Oruga: Multidisciplinary Perspectives

• Oruga is a multifaceted term describing devices ranging from origami crawlers and hybrid oruga–wheel systems in robotics to optimization methods in NLP and symbolic AI implementations.
• In NLP, ORUGA optimizes text readability using genetic algorithms, strategically balancing readability scores with semantic retention through synonym selection.
• In both AI Representational Systems Theory and combinatorial geometry, Oruga represents transformation—via transfer schemas and flow polytopes—that bridges different forms of representations.

Oruga designa, en la literatura técnica reciente, varios objetos conceptualmente distintos. En robótica y mecánica, nombra tanto dispositivos de locomoción tipo crawler como mecanismos híbridos oruga–rueda; en PLN, identifica un método de optimización de legibilidad basado en algoritmos genéticos; en IA simbólica, denomina una implementación de Representational Systems Theory; y en combinatoria geométrica, aparece en el “grafo $s$-oruga” asociado al $s$-weak order y al $s$-permutahedron. La coexistencia de estos usos muestra que “oruga” funciona como término de arte polisémico, cuya unidad es más metafórica que disciplinaria (Farhadi et al., 2024, Singh et al., 2018, Martinez-Gil, 2023, Raggi et al., 4 Sep 2025, Jiménez, 2023).

1. Desambiguación técnica del término

En las fuentes consideradas, “oruga” no remite a una única entidad. Según el contexto, puede aludir a locomoción sobre sustratos, a transformación de representaciones, a optimización textual o a una construcción combinatoria.

Contexto	Referente técnico	arXiv
Robótica de origami	Origami crawler de un solo vértice grado cuatro	(Farhadi et al., 2024)
Robótica híbrida	Módulo omnicrawler-wheel transformable	(Singh et al., 2018)
PLN	ORUGA, método de legibilidad con GA	(Martinez-Gil, 2023)
IA simbólica	Oruga, implementación de RST	(Raggi et al., 4 Sep 2025)
Combinatoria geométrica	Grafo $s$-oruga y su flow polytope	(Jiménez, 2023)

Una confusión frecuente consiste en asumir que “oruga” en la literatura técnica hispanohablante y anglófona se restringe a robots de tracción continua. Las fuentes desmienten esa reducción: el término también nombra software de optimización, infraestructuras de transferencia representacional y objetos combinatorios. De forma complementaria, el trabajo sobre RST explicita la carga simbólica del nombre al definir Oruga como “caterpillar in Spanish; a symbol of transformation” (Raggi et al., 4 Sep 2025).

2. Oruga como crawler de origami

En “Origami crawlers: exploring a single origami vertex for complex path navigation”, Farhadi et al. muestran que un único vértice de origami rígido, plegable y de grado cuatro puede diseñarse como crawler capaz de navegar trayectorias complejas con una sola entrada (Farhadi et al., 2024). La geometría de partida es una lámina rectangular de espesor uniforme, anchura $b$ y altura $h$, con un vértice en $V=(x_v,y_v)$. Cuatro líneas de pliegue emergen de $V$, dividen la lámina en cuatro paneles rígidos y satisfacen las restricciones de desarrollabilidad y plegabilidad rígida: $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$ Tres pliegues son hard-mountain folds y uno es un soft-valley fold actuado; este último forma un ángulo $\theta_v$ con el eje longitudinal de la lámina.

El modelo cuasiestático usa el ángulo de plegado $s$0 como coordenada de control. La teoría de rigid origami fija los ángulos diedros $s$1 y permite describir la posición tridimensional de cualquier punto de un panel mediante rotaciones alrededor del pliegue valle actuado. A nivel locomotor, la magnitud relevante es la trayectoria del centro de masa $s$2. La diferencia entre sus extremos durante un ciclo define el vector de paso

$s$3

la longitud de paso

$s$4

y la orientación del paso

$s$5

Esta formulación permite distinguir desplazamiento casi rectilíneo de giro sostenido sin introducir grados de libertad adicionales.

El rasgo central del mecanismo es el nonlinear frictional “anchor-point” switching. En cada configuración plegada, tres puntos de la lámina presionan el sustrato horizontal, pero la topología de contacto puede cambiar cuando $s$6 cruza un umbral; el resumen da como ejemplo $s$7 para ciertos diseños. Para cada punto de contacto $s$8, la carga normal $s$9 se obtiene por equilibrio estático global, y el límite de fricción estática es

$s$0

donde $s$1 depende débilmente del ángulo local panel–sustrato $s$2. Durante la deflación lenta, dos contactos deslizan y uno permanece adherido; ese contacto adherente actúa como anchor alrededor del cual el cuerpo rota y se traslada. La alternancia entre topologías de contacto y el uso de inflación/deflación asimétricas explican la coexistencia de modos rectos y de giro con un solo actuador.

Los parámetros de diseño adimensionales son $s$3, $s$4, $s$5, $s$6, el rango $s$7 y los coeficientes de fricción $s$8, $s$9. El espacio de exploración práctico reportado es $s$0, $s$1, $s$2, $s$3 entre $s$4 y $s$5, $s$6 entre $s$7 y $s$8, y $s$9. Esa parametrización permitió obtener straight-only crawlers, turn-only crawlers, two-direction straight crawlers y fully multimodal crawlers.

La validación experimental es representativa. En Design III, con $b$0 mm, $b$1 mm, $b$2 y $b$3 mm, el modo recto para $b$4 produjo un paso modelado de $b$5 mm y cambio de orientación $b$6, frente a $b$7 mm y $b$8 en experimento. El modo de giro, para $b$9, dio $h$0 mm y $h$1 en el modelo, frente a $h$2 mm y $h$3 experimentalmente. La precisión de seguimiento de trayectoria sobre 14 ciclos rectos y 55 de giro tuvo desviación $h$4. En Design IV, el modelo predijo $h$5 mm por ciclo y curvatura total $h$6 rad; el experimento obtuvo $h$7 mm para $h$8 y aproximadamente $h$9 mm en $V=(x_v,y_v)$0 s a $V=(x_v,y_v)$1 Hz. El resumen concluye que modelado y experimento concuerdan dentro de $V=(x_v,y_v)$2 en tamaño de paso, curvatura de giro y fidelidad de trayectoria.

En fabricación, el trabajo emplea PET o Mylar de $V=(x_v,y_v)$3 mm, refuerzo de bisagras con PTFE o Kapton, y un silicone-rubber pouch sobre el pliegue valle unido con adhesivo de silicona. El perfil de presión indicado infla desde $V=(x_v,y_v)$4 kPa hasta $V=(x_v,y_v)$5 kPa en $V=(x_v,y_v)$6 s y desinfla lentamente durante $V=(x_v,y_v)$7 s. Se afirma que una señal de presión en lazo abierto basta para alternar entre rangos de marcha $V=(x_v,y_v)$8; para seguimiento de trayectorias, una matriz de válvulas con microcontrolador puede ajustar $V=(x_v,y_v)$9 o el tiempo de permanencia. La velocidad típica es $V$0 Hz, con pasos de $V$1 a $V$2 mm por ciclo y locomoción de hasta $V$3 cm/s.

3. Oruga como módulo híbrido oruga–rueda

“Novel Compliant omnicrawler-wheel transforming module” aborda una noción distinta de oruga: un robot crawler cuyo chasis puede transformarse desde un modo omni-crawler a un modo de rueda de gran diámetro (Singh et al., 2018). El sistema amplía el robot híbrido CObRaSO y añade una configuración de rueda grande y pequeña anchura, orientada a reducir el radio de giro y aumentar la velocidad de locomoción.

La arquitectura mecánica se organiza en torno a una plataforma telescópica en cascada de 3 GDL con tres actuadores lineales telescópico-tornillo separados $V$4. Cada actuador tiene $V$5 niveles anidados de tornillo, con $V$6 mm por nivel, y articulaciones universales que convierten movimiento rotacional en extensión diferencial para curvatura omnidireccional. A ello se añaden seis pares de barras telescópicas de dos niveles, dispuestas cada $V$7, conectadas por un alambre de acero flexible de gran espesor que aporta passive compliance. La superficie exterior se completa con una piel fina de silicona Ecoflex 00-20 entre barras adyacentes, de modo que el soporte continuo de la oruga se preserve incluso en configuraciones curvadas. El accionamiento usa una transmisión chain-lug con dos pequeños piñones motrices y dos tensores lineales de tornillo para mantener tensión de cadena.

La transformación entre modos depende de la retracción coordinada de los tornillos telescópicos y de un mecanismo de bloqueo. En la transición crawler → wheel, los tres tornillos se llevan a la posición mínima; las barras del chasis son empujadas hacia afuera por los conectores de alambre, los topes en forma de “R” se enclavan y convierten cada barra en un radio rígido, y los eslabones curvos del mecanismo “flower” se despliegan radialmente para cerrar los huecos entre radios. En la transición inversa, la extensión de los telescopios devuelve la geometría original y los topes “R” se liberan por fijaciones elásticas.

Las relaciones geométricas centrales son explícitas. La longitud total en modo crawler totalmente extendido es

$V$8

mientras que la longitud reducida en modo rueda totalmente retraído es

$V$9

El requisito de diseño es

$$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$0

y la elección $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$1 satisface esa condición. El diámetro de rueda inducido por la curvatura de los radios se resume mediante

$$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$2

En el prototipo, $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$3 mm y $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$4 mm dan $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$5 mm para $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$6.

El modelado de cumplimiento usa la silicona como viga de Euler–Bernoulli,

$$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$7

y reporta una fuerza restauradora máxima de $$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$8 N actuando horizontalmente sobre el chasis. El par motor efectivo se escribe como

$$\sum_{i=1}^4 \theta_i = 2\pi, \qquad \theta_j < \sum_{i\neq j}\theta_i.$$9

con $\theta_v$0 N·mm a máximo cambio de área. A partir de simulación ADAMS y de la fuerza medida en la piel de silicona, el par máximo requerido por actuador fue $\theta_v$1 N·m; se seleccionó un micro-motor de $\theta_v$2 kg·cm, aproximadamente $\theta_v$3 N·m a bloqueo, con relación de reducción $\theta_v$4, lo que produce un factor de seguridad $\theta_v$5. También se reportan $\theta_v$6, $\theta_v$7 N·m y tiempo de transformación de $\theta_v$8 s.

Los beneficios locomotores cuantificados son notables. El radio de giro pasa de $\theta_v$9 mm en modo oruga a $s$00 mm en modo rueda, es decir, una reducción del $s$01 en la huella de giro. La velocidad rectilínea aumenta de $s$02 m/s a $s$03 m/s, y el consumo energético cae en $s$04 en modo rueda. Una cuestión terminológica relevante es que el resumen detallado atribuye la transformación a “the existing three compliance actuators plus one small trigger actuator”, mientras que el abstract afirma que ocurre “without any additional actuators”. La coexistencia de ambas formulaciones sugiere una diferencia entre “actuadores de locomoción adicionales” y “pequeño actuador de disparo”, más que una incompatibilidad mecánica estricta.

4. ORUGA en optimización de legibilidad

En PLN, ORUGA significa “Optimizing Readability Using Genetic Algorithms” y designa un método para optimizar automáticamente la legibilidad de textos en inglés mediante sustitución selectiva de palabras por sinónimos, preservando en lo posible forma y significado (Martinez-Gil, 2023). El problema se formula sobre un texto tokenizado en palabras candidatas $s$05, cada una asociada a un conjunto de sinónimos $s$06, donde $s$07 representa no modificar la palabra. Una solución candidata se codifica como un cromosoma entero

$s$08

con $s$09, de modo que $s$10 selecciona el sinónimo aplicado en la posición $s$11.

La formulación monobjetivo minimiza o maximiza una métrica de legibilidad $s$12. El trabajo enumera como métricas Dale–Chall, SMOG, ARI y FKGL. La formulación multiobjetivo añade dos restricciones semántico-formales: $s$13 Así, ORUGA Version II optimiza $s$14 y ORUGA Version III optimiza $s$15. La distancia semántica se mide con Word Mover’s Distance, formulada como un problema de transporte óptimo sobre distribuciones discretas inducidas por embeddings.

La tubería algorítmica consta de preprocesamiento, representación cromosómica, evaluación de aptitud, operadores genéticos, elitismo y criterio de parada. En preprocesamiento se tokeniza el texto y se excluyen nombres propios, preposiciones y stop words. Las listas de sinónimos se construyen con WordNet API, vecinos de word2vec y web scraping de tesauros en línea. La evaluación usa una GA monobjetivo o NSGA-II; la selección es por torneo o por rank-and-crowding-distance; el cruce es de un punto; la mutación reemplaza aleatoriamente el valor de un gen por otro índice válido. El trabajo usa PyGAD para el caso monobjetivo, jMetalPy para NSGA-II y Gensim para WMD, con población de $s$16, $s$17 padres para apareamiento, $s$18 generaciones en monobjetivo y $s$19 en multiobjetivo.

La validación experimental se realizó sobre diez fragmentos de Wikipedia, elegidos de forma semi-aleatoria, en categorías de ciencia, historia, geografía, deportes e ingeniería. Los textos tenían niveles originales de FKGL entre $s$20 y $s$21; para SMOG, los textos cortos se duplicaron hasta alcanzar $s$22 frases. En minimización monobjetivo de FKGL, con $s$23 ejecuciones por biblioteca de sinónimos, WordNet produjo mejoras de grado entre $s$24 y $s$25, con mediana $s$26; word2vec produjo entre $s$27 y $s$28, con mediana $s$29 y alta varianza; web scraping produjo entre $s$30 y $s$31, con mediana $s$32 y comportamiento descrito como consistente. Para los diez textos, las mejoras absolutas medias $s$33 desviación estándar en FKGL estuvieron entre $s$34 y $s$35.

En los experimentos de maximización, el trabajo afirma que generalmente fue más fácil aumentar el grado de dificultad que reducirlo; se observaron incrementos de hasta $s$36–$s$37 GL en ARI y FKGL. En la formulación biobjetivo, las fronteras de Pareto muestran que $s$38–$s$39 reemplazos pueden rendir $s$40–$s$41 GL de mejora en FKGL; los puntos conservadores usan $s$42–$s$43 reemplazos para ganancias de $s$44–$s$45 GL, mientras que los puntos agresivos usan $s$46–$s$47 reemplazos para $s$48–$s$49 GL. En la formulación triobjetivo, las soluciones no dominadas demuestran que un texto puede optimizarse en $s$50–$s$51 GL con $s$52 y $s$53 reemplazos; un ejemplo geográfico reduce FKGL de $s$54 a $s$55 con $s$56 reemplazos y distancia semántica $s$57.

El artículo identifica limitaciones claras. Algunas sustituciones rompen gramática, en particular tiempo verbal o pluralidad, por lo que se propone un post-processing grammar-checker. También se señala que las fórmulas simples de legibilidad no capturan dificultad contextual profunda y que WMD es computacionalmente costoso, con caso peor $s$58. Como línea futura, se propone el uso de BERT para sinónimos contextuales. El código se distribuye bajo licencia MIT en un repositorio público y depende de Python 3.7+, PyGAD, jMetalPy, Gensim y NLTK.

5. Oruga como implementación de Representational Systems Theory

En “Oruga: An Avatar of Representational Systems Theory”, Oruga es un sistema simbólico cuyo objetivo es materializar la Representational Systems Theory (RST) surgida del proyecto rep2rep (Raggi et al., 4 Sep 2025). El problema que RST intenta capturar es doble: describir la estructura interna de representaciones heterogéneas —fórmulas aritméticas, sentencias en lenguaje natural, diagramas geométricos, dot-diagrams, Euler diagrams— y formalizar transformaciones sistemáticas entre ellas. El concepto organizador es el de construction space, un grafo en el que los vértices son tokens y las aristas registran cómo tokens mayores se construyen a partir de otros menores.

La capa formal mínima se apoya en un sistema de tipos $s$59, una especificación de constructores $s$60 con

$s$61

y un construction space

$s$62

donde $s$63 contiene todas las construcciones finitas bien tipadas obtenidas por aplicación reiterada de constructores. Dentro de este marco, una construction es un DAG finito, enraizado y tipado; un pattern es una construcción con hojas especificadas sólo por tipo; y un transfer schema es una regla de inferencia que relaciona un patrón fuente con un patrón objetivo junto con condiciones laterales expresadas como relaciones de representación.

La arquitectura del sistema tiene tres niveles: estructuras de datos del núcleo, un lenguaje específico de dominio para declarar esos objetos y un motor de structure transfer. La interfaz es textual y acepta bloques typeSystem, conSpec, construction, pattern y tSchema. El artículo proporciona ejemplos explícitos de una jerarquía de tipos aritmética, de constructores como infixOp, infixRel e implicitMult, y de esquemas de transferencia como plusJoin, que mapea una expresión $s$64 en el espacio aritmético a una construcción binaria join en el espacio de dot-diagrams.

El método operativo es una búsqueda backward-chaining sobre esquemas de transferencia. Dado un objetivo del tipo ([tokenList_A],[tokenList_B]) :: relation, el motor intenta emparejarlo con el patrón objetivo de un esquema, instancia los antecedentes y resuelve recursivamente las sub-metas. Si una restricción terminal ya está satisfecha por una construcción conocida en $s$65, la recursión se detiene; si falla, el sistema retrocede y prueba otro esquema. El artículo presenta pseudocódigo de esta rutina Transfer(goal : Constraint) y enfatiza que el resultado puede ser un árbol de prueba junto con nuevas construcciones en el espacio objetivo.

El ejemplo trabajado es la representación diagramática de $s$66. Oruga identifica primero que $s$67 está construido por infixOp a partir de $s$68 y $s$69; luego aplica el esquema plusJoin para generar subobjetivos rep(1+2,a), rep(3,b) y disj(a,b), con meta d = join(a,b). La recursión vuelve a aplicar plusJoin sobre $s$70, resolviendo los casos base mediante un punto singleton y un par de puntos. El resultado final es un triángulo de seis puntos $s$71, y el sistema lo identifica con la construcción asociada también a $s$72, obteniendo lo que el artículo llama una graphical proof de la fórmula de Gauss.

El sistema demuestra implementabilidad de RST, pero sus límites también están explicitados. Todos los transfer schemas deben ser proporcionados por el usuario; no hay inducción ni aprendizaje. La búsqueda es un naive backward-chaining y puede sufrir explosión combinatoria. Además, cada espacio de construcción debe ser inicializado con constructores base para tokens atómicos. El artículo sugiere tres direcciones: modelado de analogía y cognición, herramientas educativas con interfaz gráfica y razonamiento heterogéneo automatizado entre notaciones especializadas. En este contexto, “Oruga” funciona como símbolo de transformación representacional más que como mecanismo de locomoción.

6. El grafo $s$73-oruga en combinatoria y geometría de poliedros

En “Combinatorics of Permutreehedra and Geometry of $s$74-Permutahedra”, el término aparece como $s$75-oruga, un grafo dirigido cuya flow polytope realiza el $s$76-weak order y el $s$77-permutahedron cuando $s$78 es una composición (Jiménez, 2023). Dada una composición $s$79, el grafo

$s$80

tiene vértices $s$81, con $s$82 como fuente y $s$83 como sumidero. Para cada $s$84, se introducen $s$85 arcos paralelos $s$86 y un arco $s$87, así como sus familias duales inversas $s$88 y $s$89 copias de $s$90. Por construcción,

$s$91

para cada vértice interno $s$92. El grafo se equipa con un natural framing que ordena primero las aristas procedentes de la izquierda y luego la arista procedente de la derecha.

La flow polytope asociada se define con vector de flujo neto

$s$93

y condiciones de conservación

$s$94

Equivalentemente, si $s$95 es la matriz de incidencia, entonces

$s$96

La fuente $s$97 tiene flujo neto $s$98, el sumidero $s$99 tiene $s$00 y los vértices restantes tienen flujo neto nulo. Esta definición conecta de forma explícita la estructura del grafo con la teoría de flow polytopes.

El punto central es la biyección entre flujos enteros de $s$01, Stirling $s$02-permutations y $s$03-decreasing trees. Dada una Stirling $s$04-permutation $s$05, el flujo $s$06 se obtiene contando cuántas ocurrencias de $s$07 aparecen antes de la primera ocurrencia de $s$08 y asignando ese total a los arcos $s$09, con el complemento $s$10 en $s$11. En sentido inverso, un flujo entero determina una multiset-permutation $s$12-avoiding. Bajo esta correspondencia,

$s$13

lo que identifica el orden parcial sobre flujos con el $s$14-weak order sobre permutaciones y árboles. Las cubiertas corresponden a aumentar en una unidad el flujo de una copia de $s$15 cuando no está saturada en $s$16.

El trabajo también relaciona la estructura facial de $s$17 con el $s$18-permutahedron. Afirma que la face-lattice de $s$19 admite una regular triangulation —la DKK-triangulation— cuyas maximal simplices están en biyección con rutas, y por esa vía con $s$20-permutations. Más generalmente, la envolvente convexa de los puntos enteros de cada celda produce una subdivisión politopal cuyo dual-poset es isomorfo, mediante un mapa que invierte inclusión, a la face-lattice del $s$21-permutahedron. La prueba esbozada invoca el marco de Danilov–Karzanov–Koshevoy, reducciones de Postnikov–Stanley y el Cayley trick.

El ejemplo $s$22 concreta el formalismo. El grafo $s$23 tiene vértices $s$24, doce arcos y flow polytope de dimensión $s$25. El número de puntos enteros de $s$26 es seis, exactamente el número de permutaciones $s$27-avoiding del multiconjunto $s$28. Esos seis vértices corresponden a

$s$29

La DKK-triangulation produce seis top-símplices etiquetados por esas mismas permutaciones, y el grafo dual recupera el diagrama de Hasse del $s$30-weak order. Aquí “oruga” no tiene un sentido robótico ni algorítmico, sino el de un patrón de conectividad dirigido que organiza la realización geométrica del orden débil generalizado.

En conjunto, estas acepciones muestran que “oruga” opera en arXiv como un nombre transversal para dispositivos de locomoción, sistemas de transformación, métodos de optimización y objetos combinatorios. Esa dispersión semántica no es accidental: en todos los casos, el término se asocia a trayectorias, cambios de estado o transferencia entre configuraciones, aunque cada disciplina formaliza esa intuición con herramientas completamente distintas.