Ingenierıa Basada en Modelos en Practicas de Robotica

Antonio J. Munoz-Ramırez, J. Jesus Fernandez-Lozano y J. Manuel Gomez-de-GabrielDto. Ingenierıa de Sistemas y Automatica

Universidad de Malagaaj@uma.es

Resumen

En este artıculo se recoge la experiencia de usaruna herramienta de desarrollo de ingenierıa ba-sada en modelos o MDE (Model-Driven Enginee-ring) para la realizacion de clases practicas derobotica. La principal caracterıstica de los enfo-ques es que se prescinde de la fase de programa-cion, por lo que se puede pasar del diseno a la im-plementacion de manera automatica permitiendodedicar mas tiempo a los objetivos del aprendizaje.Para determinar la eficiencia de estas herramien-tas se ha utilizado una plataforma robotica movily se han realizado experimentos con alumnos uti-lizando Simulink con generacion de codigo de Ar-duino y se han medido los resultados de manerasubjetiva y objetiva.

Palabras clave: Educacion, Robotica, Ingenierıabasada en Modelos, Simulink.

1. INTRODUCCION

Segun [6, 7] la Ingenierıa basada en modelos(Model-Driven Engineering) o MDE tiene comomision permitir a los ingenieros desarrollar y ana-lizar un sistema mediante abstracciones y forma-lismos mas adecuados y parecidos a sus mode-los mentales que los lenguajes de programacionconvencionales. Exiten muchos lenguajes y he-rramientas para MDE, entre las que se encuen-tran UML, AADL, MATLAB Simulink, Rationaly Eclipse Modeling Framework entre otras. Losmodelos que se construyen en un lenguaje de mo-delado pueden convertirse en un programa ejecu-table mediante un proceso automatico. Ası los mo-delos clasicos de diagramas de bloques o inclusolos diagramas de estados pueden ser usados paracrear programas.

Este modelo de ingenierıa elimina la etapa de co-dificacion de las fases del desarrollo de sistemas,con el consiguiente ahorro de tiempo y de posi-bles errores que lo hacen imprescindible para eldesarrollo de sistemas crıticos como dispositivosmedicos o de control de automocion. Una carac-terıstica de los enfoques MDE es que al prescindir

de la fase de programacion, permite dedicar mastiempo a los objetivos del aprendizaje.

Si bien, la programacion de sistemas reales de con-trol es una competencia deseable en multiples ti-tulaciones de ingenierıa, su utilizacion como me-dio para desarrollar practicas de laboratorio plan-tea ciertos inconvenientes, especialmente cuandolos alumnos poseen un origen heterogeneo. Entrelos inconvenientes mas relevantes se tienen los si-guientes:

La introduccion del uso de una herramienta olenguaje de programacion desconocidos parael alumnado que puede no formar parte de losresultados del aprendizaje de la asignatura.

La necesidad por parte del profesor de fa-miliarizarse previamente con el lenguaje y laversion del entorno de desarrollo utilizado encada asignatura lo que aumenta su carga detrabajo.

El empleo de un tiempo adicional de clase de-dicado a explicar los equipos y a practicarel uso de las nuevas herramientas, restandotiempo de clase a otros contenidos.

El alumno invierte un porcentaje del tiempode laboratorio en la traduccion de los modelosen programas.

El profesor invierte un tiempo, del dedicado ala supervision de las practicas, en la interpre-tacion y depuracion del codigo desarrolladopor los alumnos, reduciendo el numero de gru-pos posibles y aumentando su carga de traba-jo.

La evaluacion de las practicas requiere de unaabstraccion de la aplicacion de los conceptosde la asignatura, sin tener en cuenta los as-pectos de la programacion.

La dificultad de evaluar el aprendizaje de losconceptos de los trabajos practicos entre losdistintos alumnos, si los resultados dependende experiencia previas con el entorno de desa-rrollo y habilidades de programacion.

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 624

Dentro del contexto de la adaptacion de los estu-dios de Ingenierıa al Espacio Europeo de Educa-cion Superior, las competencias adquiridas por elestudiante se han tomado como la referencia por lacual se definen los planes de estudio. En el caso dela Ingenierıa (aunque tambien en otros campos)se han publicado diversas Ordenes Ministerialesque enuncian que competencias tienen que adqui-rir los estudiantes de un determinado tıtulo, sobretodo para que el tıtulo en cuestion permita el ac-ceso a determinadas profesiones reguladas, comola Ingenierıa Industrial. Sin embargo, las compe-tencias, aun siendo un instrumento util, han re-sultado complejas de entender y de aplicar, y almismo tiempo no son la referencia habitual en elentorno de la Ingenierıa en Europa, sino que en sulugar se prefieren los resultados del aprendizaje.Es decir, aquello de lo que los estudiantes de undeterminado programa son capaces cuando lo hansuperado con exito. Sobre esta idea se basa, porejemplo, el marco de acreditacion EUR-ACE, pro-puesto por la European Network for Accreditationof Engineering Education (ENAEE). Este sello decalidad facilita a los programas que lo consiguenel reconocimiento internacional tanto academicacomo profesionalmente.

Recientemente la ANECA, en colaboracion con elInstituto de la Ingenierıa de Espana, ha elaboradoun marco espanol para la obtencion del sello EUR-ACE. Analogamente, se ha desarrollado un marcopara la obtencion del sello EUR-INF, en el ambi-to de la Ingenierıa Informatica. En ambos casossupone la incorporacion de criterios adicionales alos ya existentes en el proceso de renovacion de laacreditacion de los tıtulos. Esos criterios adiciona-les se resumen en el apoyo institucional al tıtulo y,precisamente, los resultados del aprendizaje. Lo-grar este sello se plantea como el proximo reto quedeben superar los programas de Ingenierıa en Es-pana.

Para superar el criterio de resultados del aprendi-zaje el tıtulo en cuestion debera demostrar que to-dos los egresados alcanzan, sistematicamente, losresultados que establece ENAEE, relativos a co-nocimiento y comprension, analisis en Ingenierıa,proyectos de Ingenierıa, investigacion e innova-cion, aplicacion practica de la Ingenierıa, y compe-tencias transversales. Esos resultados, que se des-criben con detalle en [1], deben alcanzarse a travesde asignaturas concretas del programa. Cobra asıgran relevancia la capacidad para definir que resul-tados del aprendizaje se logra en cada asignatura,y de que modo se pone en practica.

El empleo de MATLAB y Simulink en la docenciavenıa siendo identificado con las practicas de orde-nador en simulacion, y tan solo en algunos casos se

Figura 1: Vistas superior e inferior de la platafor-ma educativa de Robotica Movil PIERO

podıa interactuar con el mundo real, pero a costade una alta inversion tanto material como de soft-ware y mantenimiento del mismo. Sin embargo,Mathworks ha dado un gran paso en este senti-do con la incorporacion del soporte hardware pa-ra plataformas de bajo coste, tales como Arduino,Lego, Raspberry Pi y telefonos moviles/tabletas.Esto ha motivado trabajos en los que se usa Si-mulink para MDE en robotica [2, 4], los haptics[3] y tambien, como en este caso a la educacion[8].

El presente artıculo se encuentra estructurado dela siguiente manera: en la siguiente seccion se des-cribe la plataforma robotica educativa previamen-te desarrollada para estas aplicaciones. En la sec-cion 3 se describe la experiencia de uso de estaherramienta desde el punto de vista subjetivo delprofesor, y en la seccion 4 se describe el experi-mento realizado para la evaluacion objetiva delaprendizaje. Finalmente, la seccion 5 analiza losresultados obtenidos y establece las conclusiones.

2. PLATAFORMA ROBOTICAPIERO

2.1. Hardware

Las plataformas roboticas PIERO [5] consisten enun robot movil con traccion diferencial (Vease Fi-gura 1) y basadas en Arduino han demostradouna gran robustez y versatilidad para el empleo endiferentes asignaturas de robotica, control y me-catronica.

La plataforma posee un sistema modular para re-configurar su sistema sensorial y un sistema cen-tralizado donde se pueden apreciar los siguientescomponentes principales de su configuracion masbasica: dos servomotores motores provistos de co-dificadores angulares incrementales de efecto hall(con 1 grado de resolucion), un circuito de po-tencia basado en un puente-h doble de hasta 2Amperios, una baterıa de polımero de litio de tresceldas en serie y 2200mAh, un Arduino con unashield para facilitar el cableado, un LED RGB co-

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 625

Figura 2: Bloque principal de control de velocidaden Simulink.

mo sistema de senalizacion visual de eventos co-mo el de baterıa baja, dos sensores analogicos dedistancia por infrarrojos y un modulo de comuni-caciones Bluetooth.

Las dimensiones de la plataforma, su robustez, au-tonomıa y facilidad de uso la hacen muy adecuadaspara su uso en laboratorios docentes de asignatu-ras de grado o master.

2.2. Control de bajo nivel

Con el objeto de poder realizar practicas de roboti-ca es necesario contar con un sistema de controlde bajo nivel que controle los actuadores. En con-creto, se ha desarrollado un bloque de control develocidad de las ruedas que implementa un con-trol realimentado mediante un algoritmo PI comose observa en la Figura 2.

El bloque de control de velocidad para Simulinkse les proporciona a los alumnos y posee como en-trada el vector de referencias de velocidad de lasruedas y devuelve como salida el vector de veloci-dades reales de las ruedas.

2.3. Un solo controlador de velocidadpara toda la flota

Para la utilizacion y evaluacion de la eficiencia do-cente de estas herramientas se ha construido unaflota de seis robots (Vease Figura 3).

El sistema de control de velocidad se ajusta pa-ra cada servomotor y para cada uno de los robotsmediante un proceso previo basado en la identifi-cacion del sistema y sus parametros, para obtenerun control de velocidad con el rendimiento desea-do y equilibrado en ambas ruedas. Para llevar acabo este proceso de identificacion se ha desarro-llado una herramienta interactiva que facilita a losprofesores la obtencion del modelo. Para tal fin,se han establecido unos parametros de respuestatemporal de tiempo de subida de 0,5s y un tiem-po de establecimiento de 0,91s. Cada uno de losmotores de cada uno de los robots PIERO poseeraunos parametros distintos tanto de su modelo co-

Figura 3: Flota de robots PIERO utilizada paramedir el rendimiento de la metodologıa de Inge-nierıa Basada en Modelos

Figura 4: Ventana de seleccion del numero de ro-bot Piero que lo identifica.

mo de constantes del controlador PI.

Sin embargo, por simplicidad se ha decidido quetodos los alumnos descarguen utilicen el mismocontrolador, al que se le ha incluido un parame-tro que identifica el robot, a introducir por elalumno, mediante el cual el controlador seleccio-na los parametros correspondientes de una tabla(Vease Figura 4).

El la Figura 5 se muestra el proceso de selecciondel conjunto de parametros de cada robot. La pa-rametrizacion se encuentra dentro de la funcionInitFcn perteneciente a los callbacks asociados albloque principal.

2.4. Ajuste, Simulacion y Ejecucion entiempo real

El sistema de control de velocidad esta basadoen un controlador PI proporcionado por Simulinkdentro de la seccion de bloques discretos (VeaseFigura 6). El controlador es un bloque que pro-porciona funciones de auto-ajuste que requiere deun modelo de simulacion del sistema. Dicho mo-delo se ha incluido dentro del bloque de control develocidad descrito en la seccion anterior.

El modelo utiliza un control PI independiente para

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 626

Figura 5: Contenido de la funcion InitFnc para laparticularizacion de forma individualizada a cadarobot PIERO de los parametros de su modelo yde los controladores PI.

Figura 6: Diagrama del bucle de control PI inde-pendiente para cada rueda sobre el bloque vehıcu-lo.

cada rueda que actua sobre el modelo de vehıculo.Esto se ha realizado ası para permitir la sintoni-zacion de los controladores dentro del mismo mo-delo asistidos por la herramienta de sintonizacionde PID de Simulink Control Design.

Si el modelo se ejecuta en modo de simulacion,podemos realizar la practica sin necesidad de dis-poner de la plataforma de forma trasparente (sintener que realizar ningun cambio en el modelo),con el consiguiente ahorro de tiempo en la fase dediseno y prueba de resolucion de la practica, entreotras ventajas.

Figura 7: Diagrama del subsistema vehıculo queincluye al sistema real y al modelo de PIERO si-mulado autoconfigurable.

2.5. Bloques de Simulinkpre-programados

No obstante la principal forma de ejecucion delmodelo es sobre la plataforma PIERO, para locual hacemos uso de las funciones de generacionautomatica de codigo que compilan y descargannuestro modelo (Deploy) para su ejecucion entiempo real sobe el microcontrolador del Arduino.

La ejecucion en modo interactivo (External mo-de) permitirıan monitorizar y depurar los mode-los pero poseen una utilidad limitada [5] debido ala degradacion de los tiempos de respuesta que seproduce en el robot.

3. USO DOCENTE DEHERRAMIENTAS MDE

La capacidad de poder usar esta herramienta endocencia, sin tener que dedicar tiempo de la asig-natura a describir el sistema de desarrollo y apren-der a utilizar un entorno de programacion ha fa-cilitado su adopcion en multiples asignaturas. Enesta seccion se describe la experiencia y evaluacio-nes subjetivas, desde el punto de vista del profesor,de la conveniencia del uso de esta herramienta endeterminadas asignaturas de educacion superior.

3.1. Asignaturas en las que se ha usado

Se ha adoptado la plataforma PIERO para la rea-lizacion de practicas en un gran numero de asig-naturas impartidas por el Departamento de Inge-nierıa de Sistemas y Automatica desde el curso2013-14, como se detalla en la tabla 1.

3.2. Ventajas del uso de MDE

Se ha observado que el uso de Ingenierıa basadaen Modelos para practicas contribuye a reducir losinconvenientes de la necesidad de programaciondescritos en la Seccion1. En concreto:

Se concentra la atencion en los resultados delaprendizaje del programa de la asignatura.

El profesor no necesita aprender una nuevaherramienta.

Se aprovecha mejor el tiempo de las practicasya que no hay que resolver problemas propiosde la programacion.

El profesor dedica su tiempo de supervisionde las practicas de manera mas eficiente.

La evaluacion de las practicas se hace masfacil y objetiva ya que se cuenta con un len-guaje grafico de alto nivel que expresa de for-ma directa la intencion del alumno.

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 627

Tabla 1: Asignaturas en las que se ha usado elenfoque MDE durante el curso 2014-15

Asignatura Titulacion

Regulacion Automati-ca

Grado Ing. ElectronicaIndustrial

Robotica y Automati-zacion

Grado Ing. Electroni-ca, Robotica y Me-catronica

Automatizacion yRobotica Industrial

Grado Ing. en Organi-zacion Industrial

Laboratorio de Roboti-ca

Grado Ing. Electroni-ca, Robotica y Me-catronica

Programacion de Ro-bots Industriales

Grado Ing. ElectronicaIndustrial

Modelado y Control deSistemas Mecatronicosy Robots

Master Mecatronica

Sistemas MecatronicosTolerantes a Fallos

Master Mecatronica

3.3. Rendimiento docente

En particular, en la asignatura de Sistemas To-lerantes a Fallos se han realizado practicas utili-zando el enfoque MDE para la realizacion de unproyecto robots moviles. En comparacion con elcurso anterior donde se utilizo LabVIEW, se haneliminado dos sesiones (una sesion teorica de pro-gramacion de diagramas de estado en LabVIEW yotra de practicas) permitiendo dedicar mas tiempoal proyecto. Ademas los resultados se han obteni-do antes y se han alcanzado objetivos de mayorcalidad.

4. MEDIDA DEL APRENDIZAJE

Para medir los resultados de la utilizacion del en-foque MDE basado en los robots moviles desarro-llados, se ha disenado una practica basada en elmodelo cinematico de un robot movil

Se han realizado dos sesiones para un total de 16alumnos voluntarios de asignaturas de grado derobotica industrial, utilizando una flota de seis ro-bots moviles PIERO. En cada sesion se planteantres fases de experimentacion con un robot movilcon traccion diferencial:

Experimentar con los efectos de las velocida-des de las ruedas y estudiar las trayectoriasobtenidas.

Modelar la conversion entre referencias de ve-locidades cartesianas y articulares y experi-mentar con los modelos obtenidos.

Cálculo de la posiciónCálculo de la posición

• Odometría– Estimación basada en acumulación de medidas obtenidas de sensores 

propioceptivospropioceptivos

– Integración numérica

– Sujeta a acumulación de errores de medida, deslizamientos y de integración.

– Valores iniciales como posición inicial del vehículo.

Figura 8: Ejemplo de solucion a la tercera partede la practica de robotica movil.

Construir el modelo de obtencion de las velo-cidades globales del robot y de su localizacion,verificando dichos modelos mediante simula-cion y ejecucion en el sistema fısico.

Para desarrollar el contenido de la practica se hanintroducido los conceptos de espacios articularesy cartesianos de un robot movil. Se les ha propor-cionado el Jacobiano directo y los alumnos handesarrollado el modelo inverso en Simulink y hanrepresentado las variables articulares y cartesianasde manera vectorial, Calculando las velocidadesdel robot a partir de las velocidades de las ruedas,suministradas por el bloque de control descrito enla seccion 2.5. Estos trabajos han sido monitoriza-dos por el profesor para ayudar a resolver proble-mas de implementacion. Asimismo se ha definidola pose o vector de posicion global mediante lascoordenadas en el plano XY mas la orientacion θ,obtenidas mediante integracion numerica discreta.El alumno debe de construir el modelo en Simu-link para la obtencion de dicha pose a partir de lasvelocidades anteriores. En la Figura 8 se muestraun ejemplo del modelo realizado por los alumnosdurante una de las sesiones para completar el ob-jetivo de la tercera parte.

4.1. Desarrollo de la sesion practica

Se ha planificado el siguiente cronograma de desa-rrollo de la practica destinada a medir el aprendi-zaje.

Tabla 2: Actividades desarrolladas en la sesionpractica

Actividades DuracionIntroduccion 5 min.

Evaluacion Inicial 5 min.Control articular 15 min.

Control Cartesiano 15 min.Odometrıa 15 min.

Evaluacion final 5 min.

Para la evaluacion objetiva del aprendizaje se haelaborado un formulario con tres partes: Una partede preguntas sobre experiencia previa en practicas

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 628

robotica, Simulink y mecatronica, ocho preguntasde tipo test sobre los conceptos de robotica quese pretenden ensenar, y seis preguntas por aspec-tos de programacion y hardware del robot que noson necesario conocer usando el enfoque propues-to. Las tres secciones se ponderan de 0 a 10.

Para obtener una medida del incremento en co-nocimientos relativos a robotica y relativos a laplataforma en sı, se realiza una prueba de conoci-miento antes y despues de la practica. Antes se lespide a los alumnos que respondan a las tres sec-ciones del cuestionario de evaluacion, y al finalizarse les vuelve a suministrar el mismo formulario, enel que solo tienen que responder a las dos ultimassecciones.

El incremento esperado del aprendizaje deberıaproducirse exclusivamente en la seccion de Roboti-ca, mientras que los conocimientos sobre la plata-forma (que etiquetaremos como Arduino) debenpermanecer constantes ya que no han necesita-do aprenderlos y los profesores no se los han en-senado.

5. RESULTADOS YCONCLUSIONES

Aunque los resultados subjetivos por parte de losprofesores son claramente positivos en terminos deventajas aportadas y eficiencia del uso del tiempodel alumno y del profesor, es necesario examinarlos datos de la evaluacion objetiva realizada me-diante los cuestionarios cuyos resultados se sinte-tizan en la tabla 3. En la fila denominada Roboticase evaluan los conceptos ensenados y en la etique-tada Arduino los conceptos no ensenados.

Tabla 3: Calificaciones promedio, antes y despuesde la practica, relativas a temas de robotica y deconceptos sobre mecatronica

Nombre Antes DespuesRobotica 3.36 5.39Arduino 2.60 3.44

Se observa un incremento general en el aprendiza-je (Vease Figura 9 en cuestiones de robotica movily sorprendentemente se observa tambien un incre-mento en la media de puntuacion de los conoci-mientos no ensenados, que puede corresponder aun aprendizaje propio motivado por interes perso-nal o por obtener una mejor puntuacion final. Noobstante el incremento en los conceptos ensenadoses superior.

Si bien el numero de muestras obtenidas no es aunsignificativo, se observa un mayor incremento enalumnos con un menor nivel de experiencia previa

0.0

1.0

2.0

3.0

4.0

5.0

6.0

7.0

8.0

9.0

10.0

0.00

1.00

2.00

3.00

4.00

5.00

6.00

Antes Después

Robótica

Arduino

Figura 9: Evaluacion objetiva antes y despues dela realizacion de la practica

obtenido de la primera parte de cuestionario, enambos grupos de conocimientos.

La presente propuesta puede analizarse a la luz deeste contexto, como una herramienta para poneren practica eficientemente una parte de los resul-tados del aprendizaje que senala el marco EUR-ACE. En particular, dentro de este marco se consi-deran particularmente importantes los resultadosen cuanto a proyectos de ingenierıa y en aplica-cion practica de la ingenierıa. Ası, dentro del areade proyectos de ingenierıa, los titulados de gradodeben tener:

La capacidad de aplicar sus conocimientos pa-ra plantear y llevar a cabo proyectos que cum-plan unos requisitos previamente especifica-dos.

Comprension de los diferentes metodos y lacapacidad para aplicarlos.

El desarrollo de la practica propuesta incide pre-cisamente en el cumplimiento de unos requisitos,ası como la comprension de los metodos implica-dos. El desacoplamiento respecto a la tecnologıaempleada permite incidir con mas intensidad enesto.

Dentro del area de aplicacion practica de inge-nierıa, los graduados o graduadas deben tener:

La capacidad de seleccionar y utilizar equi-pos, herramientas y metodos adecuados.

La capacidad de combinar la teorıa y lapractica para resolver problemas de inge-nierıa.

La comprension de metodos y tecnicas apli-cables y sus limitaciones.

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 629

Conciencia de las implicaciones, tecnicas o notecnicas, de la aplicacion practica de la inge-nierıa.

La propuesta facilita la seleccion de metodos ade-cuados, al margen de la implementacion tecnologi-ca. Igualmente contribuye a la combinacion deteorıa y practica, con mayor eficiencia en cuan-to al tiempo dedicado para poder observar comoinciden en los resultados obtenidos los metodoselegidos, su aplicabilidad y sus limitaciones.

Por otra parte, el marco EUR-ACE plantea losresultados del aprendizaje en el plano de grado,pero tambien en master. El presente trabajo se hacentrado en el nivel de grado, pero puede ser deinteres estudiar de que manera pueden contribuirestas tecnicas al diseno de asignaturas de grado ymaster dentro de la misma tematica, y como pue-den ser una herramienta para alcanzar resultadosdel aprendizaje diferentes.

Agradecimientos

Nuestros agradecimientos a las profesoras IsabelGarcıa Morales e Irene Rivas Blanco que han par-ticipado en el proyecto y han colaborado con eldesarrollo de este estudio.

Asimismo nuestro agradecimiento a todos losalumnos que han colaborado aportando mejoras ala plataforma y realizando las practicas de roboti-ca movil.

Los trabajos realizados se enmarcan dentro delproyecto de innovacion educativa de la Universi-dad de Malaga con codigo PIE13-134.

Referencias

[1] ANECA (2015), Guıa de Evaluacion parala renovacion de la acreditacion y la ob-tencion del sello EUR-ACE para tıtulos ofi-ciales de Grado y de Master en ingenierıa,http://eurace.iie.aneca.es/eurace.html

[2] Barber, R., Crespo, M. H. J. (2013). Con-trol Practices using Simulink with Arduino asLow Cost Hardware. In The 10th IFAC Sym-posium on Advances in Control Education.

[3] Beni, N.; Grottoli, M.; Ferrise, F.; Borde-goni, M., (2014) Rapid prototyping of lowcost 1 DOF haptic interfaces, Haptics Sym-posium (HAPTICS), 2014 IEEE , vol., no.,pp.479,483, 23-26 Feb. 2014

[4] Gartseev, I. B., Lee, L. F., Krovi, V. N.(2011). A low-cost real-time mobile robotplatform (ArEduBot) to support project-based learning in robotics & mechatronics. In

Proceedings of 2nd International Conferenceon Robotics in Education (RiE 2011).

[5] Gil-Lozano, J.E. and Ramırez, AJ Munozand Lopez, V Torres and de Gabriel, JMGomez, (2014), Uso de Simulink y Arduinopara Practicas de Robotica. Jornadas de Au-tomatica 2014, Valencia, Espana.

[6] Harel, D. (1987), Statecharts: a visual forma-lism for complex systems. Science of Compu-ter Programming, 8(3):231 – 274, 1987. ISSN0167-6423.

[7] Schmidt, D.C. (2006), Guest editor’s intro-duction: Model-driven engineering. Compu-ter, 39(2):0025–31, 2006.

[8] Sobota, J., Balda, P., Schlegel, M. (2013).Raspberry Pi and Arduino boards in controleducation. In Advances in Control Education(Vol. 10, No. 1, pp. 7-12).

Actas de las XXXVI Jornadas de Automática, 2 - 4 de septiembre de 2015. Bilbao ISBN 978-84-15914-12-9 © 2015 Comité Español de Automática de la IFAC (CEA-IFAC) 630