Métodos de inferencia bayesiana empotrados para el diagnóstico y mejora sensoriales de un robot móvil

En este trabajo presentamos una arquitectura sensorial novedosa para un robot móvil que integra inteligencia artificial a bordo del mismo para mejorar y hacer más robustas las capacidades del sistema. En particular, nuestra arquitectura nos permite definir sensores virtuales que el robot no tiene, basados en inferencia bayesiana, a partir de otros sensores; además, podemos detectar anomalías en los sensores existentes. Hemos implementado la arquitectura en primer lugar en un simulador físico realista, y después la hemos incorporado a bordo de un robot móvil real. Nuestros experimentos muestran que el coste computacional de los métodos de inferencia cuando se ejecutan empotrados en el robot (en el sentido de ejecutados en el ordenador de a bordo, no en el de implementados en una plataforma computacional de propósito específico) es adecuado para un número razonable de sensores básicos, incluso cuando se trata de procedimientos exactos, y que los resultados de la inferencia pueden ampliar y mejorar de forma eficaz las capacidades de la plataforma móvil aun cuando ésta tenga una capacidad de cómputo no demasiado alta.