Planificación de Trayectorias en Robótica Industrial y Móvil: Una Revisión no Sistemática de Algoritmos

Introducción: La robótica industrial y móvil ha experimentado una transformación radical en las últimas décadas, evolucionando hacia arquitecturas híbridas que integran capacidades de manipulación con movilidad autónoma en el contexto de la Industria 5.0. La planificación de trayectorias constituye el núcleo algorítmico para la operación autónoma de estos sistemas complejos, donde la coordinación sincrónica de múltiples grados de libertad, la navegación en entornos dinámicos no estructurados y la colaboración segura con operadores humanos demandan soluciones cada vez más sofisticadas. Objetivo: Realizar una revisión exhaustiva y sistemática del estado del arte en planificación de trayectorias para robótica móvil e industrial, analizando críticamente algoritmos clásicos, metaheurísticos y de aprendizaje profundo, evaluando sus fortalezas, limitaciones y aplicabilidad en entornos industriales reales. Metodología: Se adoptó un enfoque de investigación bibliográfica con nivel descriptivo y método de análisis-síntesis. La búsqueda se realizó en IEEE Xplore, ScienceDirect, Springer Link, y Google Scholar, incluyendo artículos publicados entre 2024 y 2025. Los criterios de inclusión consideraron investigaciones relacionadas con algoritmos de planificación para manipuladores seriales con tres o más grados de libertad, con validación experimental o simulaciones rigurosas en revistas indexadas y conferencias de alto impacto. Resultados: Los métodos basados en muestreo representan el 27% de los enfoques reportados, demostrando efectividad en espacios de alta dimensionalidad con reducciones significativas en tiempo de planificación. Los algoritmos metaheurísticos destacan en optimización multi-objetivo, mientras que el aprendizaje por refuerzo logra tasas de convergencia superiores y adaptabilidad dinámica. Los métodos híbridos que integran planificación global clásica con control local reactivo alcanzan tasas en entornos dinámicos complejos. Los sistemas estudiados incluyen manipuladores de seis a siete articulaciones, robots colaborativos cumpliendo estándares de calidad, vehículos terrestres no tripulados, y manipuladores robóticos móviles con coordinación sincrónica de doble extremo. Conclusión: No existe un algoritmo universalmente óptimo; la selección depende críticamente de características del entorno, requisitos temporales y dimensionalidad del espacio de configuración. Los enfoques híbridos que combinan métodos clásicos con aprendizaje profundo representan la dirección más prometedora. Persisten desafíos críticos como la brecha simulación-realidad, eficiencia computacional en tiempo real, escalabilidad a sistemas multi-robot y ausencia de benchmarks estandarizados. Área de estudio general: Ingeniería Mecatrónica. Área de estudio específica: Robótica Industrial y Móvil.