Optimización de Materiales para Componentes de Alta Resistencia en el Robot Humanoide InMoov1

Abstract

Optimización de Materiales para Componentes de Alta Resistencia en el Robot Humanoide InMoov1 : El presente artículo presenta la selección de materiales para la mejora de la resistencia y durabilidad mecánica de las partes que componen al robot humanoide InMoov, este estudio se realizó dentro del marco del proyecto CIBERCOM, una iniciativa dedicada a la innovación digital y educación inclusiva, que emplea el robot InMoov como una herramienta pedagógica para estimular el interés y la participación en distintos talleres formativos. Se realizó una evaluación comparativa de diversos materiales mediante ensayos mecánicos, y se identificó el ácido poliláctico (PLA) con relleno de estructura tipo panal como referencia para la manufactura de impresión 3D. A su vez se determinó que la fibra de carbono Hexcel AS4C presenta las características necesarias para los componentes que están sometidos a cargas críticas. El proceso de selección de materiales se fundamentó en criterios técnicos y cuantitativos, lo que concluyó en la selección de la resina Tough 2000 para los componentes sujetos a grandes cargas mecánicas. Mediante la implementación de un robot interactivo en el proyecto CIBERCOM se busca impulsar el impacto pedagógico y, simultáneamente, fortalecer una red de colaboración tecnológica a nivel comunitario potenciando las competencias locales a través de la aplicación de tecnologías accesibles y a bajo costo.

Comparative Evaluation of Automatic Speech Recognition Models for the Spanish Language : The Automated Speech Recognition (ASR) is a cornerstone in humanmachine interaction. However, most of the advances have focused in the English language, and is very few what is known about the quality, efficiency and stability of last-generation models when they are applied to Spanish, This paper presents a benchmark of 5 ASR models that are public available: Faster-Whisper (large-v3), WhisperFinetuned (large-v2-spanish), Canary (whisper-small), Wav2Vec2- Spanish (large-xlsr-53) y Seamless-M4T (v2-large). The benchmark covers the Word Error Rate (WER), the Character Error Rate (CER), the Real Time Factor (RTF), GPU consumption and output stability. The tests were made over a diverse database of audio in Spanish, and in a high-performance hardware environment. The results show that Faster-Whisper offers the strongest balance between accuracy, speed and resource consumption; Whisper-Finetuned got the lowest CER rating, although is the slowest model; Wav2Vec2-Spanish is the faster model but it has the lowest accuracy.Trade-offs between architecture, inference techniques, and decoding configurations are discussed, and recommendations for different usage scenarios are presented.