UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA

FACULTAD DE INGENIERÍAS

ESCUELA PROFESIONAL DE INGENIERÍA DE

COMPUTACIÓN Y SISTEMAS

TÍTULO
INTELIGENCIA ARTIFICIAL EN EL ÁMBITO
DE LA ROBÓTICA

CURSO
EPISTEMOLOGÍA DE LA INGENIERÍA

ICA - PERÚ
2022

1
PROFESOR DEL CURSO:

CLAUDIO JESUS IBARRA RIOS

GRUPO05 _LRPD2

PRESENTADO POR LOS ESTUDIANTES:

• PEÑA TARQUI RODOLFO JESUS
• QUISPE SANTE VICTOR FABIAN

CICLO:
• I
 AGRADECIMIENTO

La universidad, por las oportunidades que nos han brindado son incomparables, y
estamos muy satisfechos por los logros alcanzados. Agradecemosmucho la ayuda del
docente CLAUDIO JESUS IBARRA RIOS, a nuestros compañeros, y a la universidad.
 DEDICATORIA

A nuestros padres, quienes son nuestro mayor apoyo. A nuestro docente que nos dio su
mutuo apoyo y a diversas personas que con sus conocimientos y experiencias nos han
ayudado con el desarrollo de este proyecto.
ÍNDICE:

Dedicatoria ..................................................................................................................................... I
Agradecimiento ............................................................................................................... II
Resumen ........................................................................................................................... III
Introducción .................................................................................................................................. 8
Objetivos ......................................................................................................................... 6
Justificación......................................................................................................................... 9
Conclusiones .................................................................................................................... 20
Recomendaciones ............................................................................................................. 21
Referencias bibliográficas ................................................................................................. 22

5
1. OBJETIVOS

General:

Presentar propuesta de mejora del uso de la inteligencia artificial en la robótica.

Específicos:

-Detallar los conceptos de transformación e innovación digital y otros factores de relación.

-Describir la empresa.

-Exponer la propuesta de mejora (control de asistencia).

6
 Resumen
Cuanto mayor sea la inteligencia artificial de los bots, robots y androides mayor
será su autonomía y en consecuencia tendrán menor dependencia de los
fabricantes, propietarios y usuarios. Es un hecho que la nueva generación de
robots convivirá con los humanos y la legislación debe adaptarse y regular
cuestiones de gran importancia jurídica cuáles son: ¿quién asume la
responsabilidad de los actos u omisiones de los robots inteligentes?, ¿cuál es su
condición jurídica?, ¿deben tener un régimen especial de derechos y
obligaciones?, ¿qué soluciones vamos a dar a los conflictos éticos relacionados
con su conducta? y por último, ¿deben establecerse medidas mínimas
organizativas, técnicas y legales para minimizar los riesgos de seguridad a los
que está expuesta la tecnología asumiendo que su desarrollo no debe verse
como una amenaza sino como una oportunidad y que los robots pueden estar
interconectados? La regulación es un aspecto clave para la existencia de una
sociedad más segura y pacífica y por ello debe estar adaptada a como es hoy
en día la humanidad y como queremos que sea en un futuro.

7
 INTRODUCCIÓN

Introducción Es fundamental describir el ámbito, las condiciones humanas de la

persona, los escenarios donde se generan los procesos del conocimiento y su
experiencia con la realidad; es donde la persona concibe una valoración de la
ciencia, la cultura y los cambios estructurales mediante el descubrir, conocer y
reflexionar sobre el campo de estudio específico. Aristóteles decía: “todos los
seres vivos tienen algún tipo de conocimiento de acuerdo con las funciones
propias de cada uno de ellos. La experiencia, el contacto con la realidad, es el
punto de partida de todo conocimiento”; Vallverdú, J. (2008) dice: “la
epistemología es el estudio de los modos de adquirir y crear conocimiento válido”
(Revista de Filosofía, volumen 64, p. 195). Ahora, tomando como referencia el
enunciado, es importante reflexionar y descubrir el propio itinerario
epistemológico. La epistemología se interesa por las representaciones del
mundo que utilizamos y construimos, cómo se construyen conocimientos
científicos o humanistas, examina los conocimientos y las disciplinas científicas,
revisa diversos aspectos y cuestiones, además se pregunta sobre la diferencia y
complementariedad entre las racionalidades ética y científica, estética y
religiosa.
(Epistemología y fundamento - Loja, 2018 pag-1).

En la actualidad, la única tecnología que permite implementar sistemas de

inteligencia artificial son los sistemas electrónicos basados en diapositivas de
estado sólido como el transistor. En efecto, gracias a los grandes avances de la
microelectrónica desde los años 60, los ordenadores actuales disponen de una
gran capacidad de calculo que permite la implementación de sistemas
avanzados de tratamiento de datos y reconocimiento de patrones. Los sistemas
digitales basados en transistor constituyen una tecnología rápida, robusta y de
tamaño reducido que permite la ejecución secuencial de operaciones aritmético-
lógicas.
La idea principal es que, a pesar de las enormes diferencias entre sistemas
naturales y artificiales, a un cierto nivel de abstracción ambos pueden describirse
como sistemas de procesado de objetos abstractos mediante un conjunto de
reglas. (Inteligencia artificial avanzada – Benítez, 2014 – pág. 15)
(Epistemología y fundamento - Loja, 2018)

8
 JUSTIFICACIÓN
En los últimos años una de la inteligencia artificial que se vio resaltante, un
sistema tecnológico el cual interactúa con los individuos mediante un artefacto
tecnológico. Gracias al desarrollo de las tecnologías el desarrollo de novedosas
mejoras en la actualidad aumentada ha ido creciendo, adaptándose al entorno y
consigo ofrendando varios beneficios de consenso al espacio de uso.
investigación, innovación y desarrollo en el ámbito de la robótica;” (letra u).
Subraya asimismo el papel de la Unión para “establecer principios éticos básicos
que deban respetarse en el desarrollo, la programación y la utilización de robots
y de la IA, y a la hora de incorporar dichos principios a la normativa y los códigos

9
 EPISTEMOLOGÍA

1. Fundamentos epistemológicos
En el desarrollo de la primera parte se hace énfasis en la importancia de los
postulados que sustentan la epistemología y su definición como itinerario en el
proceso de la construcción y gestión del conocimiento. Todo ser humano tiene
presente la reflexión, el interés por conocer, comprender mejor el sentido y el
valor de las ciencias, partiendo de una explicación clara del aporte de autores y
teorías más significativas en el desarrollo del pensamiento. Desde sus inicios el
ser humano siempre ha tenido la necesidad de preguntarse: ¿quién es?, ¿cuáles
son sus dimensiones como persona?, ¿por qué es importante el conocimiento
para lograr comprender una parte del todo? En este sentido, sin duda alguna
necesita tener una visión integral de sí mismo para relacionarse con los demás
y lograr una mejor comprensión de la realidad según lo que describe a
continuación: El hombre tiene muchos medios para progresar en el conocimiento
de la verdad, de modo que puede hacer cada vez más humana la propia
existencia. Entre éstos destaca la filosofía, que contribuye directamente a
formular la pregunta sobre el sentido de la vida y a trazar la respuesta: ésta, en
efecto, se configura como una de las tareas más nobles de la humanidad… El
interrogarse sobre el porqué de las cosas es inherente a su razón, aunque las
respuestas que se han ido dando se enmarcan en un horizonte que pone en
evidencia la complementariedad de las diferentes culturas en las que vive el
hombre. (Carta encíclica La fe y la razón (Fides et ratio), Juan Pablo II, numeral
3). Es importante conocer la filosofía de la ciencia y el propio ámbito de la
epistemología y los diferentes aportes relacionados con la teoría del
conocimiento, pero lo esencial es reflexionar cómo influye el desarrollo del
pensamiento y los aportes de los diferentes modelos pedagógicos a partir de las
diferentes ciencias. Gevaert, J. (2008) al referirse a la certeza del ser humano
respecto de la verdad, el conocimiento y el pensamiento citado de Descartes,
describe: … la certeza fundamental del hombre, su verdad primera e indubitable
es la conciencia ecológica que piensa al mundo: cogito, ergo sum (pienso luego
existo). Esta verdad está en el mismo hombre, esto es, en la persona individual
que reflexiona sobre sí misma. Los filósofos, sobre todo del siglo XX, no han
dejado de criticar la inconsistencia de este razonamiento. Además, el yo del
cogito es un yo fuertemente empobrecido, un yo abstracto. En el idealismo
Los sentidos de certeza, verdad y conciencia parten de las diversas
manifestaciones del pensamiento humano que implica reflexión de la propia
realidad personal con su entorno que asume el ser humano desde sus
percepciones, impresiones de lo que aprende y proyecta desde su existencia y
de las diferentes formas de concebir el conocimiento. En este mismo sentido,

10
Gevaert, J. (2008) señala que el conocimiento humano revela tres aspectos
característicos de encarnación: está ligado a los sentidos, a la palabra y a la
praxis.
(Epistemología y fundamento - Loja, 2018 pag-2-3)

1.1 Contextualización de la definición de epistemología

El intento de aclarar y de profundizar el término “conocer” está presente en cada
persona; es decir, el conocer caracteriza esencialmente a un modo de existir, al
modo específico según el cual el ser humano está presente en el mundo, donde
actúa y se acerca a la realidad. En los procesos de formación de las diferentes
disciplinas, siempre hemos escuchado las expresiones “epistemología”,
“fundamentos epistemológicos”, “epistemología de la ciencia”, “horizontes
epistemológicos”; pero es importante cuestionarnos: ¿qué estudia la
epistemología? Partiremos afirmando que el término epistemología se deriva de
las voces griegas: episteme = ciencia y logos = tratado, literalmente la
epistemología es el tratado de la ciencia. A continuación, presentamos algunas
definiciones de epistemología: Michel Foucault ha llamado “episteme” y también
“campo epistemológico” a la estructura subyacente y, con ello, inconsciente, que
delimita el campo del conocimiento, los modos como los objetos son percibidos,
agrupados,
Además, los aportes de los autores citados en los párrafos anteriores coinciden
en algunos aspectos relacionados con la epistemología, al afirmar que es aquella
parte de la ciencia que tiene como objeto (no el único) hacer un recorrido por la
historia del sujeto respecto a la construcción del conocimiento científico; es decir,
la manera cómo éste ha objetivado, especializado y otorgado un status de

11
cientificidad al mismo; pero a su vez, el reconocimiento que goza este tipo de
conocimiento por parte de la comunidad científica. Es aquella epistemología que
estudia la génesis de las ciencias, que escudriña cómo el ser humano ha
transformado o comprendido su entorno por la vía de métodos experimentales o
hermenéuticos en el deseo o necesidad de explicar fenómenos en sus causas y
en sus esencias. (Epistemología y fundamento - Loja, 2018 pag-4-7).

INTELIGENCIA ARTIFICIAL EN EL ÁMBITO DE LA ROBÓTICA

1. Concepto:
La inteligencia artificial es considerada una rama de la computación y relaciona
un fenómeno natural con una artificial a través de programas de computador La
inteligencia artificial puede ser tomada como ciencia si se enfoca hacia la
elaboración de programas basados en comparaciones con la eficiencia del
hombre, contribuyendo a una mayor entendimiento del conocimiento humano Si
por otro lado es tomada como ingeniería, basada en una relación deseable
entrada y salida para sintetizar un programa de computador El resultado es un
programa de alta eficiencia que funciona como una poderosa herramienta para
quien la utiliza.
Área multidisciplinaria que, a través de ciencias, estudia la creación y diseño de
sistemas capaces de resolver problemas cotidianos por sí mismos, utilizando
como paradigma la inteligencia humana. También ha sido descrita como la mejor
demostración de que una maquina posee inteligencia.
En ocasiones, los sistemas de IA resuelven problemas de forma heurística
mediante un procedimiento de ensayo y error que incorpora información
relevante basada en conocimientos previos. Cuando un mismo problema puede
resolverse mediante sistemas naturales (cerebro) o artificiales (computadora),
los algoritmos que sigue cada implementación suelen ser completamente
diferentes puesto que los conjuntos de instrucciones elementales de cada
sistema son también diferentes. El cerebro procesa la información mediante la
activación coordinada de redes de neuronas en áreas especializadas (córtex
visual, córtex motor, etc.). En el sistema nervioso, los datos se transmiten y
reciben codificados en variables como la frecuencia de activación de las

12
neuronas o los intervalos en los que se generan los potenciales de acción
neuronales, El elevado número de neuronas que intervienen en un proceso de
computación natural hace que las fluctuaciones fisiológicas tengan un papel
relevante y que los procesos computacionales se realicen de forma estadística
mediante la actividad promediada en subconjuntos de neuronas. En un sistema
IA, en cambio, las instrucciones básicas son las propias de una computadora, es
decir operaciones aritmeticológicas, de lectura/escritura de registros y de control
de flujo secuencial. (Inteligencia artificial avanzada – Benítez, 2014 – pág. 8-12)

2. Ámbitos de aplicación de la inteligencia artificial

Las aplicaciones más frecuentes de la inteligencia artificial incluyen campos
como la robótica, el análisis de imágenes o el tratamiento automático de textos.
En robótica, uno de los campos de investigación actual con mayor proyección es
el del aprendizaje adaptativo, en el que un sistema robotizado explora diferentes
configuraciones con el objetivo de realizar un movimiento complejo (caminar,
agarrar un objeto, realizar una trayectoria, jugar a golf, etc.). El objetivo podría
ser, por ejemplo, que un robot cuadrúpedo se levante y ande de forma autónoma,
de forma que siga un proceso de exploración y aprendizaje similar al que realiza
un recién nacido durante los primeros meses de vida. Un sistema de IA en este
caso se encargaría de explorar diferentes movimientos de forma aleatoria,
midiendo las variables de cada articulación y comprobando en cada momento el
grado de éxito alcanzado por cada secuencia de acciones (altura del centro de
masas, desplazamiento horizontal, fluctuaciones en la posición vertical,
velocidad de desplazamiento, etc.). El sistema de IA modularía la ejecución de
las diferentes acciones, incrementando la probabilidad de aquellas que
presenten un mejor rendimiento y restringiendo las que no comporten una mejora
de la función objetivo. Un área afín a la robótica es la de las interfaces cerebro-
computadora (BCI, Brain-computer Interfaces), sistemas artificiales que
interactúan con el sistema nervioso mediante señales neurofisiológicas con el
objetivo asistir a personas discapacitadas durante la ejecución de determinadas
tareas motoras.
Dentro del campo de la IA, una de las ramas con mayor proyección son los
denominados sistemas expertos, en los que el objetivo es diseñar un sistema
que permita analizar un conjunto de datos y realizar tareas típicamente
asociadas a la figura de un profesional experto como el diagnóstico, la detección
de fallos, la planificación o la toma de decisiones. Los datos con los que trabaja
el sistema experto pueden ser de naturaleza muy diversa.
En un sistema de diagnóstico clínico, por ejemplo, se puede partir de imágenes
radiológicas, de una serie temporal de la frecuencia del ritmo cardíaco de un
paciente o de un conjunto de datos con valores extraídos de análisis de sangre

13
o de orina, La utilización de todas las señales anteriores a la vez constituye un
sistema de fusión multimodal, en el que el estado clínico del paciente se describe
desde una perspectiva multiorgánica más completa. En los sistemas expertos se
combina información extraída de datos con el conocimiento del sistema que
aporta un expenso especializado. A estos sistemas se les conoce como sistemas
basados en conocimiento (KBS, knowledge-based systems), y permiten integrar
reglas heurísticas y árboles de decisiones elaborados por una comunidad de
expertos durante años de trabajo y experimentación. Estas reglas no pueden ser
inferidas directamente de los datos observados, y son de gran utilidad en
aplicaciones sobre diagnóstico y toma de decisiones, Un ejemplo de este tipo de
técnicas serían el protocolo de diagnóstico que realiza un médico especialista a
partir de un conjunto de pruebas, o los criterios que aplica un ingeniero de
caminos para validar la resistencia mecánica de un puente.
La información aportada por humanos expertos es también necesaria para
diseñar sistemas artificiales que jueguen a juegos como el ajedrez o el Ego.
El análisis de textos es otro ejemplo interesante en el que se desarrollan
numerosos sistemas de IA. Aspectos como la traducción automática de textos
han evolucionado de forma sorprendente durante los últimos años gracias a
técnicas de IA. Hoy en día es fácil encontrar plataformas web gratuitas que
permitan traducir textos entre más de 50 lenguas diferentes. Estos sistemas de
traducción automática presentan resultados de notable calidad, y tienen en
cuenta aspectos semánticos y contextuales antes de proponer una traducción
del texto. El éxito de estas plataformas se debe en gran parte a sistemas de IA
que utilizan enormes

cantidades de información textual aportada por los usuarios del servicio.

Sistemas similares permiten realizar búsquedas inteligentes en la web, de forma
que los vínculos que se ofrecen tengan en cuenta las preferencias estadísticas
propias y del resto de usuarios, o enviar publicidad de forma selectiva a partir de
la información que aparece en el campo asunto de nuestro buzón de correo
electrónico.
Otro ejemplo de sistema en el ámbito de la ingeniería de procesos es un sistema
de detección de fallos en una planta compleja. Una planta industrial dispone de
múltiples sensores distribuidos que permiten monitorizar el proceso de forma
continua. En la fase de entrenamiento, el sistema aprende un conjunto de
patrones dinámicos de los sensores que corresponden a situaciones en los que
se produce un error en la planta.
En el futuro, cuando se produce un error, el sistema de IA detecta su existencia
de forma automática y es capaz de diagnosticar el origen del fallo comparando
la respuesta de los sensores con las respuestas características de cada error.
En una tercera fase, el sistema puede incluso tomar decisiones sobre qué

14
acciones hay que realizar para resolver el problema de la forma más rápida y
eficiente, Las aplicaciones industriales de la IA es un campo con una gran
proyección en el que los sistemas van dirigidos a mejorar procesos de
fabricación, control de calidad, logística o planificación de recursos. En muchas
ocasiones, los sistemas de IA constan de dos fases, una primera fase de
aprendizaje y una segunda de predicción. En la fase de aprendizaje se soporta
un conjunto de datos representativo de aquellas situaciones que se desea
analizar, de forma que el sistema IA aprende las características fundamentales
de los datos y es capaz de generalizar su estructura. Dicha generalización no es
más que la construcción de un modelo de los datos que permita realizar una
predicción acertada a partir de nuevas observaciones.
Consideremos el ejemplo de un sistema automático para el reconocimiento de
caras. Al sistema se le proporcionan 100 imágenes faciales de 10 personas
diferentes, 10 caras por persona. Las imágenes son lo más en diferentes
condiciones (diferente expresión facial, ropa, iluminación, exposición, fondo,
etc.), de forma que sean representativas de las características faciales de cada
persona, El sistema identifica las características principales de cada una de las
fotos y es capaz de agruparlas en un determinado número de grupos
(presumiblemente 10, excepto si se han incluido gemelos monocigóticos), Entre
las características utilizadas pueden aparecer, entre otras, el color de los ojos, el
grosor de los labios o el perímetro de la cabeza. En la fase de predicción, se
parte de una imagen de uno de los 10 individuos que no haya sido incluida en el
conjunto de datos de entrenamiento. El sistema calcula las características
faciales del nuevo individuo, y debe ser capaz de identificar esa imagen como
perteneciente a uno de los grupos definidos durante el proceso de aprendizaje
(presumiblemente al grupo del individuo correcto, a no ser que la nueva imagen
no tenga apenas rasgos comunes con las 10 imágenes dc entrenamiento), Si la
nueva imagen es identificada de forma correcta, diremos que el sistema de IA
acierta en Su predicción, mientras que cuando el sistema asigna la imagen a otro
grupo de forma errónea, se produce un error de clasificación.
(Inteligencia artificial avanzada – Benítez, 2014 – pág. 16-27)

15
 2. APLICACIONES:

2.1. INTERFACES CEREBRO-COMPUTADORA

Chau (2019). una interfaz cerebro-computador, que se encarga de medir ciertos
patrones en las señales cerebrales de los pacientes y traducirlos para que una
computadora pueda interpretarlas. El presente trabajo comprende el diseño de
una interfaz cerebro-computador que, aplicando algoritmos de procesamiento de
señales cerebrales y aprendizaje de máquina, permite a un usuario seleccionar
diversas tareas predefinidas para un manipulador robótico asistencial
aprovechando el potencial relacionado a eventos conocido como P300.
Adicionalmente, también se presenta una propuesta experimental para las
realizaciones de pruebas, tanto fuera de línea como del sistema, de manera que
se pueda analizar y validar su eficiencia y usabilidad. Finalmente, se analizan
resultados no cuantitativos provenientes de los usuarios, que pueden ser
utilizados para futuros estudios relacionados. Chau, J. (2019).

2.2. SISTEMAS DE VISIÓN ARTIFICIAL

Según la Automated Imaging Asociación (AIA), la visión artificial abarca todas
las aplicaciones industriales y no industriales en las que una combinación de
hardware y software brinda un guiado operativo a los dispositivos en la ejecución
de sus funciones de acuerdo con la captación y procesamiento de imágenes.
Aunque la visión artificial aplicada a la industria utiliza los mismos algoritmos y
enfoques que las aplicaciones académicas/educativas y
gubernamentales/militares de visión artificial, las limitaciones son diferentes.
Los sistemas de visión industrial exigen una mayor robustez, fiabilidad y
estabilidad en comparación con un sistema de visión académico/educativo y,
normalmente, cuestan mucho menos que los que se utilizan en aplicaciones
gubernamentales/militares. Por tanto, la visión artificial industrial implica bajos
costes, precisión aceptable, resistencia elevada, alta fiabilidad y una gran
estabilidad mecánica y de temperatura.
Los sistemas de visión artificial cuentan con sensores digitales protegidos en el
interior de cámaras industriales con ópticas especializadas para adquirir
imágenes, de forma que el hardware y software informático pueden procesar,
analizar y medir diversas características a la hora de tomar decisiones.
2.2.1. Ventajas de la visión artificial
Mientras que la visión humana es mejor para la interpretación cualitativa de una
escena desestructurada compleja, la visión artificial destaca en la medida

16
cuantitativa de una escena estructurada debido a su velocidad, precisión y
repetibilidad. Por ejemplo, en una línea de producción, un sistema de visión
artificial puede inspeccionar cientos, o incluso miles, de piezas por minuto. Un
sistema de visión artificial gira en torno a la resolución correcta de la cámara y a
la óptica que le permiten inspeccionar fácilmente detalles de un objeto
demasiado pequeños para que el ojo humano pueda llegarlos a ver.
Al eliminar el contacto físico entre el sistema de prueba y las piezas que van a
verificarse, la visión artificial evita daños en las piezas y elimina el tiempo y los
costes de mantenimiento asociados al desgaste de los componentes mecánicos.
La visión artificial aporta beneficios operativos y de seguridad adicionales al
reducir la participación humana en el proceso de fabricación. Además, evita la
contaminación humana de salas limpias y protege a las personas frente a
entornos peligrosos.
2.2.2. Aplicaciones de la visión artificial
Normalmente, la tecnología de correspondencia de patrones representa el
primer paso en cualquier aplicación de visión artificial, ya sea la verificación del
montaje más simple o la selección/extracción de piezas amontonadas
aleatoriamente en un contenedor mediante un complejo sistema robótico 3D,
para buscar el objeto o característica de interés dentro del campo de visión de la
cámara. La localización del objeto de interés suele determinar el éxito o el
fracaso de la aplicación. Si las herramientas de software de correspondencia de
patrones no pueden localizar con precisión la pieza dentro de la imagen, no
podrán guiar, identificar, inspeccionar, contar ni medir la pieza. Aunque
la búsqueda de una pieza pueda parecer sencillo, las diferencias de apariencia
en entornos de producción reales pueden hacer que el próximo paso sea
excesivamente difícil A pesar de que los sistemas de visión están entrenados
para reconocer piezas basándose en patrones, incluso los procesos controlados
más ajustados permiten alguna variabilidad en la apariencia de una pieza
2.2.3. Componentes de la visión artificial
Los componentes principales de un sistema de visión artificial (Figura 9) son la
iluminación, la lente, el sensor de imagen, el procesamiento de visión y las
comunicaciones. La iluminación ilumina la pieza que va a inspeccionarse
permitiendo que sus características destaquen y puedan ser vistas claramente
por la cámara. La lente capta la imagen y la presenta al sensor en forma de luz.
El sensor de la cámara de visión artificial convierte esta luz en una imagen digital
que se envía al procesador para su análisis.
El procesamiento de visión consiste en unos algoritmos que revisan la imagen y
extraen de ella la información precisa, realizan la inspección necesaria y toman
una decisión. Por último, la comunicación se lleva a cabo normalmente a través

17
de una señal de E/S discreta o los datos se envían a través de una conexión
serie hacia un dispositivo que registra la información o la utiliza.
La mayoría de los componentes de hardware de los sistemas de visión artificial,
como módulos de iluminación, sensores y procesadores son productos
comercialmente disponibles (COTS). Los sistemas de visión artificial se pueden
montar a partir de productos COTS, o adquirirse como un sistema integrado con
todos los componentes en un único dispositivo.
En las páginas siguientes se indican los distintos componentes claves de un
sistema de visión artificial: iluminación, lentes, sensor de visión, procesamiento
de imágenes, procesamiento de visión y comunicaciones
2.3. SISTEMA DE NAVEGACIÓN AUTOMÁTICA
Farro (2018), un sistema de navegación automática controlada por voz para
mejorar la movilidad de estas personas. Para esto realizamos un estudio de las
características mecánicas y motrices de las sillas motorizadas y también de las
técnicas de clasificación de comandos de voz, siendo las más utilizadas redes
neuronales y aprendizaje profundo, además de que existen en el mercado
diferentes soluciones offline y online que facilitan el desarrollo y adaptación
sistemas, pues ambos sistemas son fácilmente asimilados por los usuarios de
las sillas motorizadas. Esto permitió desarrollar un prototipo de una interfaz
compuesta de hardware y software adaptable a estas sillas motorizadas, para lo
cual se construyó un prototipo de silla de ruedas a la cual se le adapta esta
interfaz.

18
19
CONCLUSIÓNES

La visión artificial es la extracción de información de imágenes digitales para el

control de proceso o calidad. La mayoría de fabricantes utiliza la visión artificial
automatizada en lugar de inspectores humanos debido a que responde mejor en
las tareas de inspección repetitivas. Es más rápida, más objetiva, y funciona a
todas horas. La visión artificial puede inspeccionar cientos o incluso miles de
piezas por minuto, y proporciona unos resultados de inspección más coherentes
y fiables las 24 horas del día y los 7 días de la semana.
Medición, recuento, localización y decodificación son algunas de las aplicaciones
más comunes de la visión artificial en la fabricación actual. Al reducir los
defectos, aumentar el rendimiento y facilitar la conformidad con la normativa y el
seguimiento de las piezas con la visión artificial, los fabricantes pueden ahorrar
dinero y aumentar la rentabilidad.

20
Recomendaciones
Nadie duda que el impacto social de la inteligencia artificial (IA) va a ser enorme. Pero aún hay
preguntas clave sin respuesta clara: ¿están las sociedades preparadas para lo que viene? ¿Qué
medidas deberían tomar los dirigentes públicos para que la inteligencia artificial mejore la
forma de vida del ser humano del siglo XXI?

21
Bibliografía

Gadea, Walter & Chaves-Montero, Alfonso & Cuenca Jiménez, Roberto Carlos.
(2019). Epistemología y Fundamentos de la Investigación Científica.
https://www.researchgate.net/publication/345732436_Epistemologia_y_Fundam
entos_de_la_Investigacion_Cientifica

Gadea, W., Jiménez, R., & Chaves-Montero, A. (2019). Epistemología y

Fundamentos de la Investigación
Científica. https://dialnet.unirioja.es/servlet/libro?codigo=778810

Benítez r (2022). Inteligencia artificial avanzada.

https://books.google.com.pe/books/about/Inteligencia_artificial_avanzada.html?i
d=eT7ABAAAQBAJ&printsec=frontcover&source=kp_read_button&hl=es-
419&redir_esc=y#v=onepage&q&f=false

M., A. (2022). TinkerCAD: ¡Te contamos todo lo que necesitas saber! -

3Dnatives. https://www.3dnatives.com/es/tinkercad-software-200420202/

Chau, J. (2019). Selección de tareas predefinidas para un robot asistencial para

personas discapacitadas a través de una interfaz cerebro-computador
utilizando P300 [Tesis, Pontificia Universidad Católica del Perú].
http://hdl.handle.net/20.500.12404/14181

Farro, V., Villegas, L. (2018). Sistema de Navegación Automático controlado por

voz, maniobrable y seguro adaptable a sillas de ruedas motorizadas [,
Universidad Nacional Pedro Ruiz Gallo].
https://hdl.handle.net/20.500.12893/2436

22