Advanced Robotic Vehicles Programming

Tratado técnico avanzado y riguroso dedicado a la programación de bajo nivel de vehículos autónomos robóticos no tripulados utilizando el hardware de control de vuelo Pixhawk (basado en microcontroladores ARM Cortex-M4 STM32) y las librerías de código abierto de ArduPilot en C++. Escrito por un equipo multidisciplinar de doctores e investigadores en robótica, el texto está dirigido a estudiantes de ingeniería mecatrónica, investigadores y desarrolladores de software embebido con un nivel avanzado que ya dominan la programación en C/C++, el álgebra lineal y los fundamentos de dinámica y control de sistemas.

La obra enseña a desarrollar firmware de control a medida desde el SDK de ArduPilot, alejándose de los configuradores gráficos comerciales para trabajar directamente sobre las abstracciones de hardware (AP_HAL). Cubre la adquisición y filtrado digital de señales de sensores inerciales integrados (acelerómetros, giroscopios y magnetómetros dentro de la IMU), altímetros barométricos y receptores de posición global (GPS), así como la decodificación de señales de radiocontrol (canales PPM/S.Bus). Enseña el control de actuadores mediante señales PWM de alta resolución para ESCs de motores brushless y servomotores, la comunicación serie UART para telemetría bidireccional con estaciones de tierra (Mission Planner), y el almacenamiento de datos de vuelo en tarjetas SD. Además, aborda la formulación matemática de matrices de asignación de empuje (allocation matrix) y el salto de un bucle de ejecución secuencial hacia una arquitectura concurrente y multitarea en tiempo real gobernada por el planificador cooperativo AP_Scheduler.

El núcleo práctico del libro se plasma en la concepción y programación de dos firmwares completos para drones multirrotor: un controlador secuencial que implementa un modo de vuelo suave (smooth flight mode) con estabilización y mezcla de motores, y un sistema avanzado en tiempo real que estructura tareas periódicas con prioridades estrictas y telemetría activa. Su valor reside en su profundidad académica y en abrir la "caja negra" del código fuente de ArduPilot para permitir el diseño de algoritmos de navegación propios en drones aéreos, rovers terrestres o vehículos submarinos. Su limitación principal es una curva de aprendizaje pronunciada que exige un firme dominio matemático de ecuaciones de movimiento y teoría de control, prescindiendo deliberadamente de visión por computador o marcos como ROS para concentrarse en la aviónica de vuelo crítico.