⚡ electrical engineering

Vision-Based Crack Segmentation and Coverage Planning for Autonomous Mobile Robots

Este artículo presenta un sistema robótico móvil autónomo que integra un modelo de aprendizaje profundo ligero YOLOv11n-seg para la detección de grietas en tiempo real con un planificador de trayectoria de cobertura de boustrophedon aumentado por memoria, logrando una alta cobertura de área y eficiencia de trayectoria en tareas simuladas de inspección de infraestructura.

Autores originales: Md. Basim Al Zabir Shammo, Tarun Debnath, Lamia Islam, Shohag Sarker, Jakaria Habib, Akifur Rahman

Publicado 2026-08-18

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Md. Basim Al Zabir Shammo, Tarun Debnath, Lamia Islam, Shohag Sarker, Jakaria Habib, Akifur Rahman

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Las estructuras de concreto, como puentes, túneles y autopistas, son la columna vertebral silenciosa de la sociedad moderna, pero están constantemente bajo ataque por el tiempo y el estrés. A lo largo de los años de uso, estas superficies desarrollan grietas que, si no se detectan a tiempo, pueden convertirse en fallas peligrosas. Durante décadas, la única forma de encontrar estas fracturas ocultas ha sido que inspectores humanos trepen, se arrastren y observen de cerca la infraestructura envejecida. Este trabajo es lento, costoso y, a menudo, pone a las personas en peligro, especialmente cuando deben inspeccionar paredes altas o espacios estrechos e inestables. Para resolver esto, los ingenieros están recurriendo a robots que puedan moverse por sí mismos, ver defectos con cámaras y trazar una ruta para revisar cada pulgada de una superficie sin ayuda humana. El desafío radica en enseñar a estas máquinas a hacer dos cosas difíciles a la vez: detectar grietas diminutas e irregulares en un entorno visual caótico, y navegar alrededor de obstáculos para asegurar que no omitan ni un solo punto.

Un equipo de investigadores de universidades de Bangladesh ha construido un prototipo de sistema que une estas capacidades. Crearon un robot autónomo diseñado para inspeccionar la infraestructura combinando una cámara inteligente capaz de identificar grietas con un sistema de navegación que planifica una ruta completa a través de una superficie. El robot utiliza una cámara para buscar daños, apoyándose en un tipo de inteligencia artificial entrenada con miles de imágenes de grietas reales. Este sistema está diseñado para ser lo suficientemente ligero como para ejecutarse en computadoras pequeñas, permitiendo que el robot tome decisiones rápidamente mientras se desplaza. Cuando el robot ve una grieta, la marca; cuando ve un obstáculo, se detiene o gira. El objetivo es que el robot recorra de un lado a otro una pared o carretera, cubriendo toda el área de manera sistemática, de forma muy similar a como una persona corta el césped, pero con la inteligencia añadida para evitar muebles, tuberías u otras barreras que podrían bloquear el camino.

Para probar esta idea, los investigadores no enviaron un robot físico a un edificio real de inmediato. En su lugar, construyeron un mundo virtual detallado dentro de una simulación por computadora llamada Webots. En este entorno digital, colocaron un pequeño robot con ruedas equipado con una cámara y ocho sensores infrarrojos que actúan como bigotes sensibles al tacto para detectar objetos cercanos. El equipo programó al robot con una misión específica: viajar a través de un área definida, encontrar grietas y evitar tres obstáculos grandes en forma de barril colocados en su trayectoria. El cerebro del robot consta de dos partes principales trabajando en tándem. La primera es un sistema de visión entrenado con un conjunto de datos de más de 4,000 imágenes de grietas. Este sistema aprendió a reconocer los patrones visuales de las fracturas, distinguiéndolas de sombras o manchas superficiales. La segunda parte es un planificador de navegación que divide el área en una cuadrícula y le indica al robot que se mueva en un patrón de zigzag, asegurando que cubra cada pulgada cuadrada. Si el robot encuentra un obstáculo, utiliza un sistema de memoria para recordar qué puntos están bloqueados y elige rápidamente un nuevo objetivo cercano para visitar, en lugar de quedarse atrapado o perder el tiempo.

Los resultados de esta simulación fueron prometedores, pero también revelaron áreas específicas donde el sistema necesita mejoras. El sistema de visión demostró ser altamente efectivo en su tarea principal. Al ser probado, identificó correctamente las grietas en aproximadamente el 89 por ciento de los casos en los que estaba seguro de su hallazgo, y localizó con éxito alrededor del 7어요 por ciento de todas las grietas presentes en las imágenes de prueba. Esto significa que el robot es muy bueno detectando daños cuando los ve, aunque ocasionalmente pierde de vista grietas muy tenues o diminutas. El sistema de navegación también funcionó bien en espacios abiertos, logrando una cobertura del 94 por ciento del área total y moviéndose a lo largo de su ruta planificada con un 92 por ciento de eficiencia. El robot completó la misión de inspección completa en unos 250 segundos, navegando con éxito alrededor de los obstáculos en la mayor parte del entorno.

Sin embargo, el experimento también resaltó una debilidad significativa en cómo el robot maneja espacios complejos y abarrotados. Cuando el robot entró en áreas con muchos obstáculos cercanos entre sí, a veces cayó en un bucle, girando repetidamente de un lado a otro entre los mismos pocos puntos sin progresar. En un grupo específico de obstáculos, el robot desperdició casi 90 segundos —más de un tercio del tiempo total de la misión— atrapado en este comportamiento repetitivo. Esto sucedió porque la lógica de toma de decisiones del robot era demasiado simple; elegía el punto no visitado más cercano sin considerar si estaba atrapado, lo que llevaba a un ciclo de movimientos fútiles. Aunque el robot podía escapar de estos bucles eventualmente, el retraso mostró que el método actual de planificación aún no es lo suficientemente robusto para los escenarios más difíciles del mundo real.

A pesar de estos contratiempos, el estudio demuestra que es posible combinar la detección visual avanzada con el movimiento autónomo en una plataforma pequeña y eficiente. Los investigadores demostraron que un robot puede usar una cámara para encontrar daños estructurales y un conjunto de sensores simples para evitar colisiones, todo esto mientras se ejecuta en una computadora lo suficientemente pequeña como para caber en un dispositivo móvil. El sistema probó con éxito que un enfoque modular, donde las partes de visión y navegación trabajan juntas pero pueden mejorarse por separado, es un camino viable. El equipo reconoce que, antes de que esta tecnología pueda usarse en puentes o túneles reales, la lógica de navegación debe actualizarse para evitar que el robot se quede atrapado, y el sistema de la cámara debe volverse aún más preciso al definir los bordes exactos de una grieta. Por ahora, este trabajo proporciona una base sólida, mostrando que el sueño de los robots de inspección autónomos está pasando de la teoría a una realidad tangible y funcional, lista para un día encargarse de la peligrosa y tediosa tarea de mantener segura nuestra infraestructura.

Resumen Técnico: Segmentación de Grietas Basada en Visión y Planificación de Cobertura para Robots Móviles Autónomos

Planteamiento del Problema
El monitoreo de la salud estructural de infraestructuras críticas (puentes, autopistas, túneles) se ve actualmente obstaculizado por los métodos tradicionales de inspección manual, los cuales son laboriosos, consumen mucho tiempo y representan un peligro para los trabajadores. Si bien los robots móviles autónomos ofrecen una alternativa prometedora, las investigaciones existentes suelen tratar la detección de grietas y la navegación como problemas aislados. Los sistemas basados en visión frecuentemente dependen de conjuntos de datos estáticos sin abordar los desafíos del procesamiento en tiempo real durante el movimiento, mientras que los algoritmos de planificación de cobertura suelen asumir una percepción perfecta y entornos estáticos. Además, los métodos de vanguardia basados en Aprendizaje por Refuerzo Profundo (DRL) o Transformadores de Visión (ViTs) suelen demandar recursos computacionales incompatibles con las plataformas robóticas embebidas. Existe una necesidad crítica de un sistema ligero y modular que integre una detección de grietas robusta en tiempo real con una planificación de trayectoria de cobertura eficiente y evasión de obstáculos, operando dentro de las restricciones del hardware embebido.

Metodología
Los autores proponen un sistema robótico móvil autónomo integrado, validado en el entorno de simulación Webots utilizando un robot E-puck de tracción diferencial. La arquitectura del sistema consta de tres módulos principales:

Percepción (Detección de Grietas): El sistema emplea un modelo de segmentación de instancias ligero YOLOv11n-seg. El modelo fue entrenado con un conjunto de datos específico del dominio de 4,029 imágenes de grietas (obtenidas de Roboflow Universe), dividido en subconjuntos de entrenamiento (3,717), validación (200) y prueba (112). La arquitectura utiliza un backbone CSPNet, PANet para la agregación de características y capas de segmentación. El modelo está diseñado para la inferencia en tiempo real en plataformas embebidas, procesando entradas de 640×640 píxeles.
Navegación (Planificación de Cobertura): El robot utiliza una estrategia de descomposición celular de tipo boustrophedon basada en rejilla. El espacio de trabajo se discretiza en celdas de 0.1 m. Se implementó un mecanismo de replanificación codicioso aumentado por memoria para manejar obstrucciones dinámicas: los puntos de paso (waypoints) identificados como inaccesibles se almacenan en un "conjunto bloqueado", y el robot selecciona el punto de paso no visitado y no bloqueado más cercano. Este enfoque evita la exploración redundante sin la sobrecarga computacional de una replanificación global.
Fusión de Sensores y Control: El sistema fusiona datos de una cámara frontal (para detección semántica de rango medio) y ocho sensores de proximidad infrarrojos (IR) (para evasión de colisiones de campo cercano). Una capa de fusión de decisiones basada en reglas categoriza las amenazas para permitir un frenado anticipatorio (vía cámara) y un frenado inmediato (vía IR). La localización se logra mediante una fusión GPS-IMU débilmente acoplada, proporcionando la estimación de la pose ( $x, y, \theta$ ) sin el costo computacional de un Filtro de Kalman Extendido (EKF) en el contexto de la simulación. El control de movimiento se gestiona mediante regulación PID y seguimiento geométrico para seguir los puntos de paso generados.

Contribuciones Clave
El artículo describe cuatro contribuciones específicas:

Adaptación de YOLOv11n-seg: Los autores adaptaron con éxito el modelo a escala nano YOLOv11n-seg para la detección de grietas, logrando inferencia en tiempo real en plataformas embebidas con una precisión competitiva para la localización de defectos estructurales.
Planificador de Cobertura Ligero: Desarrollo de un planificador boustrophedon basado en rejilla mejorado con selección de puntos de paso codiciosa guiada por memoria. Este método mantiene un registro persistente de las celdas bloqueadas para evitar la exploración redundante, permitiendo al mismo tiempo una rápida adaptación a nuevos obstáculos mediante la replanificación de vecino más cercano.
Fusión de Sensores Multimodal: Implementación de un marco de percepción de doble capa que combina la detección semántica por cámara con la detección de proximidad IR. Esto permite tanto ajustes estratégicos de la trayectoria como la evasión reactiva de colisiones sin requerir una fusión probabilística computacionalmente costosa.
Validación Experimental Exhaustiva: Pruebas rigurosas en Webots utilizando un robot E-puck, proporcionando métricas detalladas sobre la eficiencia de cobertura, la eficiencia de la ruta y la precisión de la detección, junto con un análisis honesto de los modos de falla, como los comportamientos oscilatorios en campos de obstáculos densos.

Resultos
La validación experimental arrojó las siguientes métricas de desempeño:

Sistema de Visión: El modelo YOLOv11n-seg alcanzó una precisión del 88.8%, un recall del 70.2% y un mAP@0.5 del 80.5% para la detección de cajas delimitadoras (bounding boxes). Para las máscaras de segmentación, alcanzó 80.2% de precisión, 61.98% de recall y 66.82% de mAP@0.5. El modelo demostró curvas de aprendizaje estables durante 50 épocas sin sobreajuste. Sin embargo, el rendimiento disminuyó significamente ante umbrales de localización más estrictos (mAP@0.5:0.95 de 23.05% para segmentación), lo que indica desafíos en la delineación de bordes a nivel de píxel.
Sistema de Navegación: El sistema logró una cobertura de área del 94.17% y una eficiencia de ruta del 92% dentro de una duración de misión de 250 segundos. El robot navegó con éxito en un entorno restringido con múltiples obstáculos.
Análisis de Fallas: El estudio identificó limitaciones específicas. En regiones densamente congestionadas, la estrategia de navegación reactiva exhibió un comportamiento oscilatorio, consumiendo aproximadamente el 36% del tiempo total de la misión (90 segundos) en bucles repetitivos en clusters específicos de puntos de paso. Esto se atribuyó a la heurística de replanificación puramente codiciosa que carece de contexto global. Además, se observaron inestabilidades iniciales en el seguimiento de los puntos de paso durante la fase de inicialización del sistema.

Significancia y Reivindicaciones
El artículo afirma que la arquitectura modular propuesta demuestra la viabilidad de integrar la detección de grietas basada en visión con la navegación autónoma para aplicaciones de monitoreo estructural. Al priorizar la baja latencia y la eficiencia computacional, el sistema ofrece una base para el despliegue en plataformas robóticas físicas en escenarios del mundo real. Los autores sostienen que tales sistemas tienen el potencial de reducir los costos de inspección en un estimado de 40-60% y mejorar significativamente la seguridad de los trabajadores al eliminar la exposición humana a entornos peligrosos (por ejemplo, elevaciones altas, espacios confinados).

Los autores mantienen una postura modesta respecto a las limitaciones actuales del sistema, reconociendo que la estrategia de replanificación puramente codiciosa es insuficiente para campos de obstáculos complejos y que el modelo de segmentación requiere refinamiento para la medición precisa de grietas. Posicionan este trabajo como una base para mejoras futuras, sugiriendo específicamente la integración de una planificación híbrida global-local (A* + DWA), el post-procesamiento para el refinamiento de la segmentación y la transición hacia un SLAM basado en visión para entornos sin GPS.

Más como este