<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="static/style.xsl"?><OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/ http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd"><responseDate>2026-06-01T23:28:07Z</responseDate><request verb="GetRecord" identifier="oai:riuma.uma.es:10630/23187" metadataPrefix="marc">https://riuma.uma.es/rest/oai/request</request><GetRecord><record><header><identifier>oai:riuma.uma.es:10630/23187</identifier><datestamp>2026-02-03T12:39:39Z</datestamp><setSpec>com_10630_2254</setSpec><setSpec>col_10630_37957</setSpec></header><metadata><record xmlns="http://www.loc.gov/MARC21/slim" xmlns:dcterms="http://purl.org/dc/terms/" xmlns:doc="http://www.lyncode.com/xoai" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.loc.gov/MARC21/slim http://www.loc.gov/standards/marcxml/schema/MARC21slim.xsd">
   <leader>00925njm 22002777a 4500</leader>
   <datafield ind2=" " ind1=" " tag="042">
      <subfield code="a">dc</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="720">
      <subfield code="a">Moran Prados, Mariano</subfield>
      <subfield code="e">author</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="260">
      <subfield code="c">2021-11-10</subfield>
   </datafield>
   <datafield ind2=" " ind1=" " tag="520">
      <subfield code="a">En esta tesis se abordan posibles soluciones para la navegación reactiva del robot móvil terrestre Andábata, cuyo principal sensor exteroceptivo es un escáner láser tridimensional (3D), a baja velocidad en entornos naturales, donde se presentan numerosos retos debido a la complejidad del terreno.&#xd;
Con este  fin, se emplea el Robot Operating System (ROS) para organizar el software del robot y procesar la información procedente de los sensores a bordo y&#xd;
llevar a cabo diversas estrategias de navegación.&#xd;
La primera estrategia consiste en construir mapas de elevación borrosos que describan el entorno cercano al vehículo. Dicha estrategia es bastante novedosa pero&#xd;
conlleva una alta carga computacional que reduce la reactividad del robot.&#xd;
Para aliviar esta carga, se propone el entrenamiento clasi ficadores de transitabilidad del terreno mediante aprendizaje supervisado. Para ello es necesario disponer&#xd;
de nubes de puntos 3D etiquetadas sin error que se han generado de forma sintética en el simulador robótico Gazebo.&#xd;
Finalmente, se analiza una nueva estrategia de navegación local basada en la clasificación de los puntos obtenidos por el telémetro láser 3D. Para ello, se construyen mapas de transitabilidad bidimensionales (2D) que permiten que Andábata evite de forma reactiva obstáculos tanto negativos como positivos.</subfield>
   </datafield>
   <datafield ind1="8" ind2=" " tag="024">
      <subfield code="a">https://hdl.handle.net/10630/23187</subfield>
   </datafield>
   <datafield tag="653" ind2=" " ind1=" ">
      <subfield code="a">Robótica</subfield>
   </datafield>
   <datafield ind2="0" ind1="0" tag="245">
      <subfield code="a">Navegación reactiva del robot móvil Andábata en entornos naturales</subfield>
   </datafield>
</record>
</metadata></record></GetRecord></OAI-PMH>