Desarrollo y simulación de un montacargas autónomo a escala para la mejora la gestión de inventario en almacenes peruanos mediante ROS2 y YOLOv8

• Autores: Godiel Galvez, Jorge Ronaldo, Vidal Huerta, Ruben Elias
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/685710
• Enlace del recurso: http://hdl.handle.net/10757/685710
• Nivel de acceso: acceso abierto
• Materia: YOLOv8; ROS 2; Visión por Computadora; Navegación Autónoma; Detección de Palets; Almacenes; Vehiculos no Tripulados; Computer Vision; Autonomous Navigation; Pallet Detection; Warehouse; Unmaned Autonomous Vehicles; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.02

En el siguiente trabajo se desarrolla y simula un sistema autónomo de detección y navegación para un robot del tipo montacargas a una escala 1:8 para solucionar el problema de la baja eficiencia logística en un almacén peruano. La arquitectura del sistema fue implementada en ROS2 Galactic. Por otro lado, el sistema de percepción visual fue implementado mediante redes neuronales convolucionales (YOLOv8) y entrenado con imágenes sintéticas de palets en Gazebo Classic, alcanzando así una capacidad discriminativa robusta con un AUC de 0.86 y una tasa de aciertos del 77.6%. Así mismo, el sistema de navegación está basado en el stack de navegación de ROS 2, permitiendo al robot planificar y alcanzar puntos específicos con una precisión de 0.15 metros. Finalmente, los resultados validan la efectividad del sistema para tareas logísticas en entornos simulados, con proyecciones positivas hacia entornos reales mediante la incorporación de un reentrenamiento del modelo con datos reales y técnicas complementarias como seguimiento multiframe.