Línea Ares — Extensiones Opcionales: Machine Learning y RA/RV
ROBOTSchool · Documento maestro (fuente única) Versión 0.1 — Junio 2026
Estas son extensiones opcionales, no parte del núcleo obligatorio. El núcleo de Ares son los tres hilos (programación, robotización y diseño) y su convergencia. Las extensiones se montan encima de ese núcleo en los niveles altos, y cada colegio las activa según su infraestructura y la preparación de sus docentes. Nunca reemplazan a los hilos ni se exigen para “completar” un nivel.
1. Principio: opcional y segmentado por madurez
ROBOTSchool ya ofrece de forma segmentada por tecnología; estas extensiones siguen la misma lógica, ahora por madurez institucional:
- Un colegio que inicia en robótica no necesita ML ni RA/RV: con los tres hilos tiene una propuesta completa.
- Un colegio con infraestructura (tablets, cámaras, buena conexión) y docentes preparados puede activar una o ambas extensiones como diferenciador.
Regla anti-adorno (mentor): una extensión solo entra si pasa la misma prueba de convergencia que el núcleo — debe servir a la tarea del proyecto, no ser un demo aislado. Vender “IA y metaverso” como eslogan, sin propósito pedagógico, traiciona el modelo. Si el proyecto funciona igual sin la extensión, la extensión sobra.
2. Extensión A · Machine Learning
Qué es en Ares: que el estudiante entrene un modelo con los datos o ejemplos de su propio proyecto —y entienda qué hace—, en vez de usar la IA como una caja negra. Extiende la capa transversal de IA (01…§5.1) y se apoya en el hilo de programación/datos.
Progresión sugerida
| Nivel | Qué hace el estudiante | Herramientas gratuitas |
|---|---|---|
| Inventores (6°–8°) | Clasificación sin código: enseñar a la máquina a reconocer imágenes, sonidos o datos del proyecto con ejemplos | Teachable Machine · Machine Learning for Kids (basado en Scratch) |
| Innovadores (9°–11°) | Integrar un modelo en el proyecto IoT (clasificar/predecir); intro a edge ML y visión; reflexión sobre datos y sesgos | Edge Impulse (plan gratuito de desarrollador) · extensiones de ML en Python |
Requisitos
Cámara o micrófono (o un conjunto de datos), conexión a internet y criterio docente para conversar sobre datos, sesgos y privacidad.
Punto de convergencia con ML (ejemplo)
En el invernadero autónomo (Inventores), el modelo entrenado decide si la planta está sana mirando la cámara, y esa decisión dispara el riego. El ML no es un demo aparte: alimenta la tarea integradora del proyecto.
3. Extensión B · Realidad Aumentada y Virtual (RA/RV)
Qué es en Ares: usar RA/RV solo cuando aporta valor real — para visualizar lo invisible (cómo circula la corriente, cómo se mueve un mecanismo), simular lo costoso o peligroso, o comunicar el proyecto de forma inmersiva. Extiende el hilo de diseño, en su sub-hilo de experiencia.
Progresión sugerida
| Nivel | Qué hace el estudiante | Herramientas gratuitas |
|---|---|---|
| Constructores / Inventores | Explorar y crear escenas simples para visualizar el mecanismo o el sistema | CoSpaces Edu (plan básico gratuito) · Assemblr EDU (plan básico) · Merge Cube (cubo físico + apps) |
| Innovadores | Crear experiencias propias en web (RA del producto o del dashboard, recorridos del sistema) | A-Frame / WebXR (libre, código abierto, en el navegador) |
Requisitos
Tablets o celulares para RA; opcional visor/cardboard para RV; el Merge Cube es un accesorio físico de bajo costo. A-Frame/WebXR solo requiere navegador, así que es la vía de menor barrera para crear (no solo consumir).
Filtro de valor
Antes de usar RA/RV, responder: “¿qué entiende mejor el estudiante por verlo así, que no entendería de otro modo?”. Si no hay respuesta clara, no se usa.
3.5 Extensión C · Análisis y visualización de datos
Qué es en Ares: cerrar el ciclo del IoT — analizar, visualizar y decidir con los datos que genera el propio proyecto. Solo para Innovadores. Incluye hoja de cálculo avanzada y automatizada (Sheets/Excel, Power Query, Apps Script), dashboards (Looker Studio gratis, Power BI Desktop) y análisis asistido por IA (consultas en lenguaje natural). Extiende el manejo de datos del hilo de programación y se monta sobre la capa de IA.
Detalle completo, herramientas, costos y evaluación en el anexo
08_anexo_datos_innovadores.md. Regla de oro: el análisis cuenta como convergencia solo si lleva a una decisión o mejora del proyecto.
4. Cómo se ofrecen (segmentación por madurez institucional)
| Madurez del colegio | Núcleo | Extensiones recomendadas |
|---|---|---|
| Inicial (primera vez en robótica) | Tres hilos + convergencia | Ninguna (propuesta ya completa) |
| Intermedia (infraestructura básica: tablets/cámaras) | Tres hilos + convergencia | ML sin código · RA con celular/tablet · datos con Sheets + Looker Studio |
| Avanzada (laboratorio, docentes preparados) | Tres hilos + convergencia | Edge ML · WebXR propio · Merge Cube · Power BI + análisis asistido por IA |
5. Relación con el resto de la línea
- ML profundiza la capa de IA (
01…§5) y el manejo de datos del hilo de programación (01…§4). - RA/RV profundiza el sub-hilo C (artístico/experiencia) del diseño (
03…§2.C). - Ambas se evalúan con la misma rúbrica de convergencia (
04): si la extensión no se integra a la tarea del proyecto, baja el criterio de convergencia en vez de subirlo.
6. Pendiente
- Definir el kit/infraestructura mínima por extensión y su costo (enlaza con el hito de kits y logística).
- Microcredencial o ruta de capacitación docente específica para cada extensión.
Fin del documento v0.1.