Robótica social educativa
ADAI es un humanoide docente con Motor Didasko: identifica a cada estudiante, explica con voz y gesto, pregunta y evalúa — adaptando la forma del discurso a cada persona sin alterar jamás el contenido.
ADAI · plataforma RobotAtlas · humanoide de familia InMoov
Arquitectura y hardware
Cinco protocolos distintos, contratos explícitos entre procesos y un requisito común: el fallo de cualquier eslabón degrada el sistema, nunca lo detiene.
Topología de cuatro capas con contratos explícitos. La clase se ejecuta como proceso independiente de la interfaz, de modo que un cuelgue de la aplicación no tumba la sesión.
Nueve servos —ocho de brazos y uno de cuello— más las manos sobre controladores propios. Los límites articulares están replicados en tres niveles independientes.
Seguridad en cliente, en ESP32 y en firmware del Mega.
OpenCV, MediaPipe y codificación facial sobre un proceso de cámara aislado. El modelo de huecos ancla cada nombre a la persona y no a su posición en la imagen, con corrección periódica por huella facial: los nombres dejan de «saltar de silla».
Voz sintetizada con gesto sincronizado, conversación hablada en tiempo real, detección de manos alzadas y evaluación entregada por código QR proyectado al dispositivo de cada estudiante.
Cada capacidad avanzada —perfiles, listas, registro facial, ESP32, red, LLM— se importa y se usa «en blando». Si falta, el sistema vuelve al comportamiento anterior en lugar de abortar. Nada opcional puede detener una clase.
En el aula
El motor no improvisa una estructura: ejecuta un ciclo instruccional reconocible, modelado explícitamente como una enumeración de estados.
Un QR proyectado abre la evaluación previa en el teléfono de cada estudiante. El robot conoce el punto de partida antes de explicar nada.
Identificación facial cruzada con la lista declarada. Cada hueco de la escena queda anclado a un nombre, y con él a un perfil.
Narración de las diapositivas con voz y movimiento sincronizado. El motor silencia los servos cuando el micrófono está abierto.
Una secuencia de movimiento demostrativa ejecutada sobre los nueve servos, editable desde el constructor de secuencias.
Rondas de preguntas repartidas por turno. La formulación se adapta a la personalidad de quien responde; el contenido evaluado y su dificultad permanecen invariantes.
Segundo QR con la evaluación sumativa. El par diagnóstico–final cierra el ciclo con evidencia, no con impresiones.
Manos alzadas, preguntas de los estudiantes e intervención del docente humano en tiempo real, con pausa y reanudación desde la app móvil.
Motor Didasko
Seis subsistemas funcionales convierten un humanoide antropomórfico en un agente docente autónomo.
Ver el aula: cámara, caras, manos alzadas y seguimiento por huecos.
Saber quién está: registro facial, lista declarada y asistencia.
Perfiles OCEAN traducidos a conducta docente, con invariante de contenido.
Diapositivas, turnos, bancos de preguntas y evaluación estructurada.
Voz, rostro animado, gesto y conversación hablada en tiempo real.
La conexión entre móvil, estación, ESP32, Mega y servos.
Ficha técnica
Datos de ingeniería y rendimiento medidos sobre la plataforma. Despliega cada bloque.
| Articulación | Abrev. | Mín | Máx | Reposo | Pin |
|---|---|---|---|---|---|
| Omóplato derecho | PD | 40 | 100 | 45 | 2 |
| Pecho-hombro derecho | FD | 90 | 160 | 90 | 3 |
| Húmero derecho | BD | 30 | 90 | 40 | 4 |
| Codo derecho | HD | 105 | 165 | 105 | 5 |
| Omóplato izquierdo | PI | 28 | 90 | 28 | 6 |
| Pecho-hombro izquierdo | FI | 25 | 95 | 80 | 7 |
| Húmero izquierdo | BI | 95 | 160 | 95 | 8 |
| Codo izquierdo | HI | 60 | 140 | 80 | 9 |
| Cuello (horizontal) | C | 30 | 130 | 80 | 10 |
Rango operativo restringido del cuello: NECK_MIN 75 · NECK_CENTER 115 · NECK_MAX 155
| Resultado | Antes | Después | Factor |
|---|---|---|---|
| Arranque de percepción de clase | 44,5 s | 2,6 s | 17,1× |
| Apertura de cámara (DirectShow) | 3,0 s | 1,4 s | 2,1× |
| Codificación facial (escala 0,5) | — | 4× menos píxeles | 4× |
| Detecciones válidas descartadas | 65 % | 0 % | — |
| Área facial a distancia de mesa | — | 3,4 % – 15,8 % | — |
Estación docente en Python 3.12 con tkinter. Despliegue primario sobre Windows, empaquetado con PyInstaller e instalador Inno Setup.
App movil Atlas --HTTP :8080 / JSON--> Estacion docente Estacion docente --HTTP :80 / form-urlencoded--> ESP32 ESP32 --UART Serial2 115200 bps--> Arduino Mega Arduino Mega --PWM--> Servos (8 brazos + 1 cuello) Manos --Arduino Uno, sketches propios Estudiantes --QR optico proyectado-->
Cinco protocolos distintos y un modo degradado documentado por enlace. El Mega confirma presencia con ping/PONG cada 10 segundos.
Arquitectura, principios de diseño, algoritmos, hallazgos empíricos y protocolo experimental propuesto. Documento privado protegido con contraseña.
Abrir documentación