Hacia la diagnosis y fusión de sensores robóticos a bajo nivel mediante inferencia en redes bayesianas

espanolLas implementaciones existentes en la actualidad sobre sensores virtuales no emplean un marco comun matematicamente riguroso. Por ello, en este trabajo tenemos como objetivo homogeneizar el soporte teorico de los sensores virtuales a bajo nivel, es decir, tratando directamente sus datos en bruto, de tal modo que puedan ser empleados en diagnostico de fallos, recuperacion de datos y otras funcionalidades sin cambiar el paradigma de base. La inferencia bayesiana constituye una manera generica y rigurosa de abordar este problema; ademas, nos permite integrar conocimiento procedente de diversas fuentes (los propios dispositivos sensoriales, sentido comun humano, datos del entorno, etc.) y se puede hibridar con otras metodologias como las redes neuronales o la logica borrosa. Dado que el potencial de esta solucion es considerablemente amplio, nos centramos aqui en el diagnostico de averias, recuperacion de datos y funcionalidades de integracion de conocimiento externo. Nuestros resultados con un robot movil real equipado con dos sensores de proximidad y con otros dispositivos mas simples, demuestran que este marco tiene muchas posibilidades de mejorar el sistema sensorial de un robot por medio de tecnicas de razonamiento de alto nivel. EnglishExisting implementations for virtual sensors do not use a common, rigorous mathematical framework. In this work we aim to homogenize the theoretical support of virtual sensors at a low level, i.e., dealing with their raw data directly in such a way that they can be employed for fault diagnosis, data recovery and other functionalities without changing the base paradigm. Bayesian inference provides a general and principled way of addressing this; moreover, it allows us to integrate knowledge from diverse sources (the sensor devices themselves, human commonsense, environmental data, etc.) and could be hybridized with other approaches, such as neural networks or fuzzy logic. Since the potential of this solution is considerably wide, here we focus on the fault diagnosis, data recovery and external knowledge integration functionalities. Our results with a real mobile robot equipped with two range nder sensors and also common, simpler devices demonstratethat the framework has many possibilities for improving the sensory system of a mobile robot through high-level reasoning techniques.