Sistema Multimodal de Interacción Humano Robot basado en técnicas de IA

Abstract

La interacción humano-robot sigue siendo un desafío decisivo para la robótica de servicio: entablar un diálogo natural exige que la máquina perciba, interprete y responda con agilidad a través de la vista, el lenguaje y el sonido. Este trabajo presenta un sistema de interacción multimodal que integra visión por computador, comprensión del lenguaje natural y síntesis de voz expresiva en una arquitectura ROS 2 cohesiva, dotando a un robot móvil de la capacidad de saludar, informar y asistir a los usuarios de forma contextual y fluida. La propuesta se articula en servicios especializados para transcripción y síntesis del habla, modelado de intenciones, análisis facial y control corporal. Una capa de coordinación vela por la sincronía conversacional y deja margen para que cada módulo evolucione de manera independiente. Los ensayos cualitativos llevados a cabo en entornos controlados de laboratorio han evidenciado que la integración de múltiples canales sensoriales incrementa significativamente la percepción de cercanía, confianza y eficacia en comparación con sistemas basados exclusivamente en la voz. Más allá del prototipo, el trabajo ofrece un plano realista para robots socialmente competentes: demuestra que la IA avanzada puede ejecutarse a bordo sin hardware especializado y subraya la importancia de mantener la modularidad, la transparencia y el diseño ético en los sistemas de interacción. Las conclusiones extraídas aspiran a guiar futuros desarrollos hacia robots que sean aliados empáticos y proactivos en los entornos humanos.