Juan David Núñez López
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Juan David Núñez López has a total of 9 co-authors. Here are the top co-authors by number of shared publications:
- Alejandro Toro-Ossaba
Artificial Intelligence and Robotics Research Group (IAR), Universidad EIA, Envigado 055428, Colombia
3 shared publications - Juan Camilo Tejada Orjuela
Department of Engineering Studies for Innovation, Universidad Iberoamericana Ciudad de México, Prolongación Paseo de la Reforma 880, Colonia Lomas de Santa Fé, Mexico City 01219, Mexico
3 shared publications - Andrés Molano-Jimenez
Department of Engineering Studies for Innovation, Universidad Iberoamericana Ciudad de México, Prolongación Paseo de la Reforma 880, Colonia Lomas de Santa Fé, Mexico City 01219, Mexico
2 shared publications - Daniel Sanin-Villa
Área de Industria, Materiales y Energía, Universidad EAFIT, Medellín 050022, Colombia
2 shared publications - David Rozo-Osorio
Artificial Intelligence and Robotics Research Group (IAR), Universidad EIA, Envigado 055428, Colombia
2 shared publications - Alejandro Peña
School of Management, Universidad EAFIT, Medellín 055410, Colombia
1 shared publication
Latest Publications
- Open Access
Comparative Analysis of Model Predictive Control and Conformable Fractional Strategies for Cooperative Object Transport with Admittance-Based Caging
This paper compares four controllers for cooperative object transport with two omnidirectional robots and soft grippers: a baseline constant conformable fractional function (CFF) controller, a polynomial CFF, a force-feedback CFF (FFCFF), and a model predictive controller (MPC) with admittance-based caging. The problem addressed is simultaneous trajectory tracking, collision avoidance, and contact-force regulation during dual-robot caging. The controllers were evaluated under matched settings, including a common force target for the two force-regulating strategies. The MPC combines a digital twin, a virtual-spring synchronization mechanism, and an admittance law that adapts the formation reference to the sensed force. A repeated-trial experiment on circular and sinusoidal trajectories shows that the MPC reduces the normalized transport position error by 7.7% and 9.0% relative to the baseline, and by 7.6% and 6.3% relative to the FFCFF, and reduces the normalized formation error to 0.178 and 0.197 against 0.926 and 0.797 for the polynomial CFF (Holm-corrected ). The caging condition was maintained throughout, and both force-regulating controllers regulated the contact force with the payload: the FFCFF applied firmer contact at low computational cost, whereas the MPC applied lighter contact while achieving the highest tracking and formation accuracy. The MPC met the 100 control period in 99.9% of the control cycles. The results therefore quantify a trade-off between tracking precision, contact force, and computational demand, and indicate that controller selection should follow the application requirements for force regulation and available computing resources.Open AccessComparative Analysis of Model Predictive Control and Conformable Fractional Strategies for Cooperative Object Transport with Admittance-Based Caging
This paper compares four controllers for cooperative object transport with two omnidirectional robots and soft grippers: a baseline constant conformable fractional function (CFF) controller, a polynomial CFF, a force-feedback CFF (FFCFF), and a model predictive controller (MPC) with admittance-based caging. The problem addressed is simultaneous trajectory tracking, collision avoidance, and contact-force regulation during dual-robot caging. The controllers were evaluated under matched settings, including a common force target for the two force-regulating strategies. The MPC combines a digital twin, a virtual-spring synchronization mechanism, and an admittance law that adapts the formation reference to the sensed force. A repeated-trial experiment on circular and sinusoidal trajectories shows that the MPC reduces the normalized transport position error by 7.7% and 9.0% relative to the baseline, and by 7.6% and 6.3% relative to the FFCFF, and reduces the normalized formation error to 0.178 and 0.197 against 0.926 and 0.797 for the polynomial CFF (Holm-corrected ). The caging condition was maintained throughout, and both force-regulating controllers regulated the contact force with the payload: the FFCFF applied firmer contact at low computational cost, whereas the MPC applied lighter contact while achieving the highest tracking and formation accuracy. The MPC met the 100 control period in 99.9% of the control cycles. The results therefore quantify a trade-off between tracking precision, contact force, and computational demand, and indicate that controller selection should follow the application requirements for force regulation and available computing resources. - Open Access
Asymmetric Force Feedback Caging for Symmetry Preservation in Cooperative Multi-Robot Object Transport
Cooperative object transport requires accurate trajectory tracking, formation regulation, and reliable interaction between mobile robots and a payload. This paper integrates a force-feedback reactive caging law into a polynomial conformable fractional function (CFF) formation controller. The caging distance decreases when either instrumented gripper finger reports force below a threshold and increases more gradually when both measurements exceed the threshold. Four contraction-to-release ratios, , are evaluated in 80 trials using circular and sinusoidal trajectories with a repeatable reference disturbance. Experiments use two omnidirectional robots equipped with soft grippers, single-finger force sensors, and Vicon motion capture, coordinated through ROS2 and an LQR-regulated digital twin. Relative to the polynomial CFF controller, the force-feedback extension reduces normalized orientation IAE from 0.1457 to 0.1210 for the circular trajectory and from 0.0017 to 0.0015 for the sinusoidal trajectory. Increasing reduces the fraction of time with subthreshold measured force, from 0.4495 to 0.1274 for the circular path and from 0.4395 to 0.3481 for the sinusoidal path. However, spatial symmetry is trajectory dependent, and larger asymmetry increases mean symmetry error on the sinusoidal path. These results identify a trade-off between formation centering and sensor-referenced force persistence, without establishing mechanical grasp stability.Open AccessAsymmetric Force Feedback Caging for Symmetry Preservation in Cooperative Multi-Robot Object Transport
Cooperative object transport requires accurate trajectory tracking, formation regulation, and reliable interaction between mobile robots and a payload. This paper integrates a force-feedback reactive caging law into a polynomial conformable fractional function (CFF) formation controller. The caging distance decreases when either instrumented gripper finger reports force below a threshold and increases more gradually when both measurements exceed the threshold. Four contraction-to-release ratios, , are evaluated in 80 trials using circular and sinusoidal trajectories with a repeatable reference disturbance. Experiments use two omnidirectional robots equipped with soft grippers, single-finger force sensors, and Vicon motion capture, coordinated through ROS2 and an LQR-regulated digital twin. Relative to the polynomial CFF controller, the force-feedback extension reduces normalized orientation IAE from 0.1457 to 0.1210 for the circular trajectory and from 0.0017 to 0.0015 for the sinusoidal trajectory. Increasing reduces the fraction of time with subthreshold measured force, from 0.4495 to 0.1274 for the circular path and from 0.4395 to 0.3481 for the sinusoidal path. However, spatial symmetry is trajectory dependent, and larger asymmetry increases mean symmetry error on the sinusoidal path. These results identify a trade-off between formation centering and sensor-referenced force persistence, without establishing mechanical grasp stability. - Open Access
- 24 September 2024
- Published by Asociacion Colombiana de Facultades de Ingenieriia (ACOFI) in Encuentro Internacional de Educación en Ingeniería
- p. 1-12
Educación en la era de la Inteligencia Artificial. Caso de estudio del curso de señales y sistemas de los programas de ingeniería mecatrónica y biomédica de la Universidad Eia
El uso de herramientas digitales basadas en Inteligencia Artificial, como los chatbots, se ha incrementado a medida que más desarrollos se ponen a disposición del público y estos incluyen progresivamente aplicaciones especializadas por área del conocimiento y otras clasificaciones. Los espacios académicos, incluyendo la educación, pueden resistir el uso de herramientas basadas en Inteligencia Artificial porque se especula sobre el uso que los estudiantes le dan para atender sus deberes de formación, o ante el temor de un posible reemplazo de actividades docentes. En este trabajo abordamos la aplicación de la herramienta ChatGPT4, y GPTs especializados en educación e investigación, para la creación de recursos académicos que fortalezcan las clases magistrales, y la evaluación con exámenes y prácticas de laboratorio. La característica principal de estos recursos es la generación de casos de estudio pertinentes y aplicables al mundo real, con una interpretación física o funcional de los conceptos teóricos impartidos en las clases magistrales. Se presenta el análisis de los efectos sobre la apropiación del conocimiento y capacidad de transferencia de estos en un período de estudio de un año, en la asignatura Señales y Sistemas que cursan estudiantes de sextos semestre de Ingeniería Mecatrónica e Ingeniería Biomédica de la Universidad EIA. El instrumento usado pretende medir la capacidad de transferencia de los conceptos aprendidos en diferentes contextos. Se encontró que el docente tiene una tarea adicional cuando debe validar que las propuestas generadas mediante la Inteligencia Artificial no contengan sesgos y que estén orientadas a la verdad. Adicionalmente, se consolidó un listado de prompts útiles para la asignatura mencionada y una metodología para la construcción de estos agrupados en ejemplos de clase magistrales, preguntas para exámenes y problemas para prácticas de laboratorios. Con respecto a los estudiantes, se evidenció una mayor satisfacción con la evaluación de los cursos, un mayor entendimiento de conceptos y una mayor motivación para explorar nuevas aplicaciones. Esto evidenciado en un rendimiento académico superior, demostrado en calificaciones individuales y aprobación de los cursos
- 24 September 2024
- Published by Asociacion Colombiana de Facultades de Ingenieriia (ACOFI) in Encuentro Internacional de Educación en Ingeniería
- p. 1-12
Open AccessEducación en la era de la Inteligencia Artificial. Caso de estudio del curso de señales y sistemas de los programas de ingeniería mecatrónica y biomédica de la Universidad Eia
El uso de herramientas digitales basadas en Inteligencia Artificial, como los chatbots, se ha incrementado a medida que más desarrollos se ponen a disposición del público y estos incluyen progresivamente aplicaciones especializadas por área del conocimiento y otras clasificaciones. Los espacios académicos, incluyendo la educación, pueden resistir el uso de herramientas basadas en Inteligencia Artificial porque se especula sobre el uso que los estudiantes le dan para atender sus deberes de formación, o ante el temor de un posible reemplazo de actividades docentes. En este trabajo abordamos la aplicación de la herramienta ChatGPT4, y GPTs especializados en educación e investigación, para la creación de recursos académicos que fortalezcan las clases magistrales, y la evaluación con exámenes y prácticas de laboratorio. La característica principal de estos recursos es la generación de casos de estudio pertinentes y aplicables al mundo real, con una interpretación física o funcional de los conceptos teóricos impartidos en las clases magistrales. Se presenta el análisis de los efectos sobre la apropiación del conocimiento y capacidad de transferencia de estos en un período de estudio de un año, en la asignatura Señales y Sistemas que cursan estudiantes de sextos semestre de Ingeniería Mecatrónica e Ingeniería Biomédica de la Universidad EIA. El instrumento usado pretende medir la capacidad de transferencia de los conceptos aprendidos en diferentes contextos. Se encontró que el docente tiene una tarea adicional cuando debe validar que las propuestas generadas mediante la Inteligencia Artificial no contengan sesgos y que estén orientadas a la verdad. Adicionalmente, se consolidó un listado de prompts útiles para la asignatura mencionada y una metodología para la construcción de estos agrupados en ejemplos de clase magistrales, preguntas para exámenes y problemas para prácticas de laboratorios. Con respecto a los estudiantes, se evidenció una mayor satisfacción con la evaluación de los cursos, un mayor entendimiento de conceptos y una mayor motivación para explorar nuevas aplicaciones. Esto evidenciado en un rendimiento académico superior, demostrado en calificaciones individuales y aprobación de los cursos
- 8 November 2023
- Published by Elsevier in Control Engineering Practice
- Vol. 142
Myoelectric Model Reference Adaptive Control with Adaptive Kalman Filter for a soft elbow exoskeleton
- 8 November 2023
- Published by Elsevier in Control Engineering Practice
- Vol. 142
Myoelectric Model Reference Adaptive Control with Adaptive Kalman Filter for a soft elbow exoskeleton