Investigadores de la Universidad de Burgos y la Universidad Complutense de Madrid han desarrollado un sistema que utiliza algoritmos bioinspirados para mejorar la seguridad y eficiencia de los vehículos de guiado automático (AGV) en entornos industriales. Este enfoque innovador optimiza la planificación de rutas, utilizando algoritmos inspirados en el murciélago, la ballena y la gacela. Los resultados muestran que el algoritmo de optimización de la ballena (WOA) mejora la seguridad hasta cuatro veces más rápido que otros métodos, mientras que el algoritmo de la gacela ofrece trayectorias más seguras pero requiere más tiempo de cálculo. Esta investigación abre nuevas posibilidades para el desarrollo de algoritmos híbridos aplicables a sectores como la automatización industrial y la movilidad autónoma. Para más información, visita el enlace.
Un grupo de investigadores de la Universidad de Burgos y la Universidad Complutense de Madrid ha logrado desarrollar un innovador sistema que utiliza algoritmos bioinspirados para mejorar tanto la seguridad como la eficiencia de los vehículos de guiado automático (AGV, por sus siglas en inglés) en entornos industriales. Este avance se centra en una nueva estrategia destinada a optimizar la planificación de rutas para estos sistemas autónomos.
Los AGV son vehículos autónomos que se utilizan en fábricas, almacenes y centros logísticos para el transporte de mercancías. Sin embargo, su operación en espacios reducidos y áreas con alta densidad de obstáculos representa un desafío significativo para garantizar su eficiencia y seguridad. Para abordar esta problemática, los investigadores han explorado el uso de tres algoritmos de optimización bioinspirada, que imitan estrategias naturales para resolver problemas complejos. Estos algoritmos, inspirados en diferentes animales, incluyen el algoritmo del murciélago (BA), el algoritmo de optimización de la ballena (WOA) y el algoritmo de optimización de la gacela (GOA).
La investigación ha diseñado una estrategia que incorpora curvas clotoides, las cuales son curvas suaves que cambian progresivamente su curvatura. Esto tiene como objetivo mejorar la suavidad y precisión de las trayectorias de los AGV. Además, se implementó una función de optimización que prioriza tanto la seguridad como la eficiencia. Las pruebas realizadas en diversos escenarios industriales mostraron que el algoritmo WOA mejora la seguridad hasta cuatro veces más rápido que el GOA, lo que lo convierte en una opción ideal para situaciones donde el tiempo es crucial. No obstante, este último ofrece trayectorias más seguras, aunque requiere un mayor tiempo para su cálculo.
Dichos resultados evidencian el potencial de los algoritmos bioinspirados para incrementar la seguridad en los vehículos industriales autónomos, permitiendo reducir riesgos y optimizar tiempos dentro de la cadena logística.
Mientras tanto, respecto al futuro del proyecto, se vislumbran nuevas líneas de investigación enfocadas en el desarrollo de algoritmos híbridos, que combinarían las ventajas ofrecidas por los diferentes modelos bioinspirados. Esta innovación podría tener aplicaciones significativas en sectores como la automatización industrial, la robótica móvil y la movilidad autónoma tanto en entornos urbanos como industriales.
Bayona, E., Sierra-García, J. E., & Santos Peñas, M. (2025). «Improving Safety and Efficiency of Industrial Vehicles by Bio-Inspired Algorithms".
Los AGV (automated guided vehicle) son vehículos autónomos utilizados en fábricas, almacenes y centros logísticos para el transporte de mercancías.
El objetivo del sistema es optimizar la seguridad y eficiencia de los AGV en entornos industriales mediante algoritmos bioinspirados.
Se han utilizado tres algoritmos de optimización bioinspirada: el algoritmo del murciélago (BA), el algoritmo de optimización de la ballena (WOA) y el algoritmo de optimización de la gacela (GOA).
Las pruebas mostraron que el algoritmo WOA mejora la seguridad hasta 4 veces más rápido que el GOA, aunque este último proporciona trayectorias más seguras pero requiere más tiempo de cálculo.
Se abren nuevas líneas en el desarrollo de algoritmos híbridos que combinan las fortalezas de distintos modelos bioinspirados, con potenciales aplicaciones en automatización industrial, robótica móvil y movilidad autónoma.