Este artículo presenta RUMI (Rebuscando con Información Mutua), un método para generar secuencias de acción robótica en línea y localizar objetos móviles conocidos en entornos visualmente ocluidos. Centrado en la búsqueda con alto contacto, nuestro enfoque aprovecha la información mutua entre las distribuciones de posición de los objetos y las trayectorias del robot para la planificación de acciones. A partir de nubes de puntos parciales observadas, RUMI infiere distribuciones de posición de objetos compatibles y aproxima la información mutua con la ocupación del espacio de tarea en tiempo real. Con base en esto, desarrollamos funciones de costo de ganancia de información y funciones de costo de alcance para mantener los objetos dentro del alcance del robot. Estas funciones se integran en un marco de control predictivo de modelos (MPC) que utiliza un modelo dinámico probabilístico para actualizar la distribución de posición en un bucle cerrado. Las principales contribuciones incluyen un novedoso marco de creencias para la estimación de la posición de los objetos, una estrategia eficiente de cálculo de ganancia de información y un robusto esquema de control basado en MPC. RUMI demuestra un rendimiento superior tanto en tareas simuladas como reales en comparación con los métodos de referencia.
