El presente artículo esboza los resultados del diseño de un detector de objetos mediante clasificadores Haar, los cuales operan en función a descriptores rectangulares relacionados con la intensidad de una región en una imagen. Este clasificador se entrena para la detección de automóviles, con el objetivo de establecer la cantidad de flujo vehicular en una vía, soportados en la información proveniente de cámaras de videovigilancia. Se realiza el entrenamiento del clasificador obteniendo un porcentaje de aciertos en la detección del 92.9%, y se comparan los resultados frente a técnicas de visión de máquina como lo es el flujo óptico, presentando un desempeño superior en más del 30%. Los tiempos de procesamiento obtenidos son en promedio de 40 milisegundos.

En este artículo se presenta un desarrollo en robótica cooperativa basados en el principio de imitación en la que un agente móvil tipo humanoide actúa como maestro en la secuencia de desplazamiento lateral para mover una carga objetivo, coordinando a otros tres agentes por medio de comunicación zigbee, en una red tipo Token-Ring. El movimiento de cada agente está determinado por el centro de gravedad (CoG) y la réplica de movimiento del maestro de forma tal que dos de ellos actúan por imitación espejo al encontrarse enfrentados a este y el tercero por imitación directa al encontrarse al lado.