# Unsupervised 2026: cámara y lidar para un robot educativo

Unsupervised publica su vehículo educativo de 2026 con Raspberry Pi 5, ESP32, cámara y lidar. Permite estudiar percepción, distribución eléctrica y calibración.

- URL canónica: https://robotica.es/ia/unsupervised-2026-robot-educativo-camara-lidar-esp32/
- Versión Markdown: https://robotica.es/ia/unsupervised-2026-robot-educativo-camara-lidar-esp32.md
- Publicado: 2026-10-07
- Última actualización editorial: 2026-10-07
- Autoría: Redacción Robotica.es
- Categoría: IA en robótica
- Etiquetas: Equipo Unsupervised, Unsupervised 2026, educación, programación, robótica educativa
- Idioma: es-ES

**Unsupervised 2026 combina una cámara y un lidar en un coche robot educativo desarrollado por estudiantes en India.** El equipo publica fotografías, programas y documentación de su vehículo para WRO Future Engineers. La plataforma reparte percepción y control entre una Raspberry Pi 5 y un ESP32, y evoluciona el montaje de la temporada anterior. Se trata de una misma familia de construcción, con sus cambios reunidos aquí. [Documentación del equipo](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/README.md).

El interés del proyecto está en estudiar qué ocurre cuando una detección visual y una medición de distancia llegan por caminos distintos. El controlador debe convertirlas en una decisión compatible con la posición de los sensores, la velocidad del coche y su capacidad real para girar.

## La posición del lidar cambia lo que observa

El informe mecánico sitúa el lidar bajo y en la parte delantera. Esa elección responde a la altura de las paredes de la pista: si el plano de exploración pasa por encima de ellas, el sensor no aporta la referencia esperada. También describe cambios de separación entre el soporte del lidar y el diferencial para reducir interferencias físicas. [Diseño mecánico](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/mech/README.md).

Es una cuestión útil para clase porque un sensor puede funcionar correctamente y, aun así, estar observando el lugar equivocado. Antes de cambiar el algoritmo conviene comprobar su orientación y registrar lecturas con objetos a distintas alturas. Así se distingue una limitación del montaje de un problema del programa.

La documentación indica unas dimensiones de 22 × 11 × 29 cm y un diferencial trasero. Este permite que las ruedas impulsadas giren a distintas velocidades en una curva. Los valores de tamaño son datos del equipo, sin una medición independiente que confirme cada revisión del vehículo.

## Un ordenador para percibir y otro para actuar

La Raspberry Pi 5 se ocupa de la cámara, el procesamiento del lidar y las decisiones de navegación. El ESP32 conecta con la actuación y los sensores de movimiento, y ambos controladores se comunican por una interfaz serie. [Arquitectura electrónica](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/elec/README.md).

Este reparto permite separar la carga de procesamiento de imagen de la generación de órdenes para motor y dirección. Sin embargo, la comunicación se convierte en otro elemento que hay que probar: una detección correcta no sirve si llega tarde, se interpreta con una unidad diferente o corresponde a una escena anterior.

La alimentación documentada parte de una batería de 11,1 V y utiliza ramas reguladas separadas para el ordenador y otros componentes. El propósito es organizar demandas de corriente diferentes. Reproducir esa arquitectura requiere verificar los módulos y tensiones del montaje concreto; unir salidas de reguladores distintos no debe asumirse como una operación válida.

## Las revisiones necesitan una lista coherente

El repositorio contiene numerosos programas de ensayo y referencias de componentes que cambian entre documentos. Por ejemplo, la descripción general y el informe eléctrico no identifican siempre de la misma manera la cámara y la IMU. Para construir una versión reproducible hay que fijar una combinación concreta de hardware, configuración y programa.

Hay también un documento dedicado al cálculo de la transmisión. Resulta útil para estudiar la relación entre motor, rueda, par y velocidad, con las hipótesis a la vista. Esos cálculos no sustituyen una medición sobre pista ni permiten dar por garantizada la velocidad de una reproducción. [Cálculo de transmisión](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/docs/drivetrain-torque-calculation.md).

Unsupervised ofrece un caso de integración para alumnado con experiencia previa. Registrar imágenes, distancias y órdenes de actuación durante el mismo ensayo ayuda a explicar una maniobra fallida. Su valor educativo consiste en hacer inspeccionable ese recorrido de los datos hasta el movimiento, dentro de un entorno de competición acotado.

## Fuentes

- [Unsupervised: robot y pruebas de la temporada 2026 (inglés)](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/README.md)
- [Unsupervised: distribución y decisiones mecánicas (inglés)](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/mech/README.md)
- [Unsupervised: arquitectura eléctrica y controladores (inglés)](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/elec/README.md)
- [Unsupervised: cálculo de la transmisión (inglés)](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/docs/drivetrain-torque-calculation.md)

*Imagen: Fotografía del equipo Unsupervised del vehículo completo visto de lado, con cuatro ruedas, cámara elevada y lidar en la parte delantera. [Archivo original](https://raw.githubusercontent.com/KiaraBhandari8/Unsupervised-WROFE2026-India/main/v-photos/left.png).*