Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
1
SISTEMA DE GEOLOCALIZACIÓN PARA ROBOTS MÓVILES EN
INTERIORES EMPLEANDO LIFI
OPTICAL INDOOR LOCALIZATION SYSTEM FOR MOBILE
ROBOTS USING LIFI
.
Leonardo Fabián Rentería Bustamante1,
Alex Fernando Quille Vega 2,
Klever Hernán Torres Rodríguez 3,
Celia Margarita Mayacela Rojas4
1 Universidad Nacional de Chimborazo, Ecuador, leonardo.renteria@unach.edu.ec
2 Universidad Nacional de Chimborazo, Ecuador, afquille.fie@unach.edu.ec
3 Universidad Nacional de Chimborazo, Ecuador, ktorres@unach.edu.ec
4 Universidad Nacional de Chimborazo, Ecuador, celia.mayacela@unach.edu.ec
RESUMEN
Este trabajo presenta el desarrollo y evaluación de un sistema de localización en interiores basado en
tecnología LiFi, utilizando una matriz de transmisores LED codificados y un receptor óptico integrado en un
robot móvil. Se implementaron tres trayectorias experimentales con diferentes características geométricas de
curvas suaves, curvas cerradas y cambios bruscos con el fin de analizar la precisión y estabilidad del sistema
en condiciones reales de operación. Los resultados muestran que el método Cell-ID utilizado permite
reconstruir la trayectoria recorrida con errores absolutos entre 12.5% y 22.2%, dependiendo de la complejidad
del movimiento. Los mapas de calor obtenidos evidencian una mayor estabilidad de lectura en celdas centrales
y un incremento en lecturas ambiguas en zonas de transición luminosa. Los hallazgos confirman que LiFi es
una alternativa viable para la localización en interiores, especialmente en entornos donde las tecnologías
basadas en radiofrecuencia presentan limitaciones por interferencias o restricciones operativas.
Palabras clave: LiFi, localización en interiores, comunicaciones ópticas, IM, robot móvil, geolocalización, VLC.
ABSTRACT
This work presents the development and evaluation of an indoor localization system based on LiFi technology,
using a matrix of coded LED transmitters and an optical receiver integrated into a mobile robot. Three
experimental trajectories with different geometric characteristic of smooth curves, sharp turns, and abrupt
direction changes were executed to analyze the system’s accuracy and stability under real operating conditions.
Results show that the implemented Cell-ID method is capable of reconstructing the robot’s path with absolute
errors ranging from 12.5% to 22.2%, depending on trajectory complexity. The generated heat maps reveal
higher reading stability in central cells and increased ambiguous detections in illumination transition areas. The
findings confirm that LiFi is a viable alternative for indoor positioning, particularly in environments where radio-
frequency technologies face limitations due to interference or operational constraints.
Keywords: LiFi, indoor localization, optical wireless communications, IM, mobile robot, positioning, VLC.
Recibido: Agosto 2025 Aceptado: Diciembre 2025
Received: August 2025 Accepted: December 2025
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
2
1. INTRODUCCIÓN
La tecnología LiFi (Light Fidelity), derivada del
estándar IEEE 802.15.7, implementa
comunicaciones ópticas inalámbricas mediante la
modulación de alta frecuencia de fuentes LED,
cuyas variaciones de intensidad son indetectables
para el ojo humano. La señal óptica es captada por
un fotodetector —generalmente un fotodiodo o un
sensor LDR— que convierte la irradiancia incidente
en una señal eléctrica digitalizable para su
decodificación [1]. Este esquema ubica a LiFi dentro
del marco de las Optical Wireless Communications
(OWC), que abarcan enlaces ópticos no guiados en
rangos infrarrojo, visible y ultravioleta,
diferenciándose de los sistemas guiados como la
fibra óptica [2].
Dentro de las OWC, las Visible Light
Communications (VLC) utilizan exclusivamente el
espectro visible para establecer enlaces punto a
punto, empleando LEDs como emisores y
fotodetectores como receptores. Tanto VLC como
LiFi comparten mecanismos de modulación y control
definidos por IEEE 802.15.7, aunque LiFi extiende
estas capacidades hacia redes bidireccionales,
movilidad y handover, configurándose como un
análogo óptico de WiFi [3].
El uso del espectro visible otorga a LiFi ventajas
técnicas significativas: inmunidad a interferencias
electromagnéticas, operación en un ancho de banda
extremadamente amplio, alta densidad de celdas y
mayor seguridad física del canal debido a la
contención espacial del haz luminoso [4]. Asimismo,
los LEDs presentan una elevada eficiencia
energética y permiten la simultaneidad entre
iluminación y comunicación. No obstante, el estado
emergente de la tecnología conlleva costos elevados
y limitaciones de alcance y línea de vista.
La necesidad de sistemas de localización en
interiores robustos y precisos se ha incrementado en
sectores como salud, logística, manufactura
avanzada, navegación robótica, control de accesos
y trazabilidad de activos [5]. Las tecnologías
basadas en radiofrecuencia como WLAN, Bluetooth
o UWB, presentan limitaciones vinculadas a
interferencias, vulnerabilidades de seguridad y
degradación de desempeño en entornos densos [6].
Desde los primeros experimentos de Haas, que
demostraron tasas superiores a 10 Mbps y
posteriormente del orden de gigabits por segundo en
laboratorio [7], LiFi se ha consolidado como un
candidato para aplicaciones de posicionamiento en
entornos electromagnéticamente complejos. En
escenarios de localización, los transmisores LED
pueden emitir códigos ópticos únicos asociados a
celdas espaciales, permitiendo al receptor
determinar su posición mediante identificación
directa, análisis de escena o detección de
proximidad [8].
A pesar del potencial de la tecnología, los sistemas
LiFi aún presentan limitaciones, principalmente
costos elevados, dependencia de línea de vista y
sensibilidad a condiciones de iluminación. Sin
embargo, diversos desarrollos internacionales
demuestran su madurez creciente. Por ejemplo, el
proyecto AAL x AAL, desarrollado por el VDA Group,
Solari Spa y la Universidad de Udine, busca integrar
LiFi en entornos sanitarios debido a su nula
contaminación electromagnética, lo cual resulta
crítico en la operación de equipos como los
escáneres IMR. Actualmente, esta implementación
se encuentra en fase de pruebas en el Oncological
Reference Center (CRO) en Aviano, Italia [9].
Asimismo, LiFi ha sido evaluado en aplicaciones de
seguridad crítica. En un simulacro de ataque a la red
de metro, Verizon, Nokia y Aegex Technologies
utilizaron LiFi para mantener comunicaciones
bidireccionales seguras con la central de control. En
el ámbito militar y de inteligencia, BT Defence
desplegó infraestructura LiFi en las instalaciones de
Adastral Park, proporcionando conectividad a más
de 3.700 empleados bajo estrictos requisitos de
seguridad [10]. Por su parte, la empresa PureLiFi,
pionera en el sector, desarrolló el sensor LiFi OFE,
capaz de alcanzar velocidades del orden de 1 Gbps,
aunque aún persiste la limitación fundamental
inherente a la tecnología: la comunicación depende
de la presencia de luz; sin iluminación, no existe
enlace [11].
En paralelo, la creciente demanda de sistemas de
localización en interiores para sectores como
logística, salud, manufactura inteligente, navegación
robótica o monitoreo de ocupación ha evidenciado
las limitaciones de tecnologías basadas en RF,
afectadas por interferencias, multipath y
vulnerabilidades de seguridad [6]. En este contexto,
LiFi constituye una alternativa robusta para la
localización, permitiendo etiquetar espacialmente
áreas mediante transmisores LED que emiten
códigos ópticos únicos. El receptor, integrado en un
robot móvil, decodifica dichos códigos para inferir su
posición dentro del entorno.
Considerando estas propiedades, el presente
trabajo investiga el uso de LiFi como sistema de
geolocalización en interiores para un dispositivo
móvil, implementando un prototipo experimental
compuesto por transmisores LED codificados y un
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
3
receptor óptico de bajo costo, con el fin de evaluar la
viabilidad, precisión y estabilidad del método en un
entorno controlado.
2. METODOLOGÍA Y MATERIALES
La localización en interiores es un componente
crítico en la navegación autónoma de robots
móviles, especialmente en entornos donde las
señales de sistemas globales como GPS son
inexistentes o altamente degradadas.
Tradicionalmente, estas tareas se han sustentado en
tecnologías basadas en radiofrecuencia (RF), visión
artificial o sensores inerciales; sin embargo, cada
una presenta limitaciones asociadas a interferencias
electromagnéticas, oclusiones visuales,
acumulación de error o falta de precisión absoluta.
En este contexto, LiFi se posiciona como una
alternativa óptica robusta y de alta granularidad para
la estimación de posición en tiempo real.
Para evaluar la viabilidad de la geolocalización en
interiores mediante tecnología LiFi, se desarrolló un
sistema experimental compuesto por una matriz de
transmisores LED codificados y un receptor óptico
integrado en un robot móvil. La metodología
empleada combina diseño electrónico, modelado del
canal óptico, integración de hardware de bajo costo
y ejecución de pruebas controladas en un entorno
delimitado. En primera instancia se estableció la
arquitectura general del sistema, definiendo los
componentes electrónicos y la configuración de
transmisión óptica; posteriormente se implementó el
algoritmo de decodificación en el módulo receptor y
se diseñaron trayectorias repetibles para validar la
estabilidad de la localización. Finalmente, los datos
obtenidos en cada trayectoria fueron analizados
mediante herramientas estadísticas y representados
mediante mapas de calor para cuantificar la
precisión y la repetibilidad del posicionamiento. A
continuación, se detallan los materiales empleados
y la metodología seguida en cada etapa del proceso
experimental.
2.1 Principios de localización basado en LiFi.
El enfoque adoptado en este trabajo se fundamenta
en la técnica Cell-ID basada en iluminación
codificada [12], donde un transmisor LED emite un
identificador único que representa una celda
espacial dentro del entorno de navegación. El robot
móvil, equipado con un receptor óptico, interpreta
este identificador para determinar su ubicación
instantánea dentro del área iluminada, Fig. 1.
Fig.1: Esquema general del sistema LiFi propuesto.
La localización se basa en los siguientes principios:
1. Asociación directa entre el ID recibido y la
posición física del transmisor LED.
La posición (x, y) de cada LED se conoce
previamente y se almacena en la memoria del
microcontrolador.
2. Cobertura de iluminación parcialmente
superpuesta.
Cada celda luminosa define una región de
validez espacial donde el receptor puede leer
con fiabilidad la trama óptica correspondiente.
3. Decodificación de tramas de alta frecuencia.
El robot identifica las zonas del entorno según el
ID óptico detectado y las transiciones entre
celdas se interpretan como desplazamiento
espacial.
4. Independencia de interferencias
electromagnéticas.
El uso del espectro visible elimina los problemas
de multipath RF, congestión de bandas y ruido
electromagnético típicos de WiFi, Bluetooth o
UWB.
2.2 Sistema de transmisión LiFi.
El transmisor óptico tiene forma circular con un
diámetro de 4.5 cm e integra 20 diodos LED color
blanco, es controlado por un Arduino Pro Mini y se
alimenta con una fuente de 5V 200mA, Fig. 2. La
modulación utilizada para la transmisión de
información se basó en IM (Intensity Modulation)
mediante PWM (Pulse Width Modulation),
codificando los datos en la intensidad de luz [13].
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
4
Fig.2: Arquitectura básica de transmisor LiFi.
En total, se utilizaron 16 transmisores LED de alta
luminosidad configurados en una matriz 4×4
dispuesta en un plano superior a una altura
constante, Fig. 3; cada celda se codificó según su
posición, utilizando 8 bits por transmisor: 3 bits de
sincronismo y 5 bits de información (Tabla 1).
Fig.3: Matriz de transmisores Led.
Tabla 1. Codificación de la posición de los
transmisores LiFi
Posición
Bits de
sincronismo
Bits de
información
1
110
00001
2
110
00010
3
110
00011
4
110
00100
5
110
00101
6
110
00110
7
110
00111
8
110
01000
9
110
01001
10
110
01010
11
110
01011
12
110
01100
13
110
01101
14
110
01110
15
110
01111
16
110
10000
Los bits de sincronismo se transmitieron en 18 ms,
mientras que los 5 bits de información se
transmitieron en 75 ms, de manera que cada
transmisor completaba la emisión de su información
codificada en 93 ms, Fig. 4.
Fig.4: Modulación PWM del transmisor LiFi para la
celda 1 (11000001).
Para asegurar uniformidad de emisión y estabilidad
fotométrica, cada transmisor fue alimentado
mediante un driver regulado con protección contra
fluctuaciones de corriente.
2.3 Sistema de recepción LiFi.
El sistema de recepción fue diseñado para detectar
la modulación óptica emitida por los transmisores
LED y convertirla en información digital interpretable.
El receptor está compuesto por dos elementos
principales: un sensor LDR (Light Dependent
Resistor) como fotodetector y un módulo ESP32
como unidad de procesamiento, adquisición y
decodificación.
El sensor LDR opera como un convertidor óptico-
eléctrico pasivo, cuya resistencia disminuye en
función de la intensidad luminosa recibida. Dado que
la modulación empleada en el sistema LiFi se basa
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
5
en variaciones de intensidad PWM, el LDR permite
obtener una señal eléctrica proporcional a dichos
niveles luminosos. Esta señal es leída por el
conversor ADC (Analog-to-Digital Converter) del
ESP32, el cual muestrea el valor instantáneo y lo
transforma en valores digitales entre 0 y 4095
(resolución de 12 bits).
Para la decodificación, se estableció un umbral
dinámico de intensidad que permite distinguir los dos
niveles lógicos utilizados por el transmisor:
• Un valor digital alto asociado al PWM = 255
→ interpreta bit “1”
• Un valor digital bajo asociado al PWM = 136
→ interpreta bit “0”
El algoritmo implementado en el ESP32 realiza la
lectura continua del ADC y reconstruye la trama de
8 bits (3 de sincronismo + 5 de datos). Primero, el
sistema identifica la secuencia de sincronismo “110”,
la cual permite validar la recepción y ubicar el inicio
de la trama. Una vez sincronizado, los siguientes 5
bits son decodificados secuencialmente y
convertidos al número de identificación de la celda
LiFi, lo que corresponde a la posición física
específica del robot dentro del escenario.
El ESP32 incorpora además un servidor web
embebido, mediante el cual se visualizan en tiempo
real:
• los valores digitales recibidos por el ADC,
• la secuencia binaria decodificada,
• y la celda LiFi correspondiente a la posición
detectada.
El módulo receptor fue integrado físicamente en un
robot móvil seguidor de línea, ubicado en su parte
superior para mantener una línea de visión estable
hacia los transmisores LED (Fig. 5). De este modo,
el robot puede avanzar siguiendo la trayectoria
marcada en el suelo mientras el sistema LiFi
determina su posición en cada instante, generando
un historial de localización para su posterior análisis.
Fig.5: Diagrama de bloques básico del sistema de
recepción LiFi.
Para validar el desempeño del sistema de
geolocalización LiFi y evaluar su precisión en
condiciones reales de operación, se construyó un
escenario experimental que permitiera ejecutar
múltiples trayectorias repetibles utilizando un robot
móvil seguidor de línea. Este escenario consistió en
una maqueta física con dimensiones de 122 cm ×
122 cm y una altura de 38 cm, sobre la cual se instaló
una matriz de 16 transmisores LED distribuidos en
una configuración de 4×4, Fig 6.
Fig.6: Escenario de pruebas.
El piso del escenario se preparó con trayectorias
pintadas en color negro sobre una superficie blanca,
diseñadas para ser detectadas por el sensor
infrarrojo del robot seguidor de línea. Cada
trayectoria representó un escenario distinto de
navegación, incluyendo desplazamientos rectilíneos
y giros suaves (Fig. 7), curvas cerradas (Fig. 8), y
trayectorias con cambios abruptos de dirección (Fig.
9).
Estas variaciones permitieron evaluar el
comportamiento del sistema LiFi ante movimientos
dinámicos y diferentes ángulos de recepción
respecto a las fuentes luminosas.
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
6
Fig.7: Trayectoria con curvas suaves.
Fig.8: Trayectoria con curvas cerradas.
Fig.9: Trayectoria con cambios abruptos de
dirección.
Durante las pruebas, el robot recorría cada
trayectoria siguiendo la línea negra en el piso,
mientras el módulo de recepción (LDR + ESP32)
decodificaba continuamente la información óptica
emitida por el transmisor correspondiente a la celda
dentro de la cual se encontraba. De esta manera, el
sistema registró en tiempo real un historial completo
de posiciones a medida que el robot avanzaba a lo
largo del recorrido.
Cada trayectoria fue repetida un número significativo
de veces para analizar la repetibilidad, estabilidad y
dispersión espacial de las posiciones detectadas.
Estos datos permitieron posteriormente generar
mapas de calor que representan la frecuencia de
detección en cada celda de la cuadrícula LiFi,
facilitando la evaluación cuantitativa del sistema y
permitiendo identificar zonas con mayor precisión y
áreas donde el receptor experimentó pérdidas de
señal o decodificación errónea.
Este enfoque experimental permitió validar la
funcionalidad del sistema LiFi en un entorno
controlado, modelando condiciones reales de
navegación de robots móviles en interiores.
3. RESULTADOS Y DISCUSIÓN
Para la evaluación del prototipo de localización de
robots móviles mediante LiFi, se registraron las
trayectorias recorridas por el robot dentro de la
matriz de 16 transmisores (4×4), considerando las
tres trayectorias de ejemplo planificadas. Los
resultados se presentan en términos error, mapas de
calor y secuencias de pasos, permitiendo una
comparación visual entre la trayectoria planificada y
la trayectoria real registrada.
Para cuantificar la diferencia entre la trayectoria
planificada y la trayectoria real, se utilizó la distancia
euclidiana media por paso, error promedio (EP),
definida como:

  󰇛󰇜

Donde es el número de pasos de la trayectoria,
󰇛
plan
plan󰇜 son las coordenadas de la celda
planificada en el paso , y 󰇛
real
real󰇜son las
coordenadas de la celda real registrada en el mismo
paso.
Este indicador permite cuantificar de manera
objetiva cuán cercana es la trayectoria real a la
planificada.
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
7
A continuación, se presentan los resultados
individuales para cada trayectoria.
3.1 Trayectoria 1: Curvas suaves.
La trayectoria planificada conectaba
progresivamente las celdas 󰇟󰇠. La
trayectoria real registró un intercambio entre las
celdas 12 y 15, generando la secuencia
󰇟󰇠, esta se determinó en base las
frecuencias mostradas en la Tabla 2. Este desvío
originó un error absoluto del 22.2%, correspondiente
a dos discrepancias en nueve pasos.
Tabla 2. Repeticiones por celda – Trayectoria 1.
Celda
Repeticiones por
celda
1
5
2
1
3
2
4
1
5
1
6
0
7
1
8
3
9
2
10
2
11
0
12
1
13
2
14
1
15
0
16
1
La Fig. 10 muestra la comparación entre la
trayectoria planificada (azul) y la real (rojo) junto con
el mapa de calor. Se observa que los errores se
localizan en las transiciones centrales, lo cual
sugiere que las zonas donde convergen varias
celdas presentan mayor probabilidad de lecturas
ambiguas debido a la superposición luminosa
parcial. Así mismo, el mapa de calor mostró una
mayor concentración de detecciones en la región
central del escenario, consistente con la mayor
estabilidad del receptor en zonas con iluminación
homogénea.
Fig. 10: Mapa de calor de trayectoria con curvas
suaves.
3.2 Trayectoria 2: Curvas cerradas.
La trayectoria planificada seguía un recorrido
cerrado compuesto por las celdas
[1,5,9,13,14,15,16,12,8,4,3,2]. En la trayectoria real
se observó un intercambio entre las celdas 3 y 4, lo
cual generó la secuencia
[1,5,9,13,14,15,16,12,8,3,4,2], establecida utilizando
los valores de frecuencia presentados en la Tabla 3.
Este intercambio produjo un error absoluto del
16.7%, correspondiente a dos discrepancias en doce
pasos.
Tabla 3. Repeticiones por celda – Trayectoria 2.
Celda
Repeticiones por
celda
1
4
2
1
3
1
4
2
5
2
6
1
7
1
8
3
9
2
10
2
11
0
12
1
13
2
14
1
15
1
16
2
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
8
La Fig. 11 muestra la comparación entre la
trayectoria planificada y la real. En este caso,
los errores se concentran en la parte final del
recorrido, donde el robot ejecuta las curvas
cerradas. Esto coincide con lo observado en el
mapa de calor, donde se aprecia una dispersión
más amplia en la zona central y en las columnas
laterales, lo cual indica que los cambios bruscos
en la orientación del sensor ocasionan
variaciones en el ángulo de incidencia,
reduciendo la estabilidad luminosa recibida por
el LDR. Pese a ello, la mayor parte del recorrido
se mantuvo estable gracias a la alineación
geométrica entre celdas contiguas.
Fig. 11: Mapa de calor de trayectoria con curvas
cerradas.
3.3 Trayectoria 3: Trayectoria con cambios
abruptos de dirección.
La trayectoria planificada consideraba múltiples
giros abruptos, siguiendo la secuencia
[1,5,9,13,14,10,6,2,3,7,11,15,16,12,8,4]. La
trayectoria real presentó un intercambio entre las
celdas 2 y 3, generando la secuencia
[1,5,9,13,14,10,6,3,2,7,11,15,16,12,8,4],
determinada en base a las frecuencias mostradas en
la Tabla 4. Este desvío produjo un error absoluto del
12.5%, el más bajo entre las tres trayectorias
evaluadas.
Tabla 4. Repeticiones por celda – Trayectoria 3.
Celda
Repeticiones por
celda
1
5
2
2
3
2
4
3
5
1
6
0
7
2
8
3
9
2
10
3
11
0
12
2
13
1
14
1
15
1
16
2
La Fig. 12 evidencia que, a pesar de los cambios
bruscos de dirección, la trayectoria real se mantuvo
cercana a la planificada. La menor superposición
entre celdas no adyacentes redujo la ambigüedad
luminosa, lo cual explica el error reducido. El mapa
de calor mostró concentraciones definidas en zonas
específicas, con menor dispersión que en las
trayectorias anteriores, lo que indica una recepción
más estable incluso en presencia de cambios
rápidos en la dirección de movimiento.
Fig. 12: Mapa de calor de trayectoria cambios
abruptos de dirección.
En general, al analizar en conjunto los resultados de
las tres trayectorias, se observa que el desempeño
del sistema LiFi depende directamente de:
a. La geometría de la trayectoria.
Las trayectorias con curvas suaves (Trayectoria 1) y
curvas cerradas (Trayectoria 2) generaron mayor
error debido a que el robot permanecía más tiempo
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
9
en zonas donde dos o más celdas iluminan
simultáneamente.
En cambio, la trayectoria con saltos bruscos
(Trayectoria 3) redujo la superposición de patrones
luminosos, facilitando la decodificación.
b. La variación del ángulo de incidencia
sobre el LDR
Los errores coincidieron con los momentos en que el
robot modificaba su orientación respecto a los
transmisores.
La sensibilidad angular del LDR afecta la lectura del
PWM, en especial cuando el nivel de iluminación
entre celdas es similar.
c. La distribución espacial de los
transmisores
Las zonas centrales del escenario muestran mayor
densidad en el mapa de calor, indicando que la
iluminación homogénea favorece la decodificación.
Las zonas limítrofes presentan menor repetición
debido a que la potencia luminosa decae con la
distancia.
En síntesis, el sistema LiFi de localización demostró
un desempeño consistente y replicable, con errores
absolutos entre 12.5% y 22.2% según la geometría
del recorrido. Los resultados concuerdan con
limitaciones ya reportadas en sistemas LiFi basados
en Cell-ID: superposición luminosa, sensibilidad
angular y dependencia de línea de vista. No
obstante, la estabilidad del sistema en trayectorias
de mayor complejidad geométrica evidencia su
viabilidad como alternativa de bajo costo para la
localización de robots móviles en entornos interiores.
4. CONCLUSIÓN
El desarrollo del sistema de localización en interiores
basado en LiFi demostró que es posible estimar la
posición de un robot móvil mediante iluminación
codificada utilizando hardware de bajo costo. Las
pruebas realizadas sobre tres trayectorias
evidenciaron que el sistema reconstruye las
secuencias de movimiento con errores absolutos
entre 12.5% y 22.2%, valores aceptables
considerando el uso de un fotodetector simple (LDR)
y un esquema de identificación tipo Cell-ID.
Los mapas de calor mostraron que las celdas
centrales presentan mayor estabilidad y frecuencia
de detección, mientras que los bordes y zonas de
transición fueron las regiones con más errores. Esto
confirma que la superposición parcial de iluminación
entre celdas afecta la precisión y que la geometría
de la trayectoria influye directamente en el
desempeño: las curvas suaves y cerradas
incrementaron la ambigüedad luminosa, mientras
que los cambios bruscos favorecieron una lectura
más clara.
En conjunto, los resultados indican que LiFi es una
alternativa viable para aplicaciones de localización
en interiores donde las tecnologías de
radiofrecuencia pueden ser ineficientes o no
permitidas. Si bien la dependencia de la línea de
vista y la sensibilidad angular siguen siendo
limitantes, el sistema mostró estabilidad y
repetibilidad suficientes para escenarios
controlados. Como mejora futura se sugiere emplear
fotodetectores más rápidos, filtros ópticos y
algoritmos de fusión sensorial que permitan
aumentar la precisión espacial del método.
5. REFERENCIAS BIBLIOGRÁFICAS
[1] H. Haas and C. Chen, “What is LiFi?,” European
Conference on Optical Communication, vol. 2015-
November, Nov. 2015, doi:
10.1109/ECOC.2015.7341879.
[2] A. Krishnamoorthy et al., “Optical wireless
communications: enabling the next generation
network of networks,” ieeexplore.ieee.org,
Accessed: Nov. 16, 2025. [Online]. Available:
https://ieeexplore.ieee.org/abstract/document/10974
735/
[3] S. Jindal et al., “Tbps wide-field parallel optical
wireless communications based on a metasurface
beam splitter,” nature.com, vol. 146, no. 37, pp.
25536–25543, Sep. 2024, doi:
10.1021/jacs.4c05812.
[4] S. Ma et al., “Feasibility Conditions for Mobile
LiFi,” IEEE Trans Wirel Commun, vol. 23, no. 7, pp.
7911–7923, 2024, doi:
10.1109/TWC.2023.3346056.
[5] T. Aziz and I. Koo, “A Comprehensive Review of
Indoor Localization Techniques and Applications in
Various Sectors,” Applied Sciences 2025, Vol. 15,
Page 1544, vol. 15, no. 3, p. 1544, Feb. 2025, doi:
10.3390/APP15031544.
[6] I. Ullah, D. Adhikari, H. Khan, M. S. Anwar, S.
Ahmad, and X. Bai, “Mobile robot localization:
Current challenges and future prospective,” Comput
Sci Rev, vol. 53, p. 100651, Aug. 2024, doi:
10.1016/J.COSREV.2024.100651.
[7] C. Chen et al., “100 Gbps Indoor Access and 4.8
Gbps Outdoor Point-to-Point LiFi Transmission
Systems Using Laser-Based Light Sources,” Journal
Revista TECH Carlos Cisneros ISNN 2737-6036, Año 2025, Número V, páginas 10
10
of Lightwave Technology, vol. 42, no. 12, pp. 4146–
4157, 2024, doi: 10.1109/JLT.2024.3400192.
[8] H. Cui, S. C. Liew, and H. Chen, “Wi-LiFi:
Integrated Optical Wi-Fi for Enhanced Mobile
Robotic Communications and Localization,” IEEE
Trans Veh Technol, vol. 74, no. 4, pp. 6209–6221,
2025, doi: 10.1109/TVT.2024.3516755.
[9] M. Sharma, S. Sharma, and O. P. Jindal,
“Engineering Management in Production and
Services Light Fidelity (Li-Fi) overview and
investigation into connection speed,” vol. 13, doi:
10.2478/emj-2021-0005.
[10] J. M. Gnanasekar and T. Veeramakali, “Light
Fidelity (Li-Fi) technology: The future man-machine-
machine interaction medium,” Human
Communication Technology: Internet-of-Robotic-
Things and Ubiquitous Computing, pp. 91–112, Nov.
2021, doi:
10.1002/9781119752165.CH4;JOURNAL:JOURNA
L:BOOKS;WGROUP:STRING:PUBLICATION.
[11] V. Georlette, V. M.-2023 23rd I. Conference, and
undefined 2023, “Li-Fi and Visible Light
Communication for Smart Cities and Industry 4.0:
challenges, research & market status in 2023,”
ieeexplore.ieee.org, Accessed: Nov. 16, 2025.
[Online]. Available:
https://ieeexplore.ieee.org/abstract/document/10207
438/
[12] D. W. Dawoud, H. Mukhtar, A. Copiaco, W.
Mansoor, and S. Atalla, “Advancing Passenger
Experience and Reliability of Autonomous Buses
through LiFi Technology,” SAE Technical Papers,
Dec. 2023, doi: 10.4271/2023-01-1904.
[13] M. S. Islim and H. Haas, “Modulation
Techniques for Li-Fi,” ZTE Communications, Apr.
2016, Accessed: Nov. 16, 2025. [Online]. Available:
https://www.research.ed.ac.uk/en/publications/mod
ulation-techniques-for-li-fi/