manipuladores y la robótica móvil
son dos grandes campos de esta rama de la ingeniería
que se encarga de automatizar diversos procesos de
una manera más eficaz que permita que las acciones
requieran de un menor esfuerzo y se puedan realizar
cada vez cosas de mayor impacto.
Los manipuladores son vitales para las plantas de
grandes empresas como Ferrari que confía en la
precisión de sus brazos que ayudan a ensamblar
diferentes partes de sus automóviles por medio de sus
manipuladores, haciendo que el proceso sea más
rápido y mucho más preciso para que sea de alta
calidad la manufactura de dicho automóvil que ha
llegado a ser una de las más importantes en todo el
mundo.
Para la robótica móvil se encuentran diferentes
ejemplos en donde se necesita que un sistema se
desplace por diferentes terrenos para obtener
información de lugares que presentan un riesgo grande
para los seres humanos o es de difícil acceso. Así que
para poder desplazarse libremente por un espacio, se
programa una robótica móvil de acuerdo a las
necesidades para lograr trasladarse de manera efectiva
por el espacio que dispone para hacerlo.
En el siguiente informe de laboratorio correspondiente
a todo lo visto sobre robótica móvil e implementación
del robot híbrido, se describirá el método utilizado
para realizar el cálculo de trayectorias en un ambiente
2D, en donde el usuario debe determinar el punto
inicial y final al cual desea que llegue el robot y que
esquive algunos obstáculos que están presenten en la
pista además de no chocar con las paredes.
II. OBJETIVOS
A) Objetivos Generales (Tres prácticas)
- Seguir una trayectoria deseada desde un punto
inicial a un punto final (ida y vuelta), pasando
por 6 puntos intermedios con una de las
plataformas móviles disponibles en el
laboratorio
- Diseñar e implementar un software para la
generación y visualización de trayectorias para
un robot móvil en 2D
- Diseñar e implementar un sistema para la
recolección de objetos mediante un robot
híbrido.
B) Objetivos Específicos (Tres prácticas)
- Definir al menos 6 puntos por los que debe
pasar el robot móvil utilizando una interfaz de
usuario.
- Enviar los puntos al robot móvil seleccionado
para ejecución de la trayectoria
- Ejecutar la trayectoria de vuelta pasando por
los puntos antes definidos.
- Implementar un algoritmo para la
planificación de trayectorias entre dos puntos
al interior de un espacio de trabajo con
obstáculos estáticos.
- Diseñar e implementar una interfaz gráfica que
contemple una visualización en 2D (vista
superior) tanto en el espacio de trabajo como
en un espacio de configuraciones, en la cual se
observe el movimiento del robot móvil a lo
largo de la trayectoria obtenida en función de
las velocidades calculadas. La interfaz gráfica
debe permitir el comando del robot móvil a lo
largo de la trayectoria obtenida.
- Implementar un sistema para la digitalización
del espacio de trabajo, (robot, punto inicial,
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3
punto final y obstáculos) mediante una imagen
o software y cálculo del espacio de
configuraciones.
- Integrar el manipulador y robot móvil
previamente desarrollados en un único robot
híbrido, con preferencia haciendo uso de una
fuente de alimentación independiente y
comando por comunicación inalámbrica.
- Implementar un sistema para la digitalización
del espacio de trabajo (robot, punto inicial,
objetos a recolectar, obstáculos) mediante una
imagen o software, así como su
correspondiente post-procesamiento y cálculo
del espacio de configuraciones.
- Diseñar e implementar una interfaz gráfica
para el comando del robot híbrido,
permitiéndole recolectar y traer de regreso al
punto inicial todos los objetos que
correspondan al color indicado por el usuario.
III. MARCO TEÓRICO
Robot—
Según la RAE, es una máquina automática
programable capaz de realizar determinadas tareas de
forma autónoma. Se compone de tres partes
principales:
- Sensores
- Sistema de Control
- Actuadores [1]
Robot Antropomórfico –
Algunas veces llamado también manipulador de codo.
Consiste en dos articulaciones tipo “hombre” (una para
girar sobre un eje vertical y otra para elevarse a la
articulación de elevación del hombro) y dos o tres
articulaciones de muñeca en el extremo del
manipulador.
Su principal característica es que está conformado por
cuerpo, brazo, muñeca y efector final que generalmente
tiene una pinza o un gripper.
Este tipo de robots se utilizan principalmente en la
industria, donde es necesario el uso de máquinas para
no poner en riesgo al personal. Se encargan de tareas
pesadas y repetitivas. [2]
Cinemática Directa Robots—
El problema cinemático directo se plantea en términos
de encontrar una matriz de transformación que
relaciona el sistema de coordenadas ligado al cuerpo en
2
movimiento respecto a un sistema de coordenadas que
se toma como referencia. Para lograr esta
representación se usan las matrices de transformación
homogénea 4x4, la cual incluye las operaciones de
traslación y la orientación. [3]
Cinemática Inversa Robots—
El objetivo de la cinemática inversa de un robot es
encontrar los valores que deben adoptar las
coordenadas de las articulaciones del robot para que su
extremo se posiciones y oriente según una determinada
localización espacial. Esta solución matemática no es
sistemática, depende de la configuración del robot y no
siempre existen soluciones en forma cerrada. [4]
Matriz Jacobiana—
La cinemática directa e inversa son las posiciones del
brazo robot mientras que la matriz Jacobiana nos
permite conocer las velocidades del efector final
(Jacobiana Inversa) o extremo del robot a partir de las
velocidades de las articulaciones (Jacobiana Directa).
Figura 1. Esquemático Matriz Jacobiana
Por medio de derivadas parciales con respecto al
tiempo se obtiene la matriz Jacobiana que es de
dimensión 6 × n donde n son los grados de libertad del
manipulador, para el caso de estudio n = 3.
Esta matriz es útil para:
- Encontrar y analizar configuraciones
singulares.
- Encontrar y analizar la redundancia.
- Relación entre las velocidades de las
articulaciones y del extremo del robot.
- Relación entre las fuerzas del extremo del robot
y de los pares de torsión en las articulaciones,
es decir estudiar la estática del robot.
El método del Jacobiano directo dependerá de los
ángulos de las articulaciones, velocidades angulares,
para poder determinar la velocidad del efector final,
teniendo en cuenta que será de valor diferente en cada
instante en el espacio de la trayectoria.
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3 3

bacteriana, y optimización mediante enjambres de

Como en nuestro caso el análisis del brazo robot es de partículas. [6]
articulaciones rotacionales (antropomórfico)
tendremos las siguientes ecuaciones:

Ilustración 1. Trayectorias

Campos potenciales
El método de campos potenciales es una de las técnicas
más populares en la generación de trayectorias para
robots móviles, por ser una forma práctica de
solucionar este problema. Entre los primeros
desarrollos, existe el presentado por Khatib O., que
propone que los obstáculos y el robot tengan una carga
eléctrica del mismo signo, con la finalidad de generar
Ecuación 1. Ecuaciones de Velocidad con matriz
una repulsión, mientras que la meta tiene asociada una
jacobiana [5]
carga eléctrica de signo opuesto, para atraer el robot al
punto destino. La propuesta presentada por Khatib O.,
Algoritmos de trayectoria
se denominó FIRAS (sigla en francés que se traduce al
Convencionalmente el problema de generación de
inglés como The Force Involving and Artificial
trayectorias para un robot móvil indica que dado un
Repulsion from the Surface Function). En modo
robot y un ambiente, se puede determinar una
convencional, los potenciales atractivos y repulsivos se
trayectoria entre dos puntos específicos si el robot está
generan de forma separada y el potencial total del
libre de colisiones y si satisface cierto criterio de
espacio de trabajo se obtiene como la suma de aquellos.
desempeño. Una primera clasificación de los métodos
Otra propuesta con este mismo enfoque, fue
para planear de movimientos de robots móviles, es
desarrollada por Krogh B. A. y es llamada GPF
dinámica o estática. En el caso dinámico, no se tiene
(Generalized Potential Field). Para generar la
información completa del espacio de trabajo y los
trayectoria con estos potenciales, sólo se requiere
obstáculos se consideran móviles. Para el caso estático,
calcular los gradientes; sin embargo, los campos
se tiene conocimiento completo del espacio de trabajo
potenciales pueden ser no convexos, presentando
y los obstáculos no se mueven. De los métodos para
mínimos locales que dejaría estancado al robot en un
planear trayectorias, se tiene en un primer lugar, los
punto diferente al objetivo. Otra desventaja es la
basados en grafos entre los cuales se distinguen: grafos
estimación de los parámetros del campo potencial para
de visibilidad, diagramas de Voronoi, modelado del
lograr una adecuada evasión de obstáculos. [7]
espacio libre, y descomposición en celdas. Otro tipo de
Modificaciones al planteamiento original de campos
métodos empleados para la planeación de trayectorias
potenciales se realizan, considerando las anteriores
emplea un enfoque estocástico que da lugar al
limitaciones; Volpe y Khosla, proponen las funciones
algoritmo de planeación aleatoria de trayectorias
potenciales super-cuadráticas (Super-quadric Artificial
(Randomized Path Planner RPP), al algoritmo de
Potential Functions), donde se emplea un amplio
mapas probabilísticos (Probabilistic Road Map Method
conjunto de formas desde rectángulos hasta elipses que
PRM), y al algoritmo de árboles de exploración rápida
están descritos por fórmulas super-cuadráticas. Una
(Rapidly Exploring Random Tree RRT). Enfoques
propuesta basada en la solución de la ecuación de
adicionales para planear trayectorias utilizan métodos
Laplace para transferencia de calor, es desarrollada de
heurísticos de optimización como algoritmos
forma separada por Connolly, y adicionalmente por
genéticos, colonias de hormigas, quimiotaxis
Kim y Khosla; este método se implementa mediante
funciones potenciales armónicas (Harmonic Potential
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3
Functions). Los métodos presentados anteriormente, se
denominaron campos potenciales locales, debido a su
característica de adición de campos asociados a los
obstáculos. En contraste con esta orientación, existen
los campos potenciales globales donde se considera la
totalidad de los obstáculos, como también el objetivo
para construir el campo potencial como un todo y no
como la adición de partes; con esta orientación, se
busca eliminar el problema de los mínimos locales.
Bajo este nuevo enfoque aparecen las funciones de
navegación (Navigation Function), propuestas por
Rimon y Koditschek, que son explícitamente diseñadas
para presentar un único mínimo local en el objetivo, y
si existe otro tipo de puntos de equilibrio, se enmascara
(rellena). Para construir las funciones de navegación, es
necesario conocer completamente el espacio de trabajo,
con la desventaja de perder la simplicidad que
presentan los otros métodos antes expuestos. [8]
Evasion de obstáculos
Un algoritmo desarrollado para evadir mínimos locales
en campos potenciales, se presenta en Prahlad
Vadakkepat et al, que se llama fuerza de escape EF
(Escape Force), el cual consiste en determinar los
mínimos locales para aplicar una fuerza adicional que
le permita al robot, evitar el mínimo local. Un método
adicional para evadir mínimos locales, consiste en
generar un objetivo virtual; en este caso, cuando el
robot se encuentra en un mínimo, se adiciona un
objetivo virtual en lugar del global, hasta que el robot
logre salir de este punto. Este enfoque se hace para que
el robot pueda rodear obstáculos. Otro trabajo bajo una
orientación similar, consiste en adicionar un obstáculo
virtual. Por último, Abdel Wahid M. H. M. et al,
emplea un conjunto de agentes con comportamiento de
enjambre y en particular con movimientos circulares,
con la finalidad de evadir mínimos locales. Esta técnica
se denomina Local Minimal Avoidance (LMA), o
Local Minimal Escape (LME). [9]
Ilustración 2. Evasion de obstaculos
4
Ilustración 3. Campos potenciales
Tarjeta de adquisición de datos (STM32F3) —
La placa STM32 proporciona una forma asequible y
flexible para que los usuarios prueben nuevos
conceptos y creen prototipos con cualquier línea de
microcontroladores STM32 en paquetes de 32 pines,
eligiendo entre las diversas combinaciones de
rendimiento, consumo de energía y características. La
conectividad hace que sea más fácil ampliar la
funcionalidad de la plataforma de desarrollo abierto
Núcleo STM32 con una selección de escudos
especializados. La placa STM32 Nucleo-32 no
requiere ninguna sonda separada ya que integra el
depurador / programador ST-LINK / V2-1.
III. MATERIALES Y EQUIPOS
 Computador con especificaciones óptimas para
utilizar los softwares requeridos para la realización
de la práctica.
 Software MATLAB.
 Software V-Realm.
 Software SolidWorks 2017.
 Estructura brazo robótico.
 Servomotores.
 Tarjeta de Adquisición – STM32F3
 Fuente de voltaje
 Estructura Brazo Robótico
 Estructura Robot Móvil
 Puente H
 Sensor óptico con encoder incremental.
 Motores DC con reducción.
 Cajas de 5x5x5 cm.
 Alimentación (Batería)
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3 5

IV. PROCEDIMIENTO

MANIPULADOR
Ecuaciones:
Matrices de Transformación:
cos(𝜃1 ) 0 𝑠𝑒𝑛(𝜃1 ) 0
𝐴10 =[ 𝑠𝑒𝑛(𝜃1) 0 − cos(𝜃1 ) 0 ]
0 1 0 10.5
0 0 0 1
Matriz 1. Matriz de Transformación Punto 1 visto desde 0

cos(𝜃2 ) − sen(𝜃2 ) 0 12.5 ∗ cos(𝜃2 )

𝐴12 = [𝑠𝑒𝑛(𝜃2 ) cos(𝜃2 ) 0 12.5 ∗ sen(𝜃2 )]
0 0 1 0
0 0 0 1
Matriz 2. Matriz de Transformación Punto 2 visto desde 1

cos(𝜃3 ) − sen(𝜃3 ) 0 12.4 ∗ cos(𝜃3 )

𝐴32 = [𝑠𝑒𝑛(𝜃3 ) cos(𝜃3 ) 0 12.4 ∗ sen(𝜃3 )]
0 0 1 0 Figura 2. Esquemático Brazo Antropomórfico
0 0 0 1
Matriz 3. Matriz de Transformación Punto 3 visto desde 2
Para ángulo de giro:
𝑞1 = 𝐴𝑡𝑎𝑛2(𝑃𝑦 , 𝑃𝑋 )
𝐴30 = 𝐴10 ∗ 𝐴12 ∗ 𝐴32
𝐶𝜃1 (𝐶𝜃2 𝐶𝜃3 − 𝑆𝜃2 𝑆𝜃3 ) 𝐶𝜃1 (−𝐶𝜃2 𝐶𝜃3 − 𝑆𝜃2 𝑆𝜃3 ) 𝑆𝜃1
𝑆𝜃1 (𝐶𝜃2 𝐶𝜃3 − 𝑆𝜃2 𝑆𝜃3 ) 𝑆𝜃1 (−𝐶𝜃2 𝐶𝜃3 − 𝑆𝜃2 𝑆𝜃3 ) 𝐶𝜃1
𝐶𝜃1 (𝐶𝜃2 (12.4𝐶𝜃3 + 12.5) − 12.4𝑆𝜃2 𝑆𝜃3 )
𝑆𝜃1 (𝐶𝜃2 (12.4𝐶𝜃3 + 12.5) − 12.4𝑆𝜃2 𝑆𝜃3 )
Ecuaciones:
𝐴30 =
𝐶𝜃2 𝑆𝜃3 + 𝑆𝜃2 𝐶𝜃3
𝑂
𝐶𝜃2 𝐶𝜃3 − 𝑆𝜃2 𝑆𝜃3
0
0
0
12.4𝐶𝜃2 𝑆𝜃3 + 𝑆𝜃2 (12.4𝐶𝜃3 + 12.5) + 10.5
1
𝑟 2 = 𝑃𝑥2 + 𝑃𝑦2
Matriz 0. Matriz de Transformación Punto 3 visto desde 0 𝑟 2 + 𝑃𝑧2 = 𝑙22 + 𝑙32 + 2𝑙2 𝑙3 𝑐𝑜𝑠(𝑞3 )

Cinemática directa: 𝑞3 = 𝐴𝑡𝑎𝑛2(±√1 − cos 2 (𝑞3 ) , cos⁡(𝑞3 ))

Articulación θ d a α 𝑃𝑥2 + 𝑃𝑦2 + 𝑃𝑧2 − 𝑙22 − 𝑙32
1 Θ1 d1 0 π/2 cos(𝑞3 ) =
2𝑙2 𝑙3
2 Θ2 0 a2 0
3 Θ3 0 a3 0
Tabla 1. Tabla de Denavit – Hartenberg Manipulador 𝑞2 = 𝛽 − 𝛼
𝛽 = 𝐴𝑡𝑎𝑛2 (𝑃𝑧 , ±√𝑃𝑥2 + 𝑃𝑦2 )
𝛼 = 𝐴𝑡𝑎𝑛2(𝑙3 𝑠𝑒𝑛(𝑞3 ), 𝑙2 + 𝑙3 cos⁡(𝑞3 ))
𝑞2 = 𝐴𝑡𝑎𝑛2 (𝑃𝑧 , ±√𝑃𝑥2 + 𝑃𝑦2 ) − 𝐴𝑡𝑎𝑛2(𝑙3 𝑠𝑒𝑛(𝑞3 ), 𝑙2 + 𝑙3 cos⁡(𝑞3 ))

Se deben tener en cuenta los aspectos anteriormente

plasmados sobre el manipulador ya que con ellos se
logra trazar la trayectoria necesaria para recoger el
Cinemática Inversa: objeto y ubicarlo en donde el usuario desee (o como
se pretende, haciendo una pirámide de cubos).

Para lograrlo se deben conocer las matrices de

transformación para obtener la posición a la cual se
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3 6

encuentra el efector final y así lograr realizar motores DC con reductor y dos ruedas de tipo castor
cualquier tipo de movimiento con el manipulador. ya que son omnidireccionales y permiten que el carro
se mueva libremente por el espacio. Estos aspectos
También se debe hablar de cinemática inversa ya que fueron incluidos en el modelado y en la
ella es necesaria para aplicar el algoritmo del implementación del dispositivo con la interfaz.
jacobiano que permite trazar una trayectoria deseada
en el espacio, objetivo que es fundamental para ubicar
correctamente las cajas en el lugar donde se
almacenan y luego apilarlas en un lugar en específico.

ROBOT MÓVIL
Para el robot móvil, se utilizó el algoritmo de campos
potenciales para definir la trayectoria correcta que
debe realizar el robot para no chocar con los
obstáculos ni con las paredes. Este método se
implementa pensando en una gráfica 3D en donde se Figura 3. Interfaz presentada para implementación
quiere realizar una trayectoria de una esfera sabiendo en Robotino y en trayectoria
que hay algunas montañas en su trayectoria.
ROBOT HÍBRIDO
Como es de esperarse, la esfera sigue su trayectoria
por los lugares en donde no se presentan estas
montañas, y entre más alta sea la montaña más lejos
pasará la esfera. Esto se desea lograr con este método,
que se plasme matemáticamente esta gráfica 3D y que
en los lugares donde hay obstáculos se presenten
montañas que hagan que el objeto esquive para llegar
a la meta. Se puede programar el grado de repulsión
y de aceptación de cada obstáculo así que de acuerdo
a estos parámetros, el algoritmo permitirá trazar una
trayectoria coherente en el espacio de trabajo, función
que se debe ver plasmada también en la Figura 4. Robot Híbrido físico
implementación.

En simulación, el robot móvil (representado por un

triángulo) se desplaza por el espacio de trabajo
plasmando punto a punto una distancia recorrida
diferente y un ángulo de orientación diferente. Estos
valores se envían serialmente al microcontrolador.
Para lograr que el robot móvil se orientara
correctamente de implementó en la programación un
control proporcional – derivativo (PD), que permite
por medio de los encoders conocer la velocidad y la
distancia recorrida con cada llanta. Conociendo estos Figura 5. Robot puesto en el espacio de trabajo
valores, se logra ubicar de una manera más sencilla el físico
robot así que se orienta y se desplaza correctamente
el robot sobre el espacio de trabajo.

Para este cálculo se tuvo en cuenta que para la

robótica móvil se decidió colocar dos llantas con dos
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3
Figura 6. Llantas con motor y llantas tipo castor.
V. CONCLUSIONES
- Para el manipulador, el cálculo del jacobiano
permite llevar las cajas a los puntos con una gran
precisión.
- Se tiene la versatilidad de que para el
manipulador, teniendo o los ángulos o el
desplazamiento en los tres ejes, se pueden
conocer las otras variables gracias a las
estrategias matemáticas usadas que son
relacionadas a la estructura del manipulador.
- Para la robótica móvil, el planteamiento del
modelado y de los ángulos de importancia es
fundamental para saber de qué manera se
orientará el dispositivo de acuerdo a las ruedas
que tiene.
- El algoritmo de campos potenciales es eficiente
para obtener una ruta coherente en el espacio de
trabajo ya que se puede programar el grado de
repulsividad que tiene el dispositivo con cada
uno de los obstáculos, generando un mejor
control.
- Es importante el control realizado a las llantas ya
que de este se puede orientar y trasladar
coherentemente el robot móvil para que la
implementación represente verdaderamente lo
que la simulación realiza.
- Se logró realizar la trayectoria del robot móvil y
además se logró agregar una secuencia para
recoger cajas y llevarlas al su compartimiento.
VI. REFERENCIAS
[1] Biobiochile (2016). ¿Qué es un robot? ¿Cómo
funciona? Recuperado el día 19 de marzo del 2018
7
de
http://www.biobiochile.cl/noticias/2016/02/16/que-
es-un-robot-como-funciona.shtml
[2] SlidesShare. Robots Móviles y Antropomórficos.
Recuperado el día 19 de marzo de 2018 de
https://es.slideshare.net/LuisAguilarCruz/robots-
mviles-y-antropomrficos.
[3] Grupo de investigación NBIO. España. (2012).
Cinemática de Robots. Recuperado el día 19 de
marzo de 2018 de
http://nbio.umh.es/files/2012/04/practica2.pdf.
[4] Universidad Politécnica de Madrid. España.
(2013). Cinemática Inversa. Recuperado el día 19 de
marzo de 2018 de
http://www.elai.upm.es/moodle/pluginfile.php/27
98/mod_resource/content/2/Tema%205-
%20CinematicaInversa.p
[5] Universidad Politécnica de Valencia (España).
Matriz jacobiana. Recuperado el día 8 de mayo del
2018 de
https://riunet.upv.es/bitstream/handle/10251/79512/
VERA%20-
%20Control%20de%20trayectoria%20de%20la%20
simulaci%C3%B3n%20de%20un%20brazo%20robo
t%20de%205%20grados%20de%20libertad%2C%2
0control....pdf?sequence=1&isAllow
[6] H. E. Espitia Cuchango y J. I. Sofrony
Esmeral, «ALGORITMO PARA PLANEAR
TRAYECTORIAS DE ROBOTS MÓVILES,
EMPLEANDO CAMPOS POTENCIALES Y
ENJAMBRES DE PARTÍCULAS ACTIVAS
BROWNIANAS,» CIENCIA E INGENIERÍA
NEOGRANADINA, Bogotá, 2012.
[7] K. Dongchan, K. Hayoung y K. Huh, «Local
trajectory planning and control for
autonomous vehicles using the adaptive
potential field,» de 2017 IEEE Conference on
Control Technology and Applications (CCTA),
Mauna Lani, HI, USA, 2017.
[8] S. T, H. G y M.-M. K, «Trajectory equilibrium
state detection and avoidance algorithm for
multi-autonomous potential field mobile
robots,» de Electronics Letters ( Volume: 43,
Issue: 15, July 19 2007 ), 2007.
[9] L. Hongguang y Y. Yong, «Ship's trajectory
planning for collision avoidance at sea based
on modified artificial potential field,» de 2017
2nd International Conference on Robotics and
 ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3 8

Automation Engineering (ICRAE), Shanghai,

China, 2017.
ROBÓTICA – LABORATORIO 3.1 – 3.2 – 3.3 9