Tecnologías centrales
Métodos acústicos y mecánicos.
Los sistemas de posicionamiento acústico utilizan ondas sonoras que se propagan a través de medios como el agua para determinar las posiciones relativas de los objetos, aprovechando el principio de tiempo de llegada donde la distancia ddd entre un transmisor y un receptor se calcula como d=vΔtd = v \Delta td=vΔt, con vvv como la velocidad del sonido y Δt\Delta tΔt como el tiempo de propagación. En agua de mar, vvv se aproxima a 1500 m/s, lo que permite un alcance fiable en distancias adecuadas para entornos submarinos.[92] Estos sistemas son particularmente eficaces cuando las señales electromagnéticas se atenúan rápidamente, como en las operaciones submarinas.[93]
Los sistemas de línea de base ultracorta (USBL), desarrollados en la década de 1980, integran una serie compacta de transductores en una embarcación o vehículo para medir las diferencias de fase para el rumbo y el tiempo de vuelo para el alcance hasta un transpondedor en el objetivo, logrando precisiones de posicionamiento del 0,5 al 1% del rango inclinado en implementaciones típicas.[94] Los sistemas de línea de base larga (LBL), por el contrario, emplean una red de tres o más transpondedores del fondo marino que forman un conjunto de línea de base calibrado, donde el vehículo interroga a cada uno sobre los tiempos de viaje de ida y vuelta para trilaterar su posición en relación con el conjunto, ofreciendo una mayor precisión (nivel de centímetros) en áreas más grandes, pero que requiere una calibración previa del transpondedor.[95] Ambos enfoques se basan en transpondedores acústicos que responden a pulsos de interrogación, con líneas de base LBL que abarcan cientos de metros para una geometría robusta en aguas profundas.[96]
Los métodos de posicionamiento mecánico dependen de enlaces físicos o estructuras articuladas para restringir y medir el movimiento directamente, proporcionando una precisión determinista sin depender de la propagación de ondas. Las máquinas de medición por coordenadas (MMC), de las que Ferranti fue pionera en Escocia en la década de 1950, utilizan brazos articulados rígidos con sondas táctiles para mapear puntos en un espacio tridimensional mediante codificadores de juntas, lo que permite una precisión submilimétrica para la inspección de piezas en la fabricación.[97] Los goniómetros extienden esto a dominios angulares, empleando mecanismos articulados con juntas rotacionales para posicionar objetos alrededor de un eje fijo, logrando a menudo resoluciones inferiores a 0,1 grados a través de enlaces de engranajes o de accionamiento directo para aplicaciones como la alineación óptica.[98]
En las aplicaciones, los sistemas acústicos apoyan la navegación submarina a través de la integración de sonar, donde los pings activos de conjuntos montados en el casco detectan y localizan amenazas o terreno utilizando retornos de eco procesados en tiempo real. Los métodos mecánicos sustentan los brazos robóticos en la fabricación, donde la cinemática de enlace en serie permite la colocación precisa del efector final para las tareas de ensamblaje, como se ve en los manipuladores industriales de seis grados de libertad.[100] Las integraciones híbridas ocasionalmente combinan acústica con sensores inerciales para ampliar la movilidad en escenarios submarinos dinámicos.[101]
Las principales limitaciones incluyen la atenuación de la señal acústica en el aire, donde la absorción por gases atmosféricos restringe el alcance a decenas de metros en frecuencias audibles, lo que hace que estos sistemas no sean prácticos para uso aéreo.[93] Los enfoques mecánicos sufren desgaste en juntas y conexiones durante ciclos repetidos, lo que potencialmente degrada la precisión a menos que se mitigue con materiales de baja fricción o mantenimiento periódico.[102]
Métodos basados en tiempo de vuelo y fases.
Los métodos de tiempo de vuelo (ToF) determinan la posición midiendo el tiempo que tarda una señal en viajar desde un transmisor a un receptor y viceversa, lo que permite calcular la distancia a través de la velocidad conocida de la señal en el medio. En los sistemas electromagnéticos, esto generalmente involucra ondas de radio o de luz, donde el tiempo de ida y vuelta ttt produce la distancia d=c⋅t2d = \frac{c \cdot t}{2}d=2c⋅t, con ccc como la velocidad de la luz para la propagación inalámbrica. Los sistemas de radar, pioneros en la década de 1930 para aplicaciones militares, ejemplifican ToF al emitir pulsos y detectar ecos para localizar objetivos, logrando resoluciones de hasta metros en escenarios de control de tráfico aéreo. LiDAR, una variante óptica que utiliza pulsos láser, extiende esto a rangos de alta precisión, logrando a menudo una precisión de centímetros a lo largo de kilómetros al marcar el tiempo del retorno de los fotones con fotodiodos de avalancha.
El alcance bidireccional en los protocolos ToF, como la diferencia de tiempo de llegada (TDoA) o la transferencia de tiempo bidireccional (TWTT), mitiga los problemas de sincronización del reloj mediante el intercambio de marcas de tiempo entre dispositivos, comúnmente implementado en sistemas de banda ultra ancha (UWB) para posicionamiento de corto alcance. UWB ToF, basado en IEEE 802.15.4a de la década de 2000 y mejorado por IEEE 802.15.4z desde 2020, utiliza anchos de banda superiores a 500 MHz para resolver rutas múltiples y lograr una precisión de nivel centimétrico en interiores. Las primeras implementaciones, como la serie de chips DWM1000 de Decawave de mediados de la década de 2010, admitían sistemas de ubicación en tiempo real (RTLS) con una precisión de sincronización de picosegundos. Los métodos basados en fases complementan ToF al explotar el cambio de fase de las señales de onda continua, donde la diferencia de fase Δϕ=2πλd\Delta \phi = \frac{2\pi}{\lambda} dΔϕ=λ2πd relaciona la distancia ddd con la longitud de onda λ\lambdaλ, lo que permite una resolución más fina que la sincronización del pulso por sí sola. En el posicionamiento de fase portadora GNSS, esta técnica interferométrica rastrea la fase de la señal portadora (por ejemplo, banda L1 a 1575,42 MHz) para resolver ambigüedades, lo que produce una precisión milimétrica en configuraciones diferenciales después de la corrección del deslizamiento del ciclo.
Los altímetros de fase, desplegados en satélites como el Seasat de la NASA desde 1978, miden la altura de la superficie del mar mediante retornos de fase de radar, proporcionando datos de topografía global con una precisión vertical de 10 a 20 cm mediante el análisis de la fase desplazada por Doppler de las señales reflejadas en banda Ku. En las aplicaciones, los métodos ToF y de fase admiten el posicionamiento de drones a través de anclajes UWB para evitar obstáculos, logrando una precisión horizontal de 10 cm en enjambres según las pruebas de campo de la década de 2020. El radar automotriz en bandas de 77 GHz, ampliamente adoptado en Europa para sistemas avanzados de asistencia al conductor (ADAS) desde principios de la década de 2020, utiliza variantes ToF de onda continua modulada en frecuencia (FMCW) para detectar vehículos de hasta 200 m con una resolución de 4 cm, a pesar de las trayectorias múltiples de los vehículos debido al desorden de la carretera. La precisión depende de la sincronización de picosegundos a nanosegundos, lo que se traduce en una resolución espacial de 3 cm a 30 cm, aunque la propagación por trayectos múltiples en entornos urbanos puede degradar el rendimiento hasta en un 50% sin mitigación como la formación de haces.
Detección de campo inercial y directo.
La detección inercial forma la base de los sistemas de posicionamiento autónomos que se basan en mediciones internas del movimiento sin referencias externas. Estos sistemas, conocidos como sistemas de navegación inercial (INS), emplean acelerómetros para medir la aceleración lineal y giroscopios para detectar la velocidad angular, lo que permite calcular la posición, la velocidad y la orientación en relación con un estado inicial conocido.[103] El principio básico implica integrar datos de aceleración para derivar la velocidad y realizar una segunda integración para obtener la posición, como lo expresan las relaciones v=∫a dtv = \int a , dtv=∫adt y p=∫v dtp = \int v , dtp=∫vdt, donde aaa es aceleración, vvv es velocidad y ppp es posición; Los datos giroscópicos garantizan que estas integraciones se produzcan en el marco de navegación correcto mediante el seguimiento de los cambios de actitud.[104] Las implementaciones modernas suelen utilizar sensores de sistemas microelectromecánicos (MEMS), que son compactos y rentables, como se ve en los teléfonos inteligentes, donde los acelerómetros y giroscopios de tres ejes permiten el seguimiento básico del movimiento para aplicaciones como la realidad aumentada y la monitorización del estado físico.[105]
Las configuraciones clave del INS incluyen sistemas de correas, donde los sensores están sujetos rígidamente al vehículo sin cardanes, un concepto desarrollado en la década de 1960 para que las aeronaves reduzcan la complejidad mecánica y mejoren la confiabilidad mediante el cálculo digital de matrices de orientación. Para aplicaciones de peatones, la navegación a estima para peatones (PDR) adapta la detección inercial detectando pasos a través de picos de aceleración de las pisadas, estimando la longitud del paso (normalmente alrededor de 0,7 m) basándose en modelos específicos del usuario y calculando el rumbo a partir de datos de giroscopio para actualizar la posición de forma incremental.[107] Estos métodos proporcionan autonomía a corto plazo pero sufren de acumulación de errores debido a sesgos del sensor y ruido; por ejemplo, la deriva no compensada del giroscopio puede provocar errores de orientación que se propagan cuadráticamente en las estimaciones de posición.[103]
Para mitigar los errores, el INS incorpora la sintonización Schuler, que compensa el campo gravitacional y la curvatura de la Tierra ajustando el sistema para que oscile en la frecuencia Schuler (aproximadamente 84 minutos), modelando la plataforma como un péndulo hipotético con una longitud igual al radio de la Tierra para mantener la alineación horizontal durante el movimiento. A pesar de tales correcciones, las tasas de deriva en INS de bajo costo basados en MEMS generalmente oscilan entre 1 y 10 km/h, lo que limita la operación independiente a minutos antes de una divergencia significativa con respecto a la posición real.[103]
La detección de campo directo complementa los métodos inerciales aprovechando los gradientes ambientales locales para obtener señales de posicionamiento absolutas. El mapeo geomagnético explota las variaciones espaciales en el campo magnético de la Tierra, que se distorsionan en el interior por estructuras como vigas de acero, creando huellas dactilares únicas que se pueden medir con magnetómetros; el posicionamiento se logra comparando lecturas de campo en tiempo real con un mapa previamente estudiado utilizando algoritmos como filtros de partículas o coincidencia de vecinos más cercanos, lo que produce precisiones de 0,8 a 1,5 m en entornos interiores típicos.[109] Los gradiómetros de campo eléctrico, aunque menos comunes, detectan gradientes en campos eléctricos ambientales o inducidos para navegación especializada, como en entornos submarinos donde detectan distorsiones de conductores cercanos para ayudar a la localización sin señales acústicas.[110]
Métodos ópticos y magnéticos.
Los sistemas de posicionamiento óptico utilizan cámaras para capturar características visuales del entorno o marcadores artificiales, lo que permite una localización precisa mediante técnicas de procesamiento de imágenes. Los métodos basados en cámaras, como la localización y el mapeo simultáneos (SLAM), se basan en la coincidencia de características para estimar la pose relativa de un dispositivo mediante el seguimiento de puntos clave en los fotogramas, logrando a menudo una precisión subcentimétrica en entornos controlados.[113] La fotogrametría amplía esto reconstruyendo posiciones 3D a partir de múltiples imágenes 2D, comúnmente utilizadas para mapeo y estimación de poses en robótica. Los fiduciales LED mejoran la confiabilidad en ambientes interiores al proporcionar marcadores activos y detectables que las cámaras pueden identificar para un posicionamiento absoluto, y los sistemas demuestran precisiones de alrededor de 8 mm en escenarios dinámicos.[115]
Un algoritmo central en la estimación de la pose óptica es el método Perspectiva-n-Punto (PnP), que resuelve la rotación y traslación de la cámara dadas las correspondencias entre los puntos de los objetos 3D y sus proyecciones de imágenes 2D. El problema se formula como encontrar los parámetros de transformación R\mathbf{R}R y t\mathbf{t}t que minimicen el error de reproyección:
donde ui\mathbf{u}_iui son puntos de imagen observados, Xi\mathbf{X}_iXi son puntos 3D y K\mathbf{K}K es la matriz intrínseca de la cámara; soluciones como P3P manejan casos mínimos con tres puntos para un cálculo eficiente.[116] Este enfoque sustenta las aplicaciones en tiempo real al refinar iterativamente las estimaciones de pose.
El posicionamiento magnético aprovecha las distorsiones en el campo geomagnético de la Tierra o los campos electromagnéticos generados para el seguimiento, particularmente en entornos donde los métodos visuales fallan. Sistemas como los desarrollados por Polhemus a finales de los años 1960 y 1970 fueron pioneros en el seguimiento de distorsión de campo utilizando sensores electromagnéticos para determinar posiciones de 6 grados de libertad, con aplicaciones tempranas en el seguimiento de cascos militares. La determinación del rumbo basada en una brújula combina magnetómetros triaxiales para calcular la orientación relativa al norte magnético, calibrados para tener en cuenta las distorsiones y la inclinación locales.[118] Los mapas magnéticos de interior registran previamente las anomalías geomagnéticas como huellas dactilares y comparan las lecturas de los sensores en tiempo real con estos mapas para su localización sin infraestructura adicional.[119]
Los sistemas integrados, como el ARKit de Apple presentado en 2017, fusionan datos visuales-inerciales para un seguimiento sólido, combinando funciones de la cámara con entradas de acelerómetro y giroscopio para lograr un posicionamiento sin deriva en contextos de realidad aumentada.[120] En aplicaciones como robótica y realidad virtual (VR), estos métodos ópticos y magnéticos permiten una navegación e interacción precisas, con precisiones típicas de 1 a 10 cm en la línea de visión o áreas mapeadas; por ejemplo, las configuraciones de captura de movimiento en espacios de trabajo utilizan marcadores ópticos para el seguimiento de realidad virtual submilimétrico. Sin embargo, los sistemas ópticos dependen de una iluminación constante y oclusiones, lo que puede degradar el rendimiento en escenas con poca luz o abarrotadas, mientras que los enfoques magnéticos son susceptibles a la interferencia de estructuras metálicas, lo que provoca perturbaciones de campo que reducen la precisión.[121]
Enfoques híbridos y emergentes
Los sistemas de posicionamiento híbridos integran múltiples sensores para mejorar la precisión y la confiabilidad, superando las limitaciones de las tecnologías individuales a través de técnicas de fusión de sensores. Un ejemplo destacado es la fusión de los sistemas globales de navegación por satélite (GNSS) con los sistemas de navegación inercial (INS), que a menudo emplean filtros de Kalman para estimar los estados de posición combinando posiciones derivadas de satélites con mediciones inerciales. En este enfoque, el filtro de Kalman predice el vector de estado xk\mathbf{x}_kxk en el paso de tiempo kkk usando el modelo de transición xk=Fxk−1+w\mathbf{x}k = F \mathbf{x}{k-1} + \mathbf{w}xk=Fxk−1+w, donde FFF es la matriz de transición de estado y w\mathbf{w}w es el proceso ruido, seguido de una etapa de actualización que incorpora observaciones GNSS para corregir la deriva.[122] Este método es particularmente eficaz para vehículos terrestres y proporciona una navegación sólida en entornos con problemas de GNSS, como cañones urbanos.[123]
La fusión multimodal amplía esto combinando diversas señales, como huellas dactilares de Wi-Fi con rango de banda ultra ancha (UWB), para lograr transiciones perfectas entre interiores y exteriores. La salida de coordenadas unificadas se habilita configurando la plataforma de posicionamiento para convertir automáticamente las coordenadas interiores locales de los sistemas UWB, Bluetooth o LoRa a un sistema de coordenadas global o de instalación general a través de relaciones cartográficas, incluidas compensaciones y rotaciones alineadas con el origen de cada área interior; esto respalda la gestión de "un mapa" para la supervisión integrada.[124] Por ejemplo, las redes neuronales recurrentes pueden fusionar datos de Wi-Fi, Unidad de medición inercial (IMU) y UWB alineando estados ocultos de cada modalidad, lo que produce una precisión inferior al metro en entornos interiores complejos.[125] Las implementaciones en el mundo real incluyen el proveedor de ubicación fusionada de Android, que agrega de manera inteligente datos GNSS, Wi-Fi, celulares y de sensores para ofrecer estimaciones de ubicación optimizadas con un consumo mínimo de batería, priorizando las fuentes más apropiadas según el contexto.[126] En los vehículos autónomos, sistemas como el de Waymo integran LiDAR para un mapeo preciso con radar para la detección de condiciones climáticas adversas, utilizando fusión probabilística para mantener la localización durante maniobras dinámicas.[127] Para entornos de túneles sin GNSS, las técnicas de fusión de múltiples sensores que emplean IMU, LiDAR y métodos visuales permiten un posicionamiento confiable del vehículo, como se analiza en "Sistemas de posicionamiento de vehículos en entornos de túneles: una revisión".
Los enfoques emergentes aprovechan redes avanzadas y paradigmas de detección novedosos para el posicionamiento de próxima generación. El GNSS asistido (A-GNSS) en redes 5G utiliza infraestructura celular para acelerar la adquisición de señales satelitales y mitigar errores de trayectorias múltiples, lo que permite una precisión de nivel centimétrico en áreas urbanas a través de la integración híbrida 5G-GNSS. Los conceptos emergentes para 6G apuntan a mejorar aún más esto. Los magnetómetros cuánticos, que aprovechan la sensibilidad del espín atómico, ofrecen navegación magnética sin deriva en entornos sin GNSS, logrando un error de posicionamiento hasta 46 veces mejor que el INS tradicional al comparar mapas geofísicos con mediciones cuánticas aseguradas.[129] El posicionamiento predictivo basado en IA los mejora aún más mediante el empleo de modelos de aprendizaje automático, como redes neuronales profundas, para pronosticar trayectorias y refinar estimaciones en tiempo real, particularmente en sistemas 5G donde la IA optimiza el posicionamiento directo en condiciones sin línea de visión.[130]