Resumen en español

En el contexto del avance de la robótica móvil autónoma, la percepción artificial en interiores ha adquirido gran relevancia para aplicaciones como logística, salud y asistencia personalizada. Esta percepción se apoya en técnicas de clasificación, detección y segmentación, que permiten a los robots identificar objetos de interés en su entorno. A pesar del progreso en esta área, la segmentación en línea, adaptable a diversos escenarios y fácil de integrar en plataformas robóticas, sigue siendo un área de mejora. El objetivo general de este trabajo fue “Desarrollar un aplicativo en ROS para la segmentación de objetos de interés en interiores usando un Robot Móvil Pioneer 3DX” y se materializó con el aplicativo LU-SEG, una plataforma modular que integra sensores RGB-D, algoritmos de visión y nodos ROS para ofrecer segmentación en línea de al menos cinco clases ejecutado sobre el robot móvil Pioneer 3DX. La metodología de desarrollo utilizada fue Scrum, permitiendo avanzar de forma iterativa e incremental en la construcción del sistema, estructurado en cuatro módulos principales: Home, Configuración, Ejecución y Replay. Se evaluaron distintos enfoques de segmentación, tanto instancias como semántica, seleccionando los modelos YOLOv11m-seg, Mask R-CNN, ESANet-RGB y L-RASSP MobileNetV3 para entrenamiento y evaluación. Este último fue el modelo integrado al sistema final por su equilibrio entre precisión y bajo consumo computacional (mIoU de 79.9% con solo 3.2 M de parámetros). Las pruebas de validación: integración, cuantitativas, por distancia y de campo, demostraron la eficacia del sistema con una precisión promedio del 91.66% y una sensibilidad del 79.55% en ambientes reales. LU-SEG demostró ser una herramienta versátil para la experimentación con segmentación en entornos interiores. Su arquitectura modular, compatibilidad con ROS y capacidad de operación en procesamiento continuo lo convierten en una plataforma útil para la validación de técnicas de visión artificial en escenarios reales. Más que una solución definitiva, representa un punto de partida valioso para el aprendizaje y la exploración de nuevas estrategias de percepción visual aplicadas a la robótica móvil y su aplicación en sistemas autónomos.