Diseño e integración de una plataforma robótica bimanual móvil para la manipulación inteligente: avances del proyecto MANiBOT
DOI:
https://doi.org/10.17979/ja-cea.2025.46.12144Palabras clave:
Robots manipuladores, Robots móviles, Sistemas robóticos autónomos, Tecnología robótica, MecatrónicaResumen
El proyecto europeo MANiBOT tiene como objetivo impulsar las capacidades físicas y cognitivas de los robots de servicio colaborativos, acercando su rendimiento en manipulación de objetos al de los humanos. La meta es lograr una manipulación bimanual eficiente, adaptable y robusta, en entornos dinámicos y potencialmente poblados por personas, manipulando objetos diversos sin conocimiento preciso previo de sus propiedades. En este trabajo describen los objetivos del proyecto y se presenta la concepción mecánica del sistema, la selección de componentes y la integración electromecánica de una plataforma robótica bimanual móvil desarrollada específicamente para operar en entornos reales y desestructurados como supermercados y aeropuertos. La estructura ha sido concebida para soportar de forma estable y segura dos brazos robóticos colaborativos sobre cualquier base móvil autónoma, manteniendo el modularidad y la flexibilidad para los diferentes escenarios de aplicación. Se detallan los criterios seguidos para el diseño e integración estructural del bastidor. Finalmente, se describen las pruebas funcionales previstas y en curso, enfocadas a validar la capacidad del sistema para realizar tareas complejas de manipulación.
Referencias
Aggarwal, K., Singh, S. K., Chopra, M., Kumar, S., & Colace, F. (2022). Deep learning in robotics for strengthening industry 4.0.: opportunities, challenges and future directions. Robotics and AI for cybersecurity and critical infrastructure in smart cities, 1-19. https://doi.org/10.1007/978-3-030-96737-6_1
Andronie, M., Lăzăroiu, G., Iatagan, M., Hurloiu, I., Ștefănescu, R., Dijmărescu, A., & Dijmărescu, I. (2023). Big Data Management Algorithms, Deep Learning-Based Object Detection Technologies, and Geospatial Simulation and Sensor Fusion Tools in the Internet of Robotic Things. ISPRS International Journal of Geo-Information, 12(2), 35. https://doi.org/10.3390/ijgi12020035
Blumenkamp, J., Morad, S., Gielis, J., Li, Q., & Prorok, A. (2022, May). A framework for real-world multi-robot systems running decentralized GNN-based policies. In 2022 International Conference on Robotics and Automation (ICRA) (pp. 8772-8778). IEEE. https://doi.org/10.1109/ICRA46639.2022.9811744
Bonci, A., Cen Cheng, P. D., Indri, M., Nabissi, G., & Sibona, F. (2021). Human-robot perception in industrial environments: A survey. Sensors, 21(5), 1571. https://doi.org/10.3390/s21051571
Callari, T. C., Segate, R. V., Hubbard, E. M., Daly, A., & Lohse, N. (2024). An ethical framework for human-robot collaboration for the future people-centric manufacturing: A collaborative endeavour with European subject-matter experts in ethics. Technology in Society, 78, 102680. https://doi.org/10.1016/j.techsoc.2024.102680
Ford, C. J., Li, H., Catalano, M. G., Bianchi, M., Psomopoulou, E., & Lepora, N. F. (2025). Shear-Based Grasp Control for Multi-Fingered Underactuated Tactile Robotic Hands. IEEE Transactions on Robotics. https://doi.org/10.1109/TRO.2025.3563046
Ford, C. J., Li, H., Lloyd, J., Catalano, M. G., Bianchi, M., Psomopoulou, E., & Lepora, N. F. (2023, May). Tactile-driven gentle grasping for human-robot collaborative tasks. In 2023 IEEE International Conference on Robotics and Automation (ICRA) (pp. 10394-10400). IEEE. https://doi.org/10.1109/ICRA48891.2023.10161036
Geng, Y., An, B., Geng, H., Chen, Y., Yang, Y., & Dong, H. (2023, May). Rlafford: End-to-end affordance learning for robotic manipulation. In 2023 IEEE International Conference on Robotics and Automation (ICRA) (pp. 5880-5886). IEEE. https://doi.org/10.1109/ICRA48891.2023.10161571
Gutierrez, G. M., Rincon, J. A., & Julian, V. (2025). Federated Learning for Collaborative Robotics: A ROS 2-Based Approach. Electronics, 14(7), 1323. https://doi.org/10.3390/electronics14071323
MANiBOT. (2023). MANiBOT project. https://manibot-project.eu/
Tantawanich, P., Phunruangsakao, C., Izumi, S. I., & Hayashibe, M. (2024). A Systematic Review of Bimanual Motor Coordination in Brain-Computer Interface. IEEE Transactions on Neural Systems and Rehabilitation Engineering. https://doi.org/10.1109/TNSRE.2024.3522168
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Mario Peñacoba Yagüe, Jesús Enrique Sierra García
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
