Projecte llegit
Títol: Diseño, integración y validación de una liebre robótica autónoma para el marcaje de ritmo y el análisis biomecánico en atletismo
Estudiants que han llegit aquest projecte:
HABAS SÁNCHEZ, HUGO (data lectura: 30-06-2026)- Cerca aquest projecte a Bibliotècnica
HABAS SÁNCHEZ, HUGO (data lectura: 30-06-2026)Director/a: ROYO CHIC, PABLO
Departament: DAC
Títol: Diseño, integración y validación de una liebre robótica autónoma para el marcaje de ritmo y el análisis biomecánico en atletismo
Data inici oferta: 01-02-2026 Data finalització oferta: 01-10-2026
Estudis d'assignació del projecte:
- GR ENG SIST AEROESP
| Tipus: Individual | |
| Lloc de realització: EETAC | |
| Paraules clau: | |
| Rover, biomecánico, atletas | |
| Descripció del contingut i pla d'activitats: | |
| Este trabajo se tiene que diseñar e implementar un vehículo terrestre no tripulado para actuar como liebre tecnológica en el atletismo de élite. El sistema resuelve la falta de precisión de los métodos de entrenamiento actuales mediante una arquitectura de control basada en el ecosistema ArduPilot (Orange Cube+) y
posicionamiento centimétrico GNSS-RTK. El proyecto integrará el desarrollo de una aplicación multiplataforma que actúa como interfaz de control, permitiendo la calibración de pistas virtuales y la ejecución de planes de entrenamiento dinámicos vía protocolo MAVLink. Complementariamente, el sistema incorpora un módulo de visión artificial en Python para el análisis biomecánico del atleta con Mediapipe (estimación de pose), capturando métricas críticas de carrera de forma sincronizada con la telemetría del robot. El resultado es una herramienta integral que une robótica móvil y ciencia del deporte. Plan de actividades: Fase 1: Hardware y Comunicación Base. Ensamblaje del chasis, configuración del controlador Orange Cube+ y validación de la comunicación MAVLink mediante conexión MissionPlanner. Fase 2: Navegación de Alta Precisión. Configuración del sistema GNSS-RTK mediante correcciones NTRIP y desarrollo del módulo de calibración para la generación de la "Pista Virtual". Fase 3: Análisis Biomecánico y Visión. Integración de MediaPipe (Python) para la detección de pose y cálculo de ángulos articulares sincronizados con los datos de carrera. Fase 4: Desarrollo de la Interfaz de Control (App). Programación de la aplicación móvil, implementando el panel de telemetría, el sistema de gestión de comandos para el rover y el análisis biomecánico. Fase 5: Validación y Memoria. Pruebas de rendimiento en pista real con atletas, ajuste de algoritmos de seguimiento y redacción de la memoria técnica final. |
|
| Overview (resum en anglès): | |
| This bachelor's thesis presents the design, integration and field validation of HARE, a
robotic pacer for athletics training: an autonomous ground vehicle (UGV) able to set running paces with precision while, at the same time, acting as a mobile platform for biomechanical capture. Compared with a human pacer, who tires, with wrist GNSS watches, inaccurate on the bends, or with fixed LED-light systems of the Wavelight type, HARE combines high-precision pace guidance and stable filming of the runner in a single portable platform. The platform is built on a modified radio-controlled chassis that integrates an ArduPilot flight controller, a Raspberry Pi companion computer and centimetre-level GNSS-RTK positioning. Differential corrections are received in RTCM format, through the NTRIP protocol, from the public CatNet geodetic network of the ICGC over a 4G cellular link, which avoids deploying a physical base station. Guidance is solved with a pure pursuit algorithm that, instead of waypoint navigation, commands the vehicle through velocity setpoints, ensuring a rigorously constant linear speed. The whole system is operated from a single smartphone through a web interface, accessed remotely and securely via a Tailscale private network; it supports both single missions and interval workouts, with audible cues and live telemetry throughout the session. In analysis mode, the rover paces the athlete and films them from the side with a global-shutter camera; the video is then processed on a laptop, where a pose-estimation model extracts a wide set of running-technique metrics, integrated into a training-tracking calendar application. Field tests confirm the results: the system holds the target speed with a 2.2 % coefficient of variation across the 3.4 to 5.7 m/s range and keeps a fixed RTK solution for 100 % of the runs. The biomechanical pipeline is validated in terms of capture and processing viability, with a frame-by-frame visual check of pose and ground-contact detection, while contrasting its accuracy against a laboratory reference system remains the main line of future work. Overall, the work shows that pace setting and technical-analysis capabilities so far reserved for high-performance centres can be brought to real training at a cost far below that of a specialised laboratory. |
|