Autonomous Lawnmower
Conversión de un tractor cortacésped convencional en un sistema autónomo con optimización de rutas mediante Machine Learning.
Imagen del tractor próximamente
Especificaciones Técnicas
Motor
4.8 kW ICE
Autonomía
>5 horas
Cobertura
98%
Velocidad
2.6-9.2 km/h
Hardware y Sensores
Visión Estéreo
Dual cámaras a 30 FPS para detección de obstáculos y navegación visual.
IMU + GNSS
IMU a 100 Hz para odometría precisa. GNSS opcional para localización global.
Control Embebido
Raspberry Pi 3B (dev) / STM32H7 + ESP32 (producción). Loop de control a 100ms.
Encoders
Encoders en ruedas para odometría diferencial y validación de velocidad.
Servos de Control
3× servos: dirección Ackermann, altura de corte y vaciado de cesta.
Gestión de Combustible
Modelo de consumo predictivo. Tanque de 5L con autonomía de 2 horas.
Optimización con Machine Learning
Algoritmo de Q-Learning para planificación de rutas óptimas, minimizando consumo, tiempo y repeticiones innecesarias.
Reducción de Consumo
Optimización de trayectorias para minimizar gasto de combustible.
Ahorro de Tiempo
Rutas eficientes que reducen el tiempo total de operación.
Cobertura Máxima
Algoritmo garantiza 98% de cobertura sin pasadas redundantes.
Estado del Proyecto
Actualmente en Fase 1.3: Mapping & Coverage (Semanas 4-6)
15% completado (6 meses estimados)
Stack Tecnológico
Software
- • ROS 2 (Robot Operating System)
- • C/C++ (control en tiempo real)
- • Python (ML y validación)
- • Gazebo (simulación)
- • OpenCV (visión por computador)
Hardware
- • Raspberry Pi 3B / STM32H7 + ESP32
- • Dual cámaras 30 FPS
- • IMU 100 Hz + encoders
- • GNSS (opcional)
- • 3× servos de control
¿Interesado en el proyecto?
Documentación técnica, código y actualizaciones disponibles en GitHub.