Jóvenes mexicanas crean un vehículo autónomo con IA para prevenir riesgos en minas
Un grupo de jóvenes del IPN desarrolló un vehículo autónomo con redes neuronales y visión artificial capaz de detectar riesgos y gases tóxicos en minas.
Por
EFE
Publicado el 05 de octubre de 2025
Estudiantes del Instituto Politécnico Nacional (IPN) de México desarrollaron un rover autónomo equipado con redes neuronales y visión artificial para mejorar la seguridad en minas. El vehículo, basado en una Raspberry Pi 5 y sensores de gases tóxicos, puede operar sin conexión a internet y detectar riesgos geológicos o condiciones extremas. Gracias a su cámara de profundidad y sistema Visual SLAM, genera mapas tridimensionales que muestran fracturas e inundaciones. Las creadoras, Carolina Gallo, Yesenia Cruz y Lesly Salazar, buscan perfeccionar el proyecto para aplicaciones industriales, destacando la innovación tecnológica femenina en la minería latinoamericana.
Un equipo de jóvenes estudiantes del Instituto Politécnico Nacional (IPN) de México diseñó un vehículo robótico explorador que podría transformar la seguridad en las minas subterráneas. El rover, equipado con redes neuronales y visión artificial, es capaz de identificar riesgos geológicos, condiciones extremas y la presencia de gases tóxicos, ofreciendo una herramienta de prevención que busca reducir accidentes laborales en entornos mineros.
El desarrollo fue realizado por las estudiantes Carolina Gallo, Yesenia Cruz y Lesly Salazar, de la Unidad Profesional Interdisciplinaria en Ingeniería y Tecnologías Avanzadas (Upiita). Su propuesta combina innovación, ingeniería de precisión y compromiso social, al enfocarse en la protección de trabajadores en espacios de alto riesgo.
Para el diseño, las jóvenes adaptaron una Raspberry Pi 5, microcomputadora de alto rendimiento, junto a sensores de monóxido de carbono y dióxido de nitrógeno, una lámpara y una cámara de profundidad instaladas sobre un vehículo de exploración comercial. Según informó el IPN, esta integración permitió crear un sistema de monitoreo autónomo que opera incluso sin conexión a internet.
Te puede interesar: Alemania redobla su apuesta por la IA para liderar la transición tecnológica
Un rover que “ve” en la oscuridad
Gracias a su cámara de profundidad, el vehículo captura imágenes RGB en condiciones de total oscuridad. Estas imágenes alimentan el sistema Visual SLAM (V-SLAM), una tecnología que realiza mapeo y localización simultánea, generando modelos tridimensionales del entorno.
“El mapa del robot sólo presenta puntos y cuadros, pero cuando se procesa en la estación base, arroja un modelo detallado de las condiciones de la mina, como fracturas, zonas con derrumbes, piedras e inundaciones”, explicó Salazar.
El sistema desarrollado incluye además una plataforma web que permite almacenar y visualizar la información recolectada: mapas 3D, localización geoespacial, hora de exploración y gráficos con las mediciones de gases. Esta información puede ser consultada de manera remota por ingenieros y personal de seguridad industrial, lo que facilita la toma de decisiones rápidas ante riesgos potenciales.
Tecnología autónoma para entornos extremos
Como parte de las pruebas del prototipo, las estudiantes y sus asesores, Rodolfo Vera Amaro (Upiita) y Verónica Lozano Vázquez (Esime), realizaron una visita técnica a una mina en el estado de Durango, al norte de México. Allí observaron de primera mano las condiciones laborales de los mineros y los desafíos técnicos que implica operar a decenas de kilómetros bajo tierra.
“Dentro de la mina, a unos 30 kilómetros de profundidad, no existe ninguna señal; se pierde por completo el GPS. Por eso, el rover debía ser completamente autónomo y operar sin conexión a internet”, señaló Gallo.
Durante el entrenamiento de la red neuronal, las estudiantes trabajaron con 5.500 imágenes iniciales, que luego fueron rotadas y procesadas en distintas posiciones hasta alcanzar un total de 13.000 imágenes. Estas fueron obtenidas tanto en las minas de Durango como en una maqueta construida para simular las condiciones del subsuelo.
El resultado es un sistema de alta gama, basado en tecnologías emergentes como el mapeo simultáneo, el aprendizaje automático y la visión artificial, que puede detectar con precisión irregularidades estructurales, zonas inestables o acumulación de gases.
Te puede interesar: TrumpRx, el portal que promete bajar los precios de medicamentos en Estados Unidos
Un avance con potencial industrial
Aunque reconocen el potencial comercial del proyecto, las creadoras descartaron por ahora registrar una patente. Su meta inmediata es perfeccionar el sistema y evaluar su aplicación en escenarios industriales de gran escala, con la intención de mejorar la seguridad laboral en minas y otras industrias con condiciones extremas.
Las jóvenes también subrayan que, aunque existen tecnologías extranjeras para la inspección minera, la mayoría “suelen ser fijas y requieren que una persona traslade los módulos, exponiéndose a los peligros del entorno”. En contraste, su rover fue diseñado para desplazarse de forma completamente autónoma y sin depender de infraestructura de comunicación externa.
Un aporte al futuro de la minería segura
El proyecto del IPN representa un paso relevante hacia una minería más segura, sostenible y tecnológica. Al integrar inteligencia artificial y robótica con un enfoque humano, el rover busca no sólo optimizar los procesos de inspección, sino también proteger vidas y reducir riesgos en una de las industrias más peligrosas del mundo.
Para El Salvador y otros países con actividad minera o en exploración de nuevos yacimientos, este tipo de desarrollos abre una ventana de oportunidad: incorporar soluciones autónomas de bajo costo y alta precisión que ayuden a modernizar la seguridad industrial sin depender de grandes inversiones extranjeras.
Con iniciativas como ésta, impulsadas por talento joven y femenino, América Latina se posiciona como una región capaz de generar tecnología con impacto global y propósito social.
TAGS: Inteligencia Artificial | México | Minas
CATEGORIA: Noticias | Internacional
