Este documento recoge el dise\u00f1o, desarrollo e implementaci\u00f3n de BMO, un asistente rob\u00f3tico de escritorio de bajo coste capaz de mantener conversaciones naturales en lenguaje hablado. El sistema integra un modelo de lenguaje de \u00faltima generaci\u00f3n (Google Gemini 1.5 Flash) con una interfaz f\u00edsica dotada de expresividad visual mediante una pantalla LCD gr\u00e1fica.<\/p>\n\n\n\n
El reto t\u00e9cnico principal abordado consiste en superar las limitaciones de procesamiento y memoria de un microcontrolador b\u00e1sico (Arduino Uno) sin renunciar a las capacidades de un asistente conversacional moderno. La soluci\u00f3n adoptada es una arquitectura distribuida de tipo Serial Bridge que separa la capa cognitiva (ejecutada en el ordenador) de la capa sensorial y de actuaci\u00f3n (ejecutada en el microcontrolador), comunicadas mediante protocolo serie sobre USB.<\/p>\n\n\n\n
El presupuesto total del prototipo se mantiene por debajo de los 15 \u20ac, demostrando que es posible democratizar el acceso a interfaces hombre-m\u00e1quina avanzadas mediante la combinaci\u00f3n inteligente de hardware modular de bajo coste y servicios de IA en la nube.<\/p>\n\n\n\n
Palabras clave: <\/strong>Inteligencia Artificial conversacional, Procesamiento de Lenguaje Natural, Arduino, Python, Gemini 1.5 Flash, arquitectura Serial Bridge, rob\u00f3tica educativa, interfaz hombre-m\u00e1quina.<\/p>\n\n\n\n La popularizaci\u00f3n de los modelos de lenguaje de gran tama\u00f1o (LLM) ha transformado la concepci\u00f3n de los asistentes virtuales: hoy es posible mantener conversaciones contextualmente coherentes con un nivel de naturalidad inalcanzable hace pocos a\u00f1os. Sin embargo, la mayor parte de estos asistentes residen exclusivamente en pantallas (m\u00f3viles, ordenadores o altavoces inteligentes), lo que limita su car\u00e1cter emp\u00e1tico y su integraci\u00f3n en el entorno f\u00edsico del usuario.<\/p>\n\n\n\n BMO surge como respuesta a esa carencia: un asistente f\u00edsico, expresivo y de bajo coste que combina la potencia cognitiva de un LLM con un cuerpo capaz de escuchar, mirar y responder mediante voz y expresiones faciales animadas.<\/p>\n\n\n\n Para superar las estrictas limitaciones de memoria SRAM y capacidad de c\u00f3mputo del microcontrolador, el proyecto adopta una arquitectura denominada Serial Bridge (Puente Serial). Esta t\u00e9cnica delega el procesamiento intensivo (reconocimiento de voz, inferencia del modelo y s\u00edntesis de habla) a un ordenador central, reservando al hardware rob\u00f3tico las funciones de captaci\u00f3n sensorial y representaci\u00f3n visual y sonora.<\/p>\n\n\n\n Esta separaci\u00f3n de responsabilidades permite mantener el coste del prototipo f\u00edsico al m\u00ednimo y, simult\u00e1neamente, beneficiarse de la potencia de c\u00e1lculo y los servicios cloud de \u00faltima generaci\u00f3n.<\/p>\n\n\n\n El ecosistema BMO se articula en dos bloques funcionales que operan de forma as\u00edncrona y se sincronizan continuamente mediante un canal serie a 9.600 baudios sobre USB:<\/p>\n\n\n\n Esta segregaci\u00f3n funcional sigue el patr\u00f3n cl\u00e1sico cliente-servidor adaptado al \u00e1mbito embebido, y garantiza que los componentes de bajo nivel (sens\u00f3rica y actuaci\u00f3n) permanezcan desacoplados de la capa cognitiva.<\/p>\n\n\n\n El microcontrolador ejecuta una m\u00e1quina de estados finita que coordina dos rutinas principales:<\/p>\n\n\n\n El backend est\u00e1 estructurado de forma modular en torno al fichero main.py, que act\u00faa como director de orquesta del flujo conversacional. Sus responsabilidades principales son:<\/p>\n\n\n\n El canal serie a 9.600 baudios resulta suficiente para transportar los peque\u00f1os paquetes de control que intercambian ambos extremos. El protocolo es deliberadamente simple: cada mensaje consiste en un \u00fanico car\u00e1cter ASCII que act\u00faa como token de estado o evento, lo que minimiza la latencia y el riesgo de tramas malformadas. Esta sencillez es deliberada y facilita la depuraci\u00f3n en cualquier monitor serie convencional.<\/p>\n\n\n\n La integraci\u00f3n hardware se ha realizado sobre una protoboard est\u00e1ndar, manteniendo el cableado lo m\u00e1s corto posible para reducir interferencias electromagn\u00e9ticas. Los principales m\u00f3dulos del sistema y sus conexiones son los siguientes:<\/p>\n\n\n\n (En el tinkercad no estaba ni el micr\u00f3fono ni el amplificador por eso no sale en el dise\u00f1o en tinkercad)<\/strong><\/p>\n\n\n\n La siguiente tabla recoge el presupuesto detallado del prototipo. Los componentes marcados como \u201cKIT\u201d forman parte del kit docente disponible y no han generado coste adicional para el grupo:<\/p>\n\n\n\n1. Introducci\u00f3n y Visi\u00f3n General<\/a><\/h1>\n\n\n\n
1.1. Contexto y motivaci\u00f3n<\/a><\/h2>\n\n\n\n
1.2. Objetivos del proyecto<\/a><\/h2>\n\n\n\n
\n
1.3. Alcance y enfoque t\u00e9cnico<\/a><\/h2>\n\n\n\n
2. Arquitectura del Sistema<\/a><\/h1>\n\n\n\n
2.1. Visi\u00f3n general<\/a><\/h2>\n\n\n\n
\n
2.2. El Cuerpo: Frontend en Arduino (C++)<\/a><\/h2>\n\n\n\n
\n
2.3. El Cerebro: Backend en Python 3.12<\/a><\/h2>\n\n\n\n
\n
2.4. Comunicaci\u00f3n entre subsistemas<\/a><\/h2>\n\n\n\n
3. Hardware, Conexiones y Presupuesto<\/a><\/h1>\n\n\n\n
3.1. Esquema de conexiones<\/a><\/h2>\n\n\n\n
\n
![\"\"](\"https:\/\/blogs.etsii.urjc.es\/dseytr\/wp-content\/uploads\/sites\/8\/2026\/05\/image.gif\")
<\/figure>\n\n\n\n3.2. Desglose de costes<\/a><\/h2>\n\n\n\n