Robot autónomo para la identificación y eliminación de grafitis ilegales en ambientes urbanos

Abstract

Los métodos convencionales de remoción de grafitis no autorizados en entornos urbanos resultan costosos, lentos y dependientes de intervención humana continua, lo que limita la capacidad de respuesta de las administraciones municipales ante una problemática que genera costos anuales superiores a 12.000 millones de pesos en ciudades como Bogotá. Para mitigar esta problemática, este artículo presenta el diseño y validación de un robot autónomo mecatrónico capaz de identificar y eliminar grafitis no autorizados. El sistema integra tres subsistemas interdependientes: una red neuronal convolucional MobileNetV2 entrenada para discriminar entre arte urbano legítimo y vandalismo y vandalismo ilegal con una precisión de clasificación del 80 % al 86 %; un módulo de navegación autónoma con capacidad de mapeo y evasión de obstáculos en tiempo real; y un mecanismo de limpieza físico-química adaptativa diseñado para operar sobre superficies verticales con distintas características texturales. Los resultados de la evaluación operativa confirman la viabilidad técnica del procesamiento de imágenes en tiempo real mediante inteligencia artificial de borde (edge AI), con tiempos de intervención optimizados frente a los métodos tradicionales. La solución propuesta representa un aporte concreto hacia el mantenimiento autónomo del espacio público, equilibrando la eficiencia operativa con la preservación del patrimonio cultural urbano.

Conventional methods for removing unauthorized graffiti in urban environments are costly, slow, and dependent on continuous human intervention, limiting the response capacity of municipal administrations to a problem that generates annual costs exceeding 12 billion pesos in cities like Bogotá. To mitigate this problem, this article presents the design and validation of an autonomous mechatronic robot capable of identifying and removing unauthorized graffiti. The system integrates three interdependent subsystems: a MobileNetV2 convolutional neural network trained to discriminate between legitimate urban art and vandalism and illegal vandalism with a classification accuracy of 80% to 86%; an autonomous navigation module with real-time mapping and obstacle avoidance capabilities; and an adaptive physicochemical cleaning mechanism designed to operate on vertical surfaces with varying textural characteristics. The results of the operational evaluation confirm the technical feasibility of real-time image processing using edge AI, with optimized intervention times compared to traditional methods. The proposed solution represents a concrete contribution towards the autonomous maintenance of public space, balancing operational efficiency with the preservation of urban cultural heritage.