Desarrollo de infraestructura experimental para la mejora en eficiencia y seguridad de drones individuales CrazyFlie mediante Python/Matlab

Abstract

El presente trabajo documenta el desarrollo e integración de una infraestructura experimental destinada a mejorar la seguridad del dron CrazyFlie 2.1 dentro del entorno del ecosistema Robotat de la Universidad del Valle de Guatemala. La investigación se desarrolló en tres articulaciones principales: el diseño y optimización de las guardas protectoras, cuya masa llegó a ser de 7 g, lo que favoreció la capacidad del dron de despegar y redujo daños ante colisiones; la construcción de una estación de carga inalámbrica Qi, que logró una recarga en promedio de 45–60 minutos con o sin intervención; y la integración de comunicación en tiempo real utilizando Matlab y Python, por medio del uso del protocolo MQTT. La metodología se ajustó a un enfoque iterativo que incluyó modelado paramétrico, fabricación mediante manufactura digital rápida y validación experimental en vuelos con y sin FlowDeck. En las pruebas, se pudo observar una reducción del 100% en los daños estructurales tras la instalación de guardas y, también, vuelos autónomos estables utilizando únicamente posicionamiento externo con un error promedio de trayectoria registrado de 3–5 cm. Los resultados demostraron vuelos más seguros, mayor autonomía gracias a la carga inalámbrica y reducción de riesgos durante la operación, validando la efectividad de la infraestructura propuesta. Este trabajo sienta las bases para futuras investigaciones en navegación autónoma.

This paper documents the development and integration of an experimental infrastructure designed to improve the efficiency, stability, and safety of the CrazyFlie 2.1 drone within the Robotat ecosystem at the University of the Valley of Guatemala. The research was conducted in three main phases: the design and optimization of the protective guards, which reduced their mass to 7 g, improving the drone’s takeoff capabilities and minimizing damage from collisions; the construction of a Qi wireless charging station, achieving an average recharge time of 45–60 minutes with or without intervention; and the integration of realtime communication using MATLAB and Python, via the MQTT protocol. The methodology followed an iterative approach that included parametric modeling, rapid digital manufacturing, and experimental validation through flights with and without a FlowDeck. Tests showed a 100% reduction in structural damage after the installation of guards, as well as stable autonomous flights using only external positioning, with an average trajectory error of 3–5 cm. The results demonstrated safer flights, greater autonomy thanks to wireless charging, and reduced operational risks, validating the effectiveness of the proposed infrastructure. This work lays the groundwork for future research in autonomous navigation.