Descripción
¿Quiere dar el salto definitivo a la robótica inteligente con ROS 2 y Python sin perderse entre teorías y configuraciones complejas?
Este libro ofrece una introducción práctica, actual y aplicada a la robótica inteligente mediante ROS 2 y Python, dos herramientas fundamentales para desarrollar sistemas robóticos reales desde el primer momento.
La robótica y la inteligencia artificial evolucionan de forma cada vez más integrada. Comprender cómo conectarlas resulta esencial para diseñar robots autónomos, eficientes y preparados para los actuales entornos de investigación e industria.
Con explicaciones claras, rigurosas y progresivas, esta obra pone la robótica al alcance del lector. A lo largo de sus páginas aprenderá a:
– Comprender el funcionamiento de ROS 2, su arquitectura distribuida y sus mecanismos de comunicación.
– Instalar y configurar ROS 2 Humble sobre Ubuntu, evitando los problemas de compatibilidad más habituales.
– Programar nodos en Python e integrar paquetes, mensajes y flujos de datos reales.
– Diseñar y simular sistemas robóticos mediante URDF, Gazebo y RViz, incorporando sensores, actuadores y controladores.
– Desarrollar sus primeros proyectos de robótica inteligente mediante aprendizaje automático, visión artificial y modelos de inteligencia artificial integrados en ROS 2.
El contenido se apoya en el ecosistema oficial de ROS, en herramientas recomendadas por Open Robotics y en metodologías utilizadas actualmente en investigación y desarrollo industrial. De este modo, se garantiza un aprendizaje riguroso, actualizado y orientado a la práctica.
Más que explicar qué es ROS 2, este libro muestra cómo utilizarlo para construir robots inteligentes y modernos. Si busca una guía práctica, actual y enfocada en aplicaciones reales, encontrará aquí un sólido punto de partida.
Ignacio Díaz Cano combina una sólida formación académica con una amplia experiencia en robótica e inteligencia artificial. Doctor por la Universidad de Cádiz, desarrolló su tesis doctoral de carácter industrial en Navantia, donde creó un sistema robotizado de soldadura automatizada. También es miembro del grupo de investigación de Robótica Aplicada de la Universidad de Cádiz y colabora activamente en proyectos relacionados con la robótica y los sistemas autónomos.
Esta trayectoria se refleja en una obra que equilibra los fundamentos teóricos con la aplicación práctica y acompaña al lector desde los conceptos básicos hasta escenarios avanzados de simulación, programación e inteligencia artificial.
Índice
ÍNDICE
Prólogo
Agradecimientos
Capítulo 1. Introducción a la robótica moderna y ROS 2
1.1 ¿Qué es ROS y por qué ROS 2?
1.1.1 Introducción
1.1.2 Historia y evolución de ROS
1.1.2.1 Hitos destacados de ROS
1.2 Arquitectura distribuida de ROS 2
1.2.1 Motivaciones del cambio hacia ROS 2
1.3 Conclusión
Capítulo 2. Instalación y preparación del entorno
2.1 Introducción
2.2 Instalación de Ubuntu y ROS 2 (Humble)
2.2.1 Instalación de Ubuntu
2.2.1.1 Requisitos mínimos
2.2.1.2 Distribuciones compatibles
2.2.1.3 Pasos de instalación
2.2.2 Instalación de ROS 2
2.2.2.1 Preparación del entorno
2.2.2.2 Instalación de claves y repositorio
2.2.2.3 Instalación de ROS 2 Humble
2.2.2.4 Configurar el entorno
2.3 Python virtualenv y herramientas (colcon, VS Code)
2.3.1 Entornos virtuales en Python
2.3.2 Colcon
2.3.3 Visual Studio Code
2.4 Uso de Docker (opcional)
2.4.1 Instalación de Docker
2.4.2 ROS 2 en contenedores
2.5 Conclusión
Capítulo 3. Primeros pasos con ROS 2 en Python
3.1 Introducción
3.2 Estructura de paquetes en ROS 2
3.2.1 La herramienta setuptools
3.2.2 El paquete std_msgs
3.2.3 El cliente rclpy
3.2.4 Compilación y ejecución
3.3 Nodos, tópicos, servicios y acciones
3.3.1 Nodos
3.3.2 Tópicos
3.3.3 Servicios
3.3.4 Acciones
3.4 Primer ejemplo: publicador, suscriptor, acción y servicio con Python
3.4.1 Publicador
3.4.2 Suscriptor
3.4.3 Servicio
3.4.3.1 Servidor del servicio
3.4.3.2 Cliente del servicio
3.4.4 Acción
3.4.4.1 Servidor de la acción
3.4.4.2 Cliente de la acción
3.4.5 Otros ficheros del proyecto
3.4.5.1 Package.xml
3.4.5.2 Setup.py
3.4.5.3 Setup.cfg
3.4.5.4 Miservicio.srv
3.4.5.5 Mitarea.action
3.4.5.6 Comunicacion_launch.py
3.4.6 Compilación y ejecución del proyecto
3.5 Conclusión
Capítulo 4. Simulación con Gazebo y RViz usando Python
4.1 Introducción
4.2 Tutorial de instalación de RViz y Gazebo Classic
4.3 URDF, modelos 3D y simulación básica
4.3.1 Introducción a la modelización en ROS 2
4.3.2 URDF: fundamento de la descripción del robot
4.3.2.1 ¿Qué es URDF y para qué se utiliza?
4.3.2.2 Estructura básica de URDF
4.3.3 Modelado geométrico en URDF
4.3.3.1 Primitivas geométricas simples
4.3.3.2 Mallas externas (STL, DAE, OBJ)
4.3.4 Propiedades físicas: base para simulación realista
4.3.4.1 Masa y centro de masa
4.3.4.2 Tensor de inercia
4.3.4.3 Colisiones
4.4 Control de sensores y actuadores simulados
4.4.1 Introducción
4.4.2 Sensores simulados en Gazebo
4.4.2.1 Principales tipos de sensores simulados
4.4.2.2 Ejemplo: sensor LIDAR 2D simulado
4.4.3 Control y uso de sensores desde Python
4.4.4 Actuadores simulados
4.4.5 ros2_control: abstracción del hardware
4.5 Ejemplo completo de un robot simulado
4.5.1 URDF (modelo del robot)
4.5.2 ros2_control: interfaces de hardware
4.5.3 Controlador: diff_drive_controller
4.5.4 Gazebo: simulador
4.5.5 Dinámica simulada: resultado físico
4.6 Conclusión
Capítulo 5. Control de movimiento y navegación autónoma
5.1 Introducción
5.2 Introducción a Nav2 con ejemplos en Python
5.2.1 ¿Qué es Nav2?
5.2.2 Requisitos previos para usar Nav2
5.2.3 Uso básico de Nav2 desde Python
5.3 SLAM, localización y planificación de rutas
5.3.1 Fundamentos de SLAM
5.3.1.1 Incertidumbre y error acumulativo
5.3.1.2 Formulación probabilista del SLAM
5.3.1.3 SLAM 2D en ROS 2
5.3.1.4 slam_toolbox en ROS 2
5.3.1.5 Relación con la navegación autónoma
5.3.1.6 Ejemplo: lanzamiento de slam_toolbox en ROS 2
5.3.2 Localización: AMCL
5.3.2.1 Fundamentos del método Monte Carlo
5.3.2.2 Modelo de movimiento (predicción)
5.3.2.3 Modelo de observación (corrección)
5.3.2.4 Remuestreo adaptativo
5.3.2.5 Inicialización de la localización
5.3.2.6 Limitaciones y consideraciones prácticas
5.3.2.7 Relación con SLAM y navegación autónoma
5.3.2.8 Ejemplo práctico: localización del robot mediante AMCL en ROS 2
5.3.3 Costmaps y representación del entorno
5.3.3.1 Niveles de costmaps en Nav2
5.3.3.2 Inflación de obstáculos
5.3.4 Planificación global y local
5.4 Caso práctico: robot móvil simulado con navegación autónoma
5.4.1 Escenario y requisitos del sistema
5.4.2 Arquitectura general del sistema
5.4.3 Fase 1: lanzamiento del robot en Gazebo
5.4.4 Fase 2: construcción del mapa con SLAM
5.4.5 Fase 3: localización con AMCL
5.4.6 Fase 4: activación de Nav2
5.4.7 Fase 5: envío de objetivos desde Python
5.4.8 Análisis del comportamiento del sistema
5.5 Conclusión
Capítulo 6. Visión por computador con ROS 2 y OpenCV
6.1 Introducción a la visión por computador en robótica móvil
6.2 Arquitectura general del sistema de visión en ROS 2
6.2.1 Modelo de comunicación basado en tópicos
6.2.2 Sincronización con otros sensores
6.3 Captura de imágenes con nodos ROS 2
6.3.1 Fuentes de imagen: cámaras reales y simuladas
6.3.2 Uso de cv_bridge
6.4 Preprocesamiento de imágenes
6.4.1 Conversión de espacios de color
6.4.2 Filtrado y reducción de ruido
6.4.3 Normalización y ajuste de contraste
6.4.4 Detección de bordes
6.4.5 Segmentación de regiones
6.4.6 Integración en el pipeline de visión
6.5 Detección básica de objetos con OpenCV
6.5.1 Detección por color
6.5.2 Detección de contornos
6.6 Integración de la visión con la navegación autónoma
6.6.1 Relación entre percepción y toma de decisiones
6.6.2 Publicación de resultados visuales
6.6.3 Ejemplo de flujo completo
6.7 Consideraciones prácticas y buenas prácticas
6.7.1 Selección de sensores y parámetros de cámara
6.7.2 Gestión del ruido y condiciones de iluminación
6.7.3 Robustez frente a variaciones ambientales
6.7.4 Rendimiento y eficiencia computacional
6.7.5 Integración con sistemas de navegación
6.7.6 Buenas prácticas de desarrollo
6.8 Conclusión
Capítulo 7. Aprendizaje automático con Python en ROS 2
7.1 Introducción
7.2 Integración de modelos preentrenados (PyTorch, TensorFlow)
7.2.1 PyTorch en ROS 2
7.2.2 TensorFlow en ROS 2
7.3 Inferencia en tiempo real con ROS 2
7.4 Conclusión
Capítulo 8. Introducción a los modelos de lenguaje y LangChain
8.1 Introducción
8.2 Fundamentos de los modelos de lenguaje y el NLP moderno
8.3 ¿Qué es LangChain y cómo se utiliza?
8.4 Instalación y configuración con Python
8.5 Conclusión
Capítulo 9. Integración de LangChain con ROS 2
9.1 Introducción
9.2 Arquitectura de integración: comandos ? LLM ? ROS 2
9.3 Caso práctico: control de robot con lenguaje natural
9.4 Conclusión
Capítulo 10. Agentes inteligentes con LLM en robótica
10.1 Uso de LLM como planificadores para tareas robóticas
10.2 Limitaciones, ventajas y casos de uso reales
10.3 Chatbots embebidos en ROS 2 con interfaz por terminal o voz
10.4 Conclusión
Valoraciones
No hay valoraciones aún.