Caso de estudio
Viaje Rentable AR
Asistente Android experimental para evaluar la rentabilidad de solicitudes de viaje con captura de pantalla autorizada, OCR local, reglas configurables y recomendaciones visuales.
Contexto y problema
Al recibir una solicitud de viaje, un conductor necesita estimar rápidamente si la tarifa compensa la distancia, el tiempo y los costos de operación. Viaje Rentable AR explora cómo convertir esa información visible en una recomendación que el conductor pueda revisar antes de decidir.
Es una aplicación personal, gratuita y de código abierto en etapa alpha experimental. No presento sus recomendaciones como resultados verificados en condiciones de trabajo reales.
Decisiones de implementación
- Captura con consentimiento: Android
MediaProjectionpermite analizar información visible en pantalla únicamente después de una autorización explícita del usuario. - Procesamiento local:
ML Kit Text Recognitionextrae el texto sin enviarlo a un servidor; un parser transforma resultados OCR potencialmente incompletos en datos utilizables. - Reglas y cálculo separados: la lógica estima rendimiento por kilómetro y hora, costos y ganancia neta a partir de parámetros configurables. El núcleo se puede probar sin ejecutar una interfaz Android.
- Recomendación visible: un overlay muestra estados como aceptar, revisar, rechazar o datos incompletos. La aplicación no acepta ni rechaza viajes automáticamente ni utiliza APIs privadas de otras plataformas.
- Preferencias persistentes: DataStore conserva localmente los umbrales y costos definidos por el usuario.
El recorrido principal es captura autorizada → OCR → interpretación → reglas → cálculo → recomendación visual. El procesamiento de imágenes incorpora controles para reducir trabajo repetido entre capturas.
Alcance funcional
El repositorio contiene una base de interfaz Android en Kotlin, Jetpack Compose y Material 3; monitoreo autorizado, análisis de solicitudes y una tarjeta de recomendación superpuesta. La configuración contempla costos y mínimos de rentabilidad.
La recomendación es informativa: no sustituye el criterio de quien conduce ni automatiza interacciones con otras aplicaciones.
Calidad y validación
El código público incluye pruebas unitarias para el motor de rentabilidad, el pipeline de decisión y el control de procesamiento de capturas. La existencia de estas pruebas permite inspeccionar las reglas, pero no demuestra por sí sola que el OCR funcione con precisión en todas las plataformas, pantallas y dispositivos.
No atribuyo tasas de acierto, ahorros ni uso productivo que todavía no estén medidos. Las pruebas prolongadas en dispositivos Android y la validación de precisión OCR siguen pendientes.
Estado del proyecto
La versión pública de referencia es la v0.1.0-alpha. Hay una compilación experimental disponible en las releases, pero no una versión estable ni una validación de campo documentada.
Qué aporta a mi perfil
Este proyecto complementa mis desarrollos de automatización con una interfaz móvil y un flujo de datos imperfectos. Muestra cómo separo captura, interpretación y reglas de negocio para que una recomendación sea explicable, ajustable y testeable.