Funciones de hardware en el desarrollo móvil: qué son, tipos y cómo usarlas

Sensores principales del smartphone

Las funciones de hardware del smartphone incluyen docenas de sensores que recopilan datos sobre el entorno y la posición del dispositivo. Estos datos están disponibles a través de Sensors API (Android) y Core Motion (iOS). Los sensores se dividen en tres categorías: sensores de movimiento (acelerómetro, giroscopio), sensores de posición (magnetómetro) y sensores ambientales (barómetro, luz, temperatura).

Acelerómetro

El acelerómetro mide la aceleración del dispositivo en tres ejes (x, y, z) en m/s². Se utiliza para: detección de orientación de pantalla (rotación automática), conteo de pasos (navegación peatonal), reconocimiento de gestos (agitar para deshacer), juegos con control por inclinación. Android Sensor.TYPE_ACCELEROMETER y Core Motion CMMotionManager (iOS) proporcionan datos brutos a hasta 200 Hz.

Giroscopio

El giroscopio mide la velocidad angular de rotación del dispositivo en tres ejes (rad/s). A diferencia del acelerómetro, el giroscopio no se ve afectado por la gravedad, lo que lo hace ideal para rastrear rotaciones. Aplicaciones: estabilización de video, aplicaciones VR/AR, navegación en interiores, controles de juegos. Sensor.TYPE_GYROSCOPE (Android) y CMMotionManager (iOS) son las API principales.

Magnetómetro

El magnetómetro mide el campo magnético terrestre en tres ejes (µT) y funciona como una brújula electrónica. Se utiliza en aplicaciones de navegación para determinar la dirección hacia el norte. El magnetómetro es sensible a interferencias de objetos metálicos y altavoces; se requiere calibración (el característico movimiento en forma de ocho). Sensor.TYPE_MAGNETIC_FIELD — API de Android.

El barómetro mide la presión atmosférica (hPa) y se utiliza para determinar la altitud sobre el nivel del mar con precisión de hasta 1 metro. El sensor de proximidad apaga la pantalla cuando el teléfono se acerca al oído durante una llamada. El sensor de luz ambiental ajusta el brillo de la pantalla. Todos estos sensores son accesibles a través de SensorManager (Android) o CMMotionManager (iOS) para la mayoría de los sensores de movimiento.

Cámara y micrófono

La cámara es uno de los componentes de hardware más demandados. En Android, el acceso es a través de CameraX (API Jetpack moderna) o Camera2 (API de bajo nivel). CameraX maneja automáticamente el ciclo de vida, compatible con Preview, ImageCapture, ImageAnalysis (análisis de fotogramas ML) y VideoCapture. En iOS, la cámara está disponible a través de AVFoundation: AVCaptureSession gestiona la captura, AVCaptureDevice configura parámetros (enfoque, ISO, balance de blancos).

El micrófono se utiliza para grabación de audio, control por voz y reconocimiento de voz. En Android — MediaRecorder o AudioRecord; en iOS — AVAudioRecorder. El acceso a la cámara y el micrófono requiere permiso del usuario: Manifest.permission.CAMERA y RECORD_AUDIO (Android), NSCameraUsageDescription y NSMicrophoneUsageDescription (iOS) — cadenas en Info.plist que describen el motivo de uso.

En IT Sectr, hemos implementado más de 20 proyectos con cámaras personalizadas: desde escáneres de códigos QR hasta aplicaciones con filtros AR. Conclusión clave: en Android, CameraX ahorra semanas de desarrollo en comparación con Camera2, mientras que en iOS, AVFoundation brinda control total sobre los parámetros de disparo. Ejemplo de captura básica de imágenes mediante CameraX:

class CameraFragment : Fragment() {
    private lateinit var imageCapture: ImageCapture

    fun startCamera() {
        val processCameraProvider =
            ProcessCameraProvider.getInstance(requireContext())

        processCameraProvider.addListener({
            val cameraProvider = processCameraProvider.get()
            val preview = Preview.Builder()
                .build()
                .also {
                    it.setSurfaceProvider(viewFinder.surfaceProvider)
                }

            imageCapture = ImageCapture.Builder()
                .setCaptureMode(ImageCapture.CAPTURE_MODE_MINIMIZE_LATENCY)
                .build()

            val cameraSelector = CameraSelector.DEFAULT_BACK_CAMERA

            cameraProvider.bindToLifecycle(
                this, cameraSelector, preview, imageCapture
            )
        }, ContextCompat.getMainExecutor(requireContext()))
    }
}

Biometría y NFC

Face ID, Touch ID, Escáner de huellas

Las funciones de hardware biométrico permiten a los usuarios iniciar sesión en una aplicación mediante huella digital o rostro. iOS utiliza Face ID (cámara TrueDepth, 30 000 puntos invisibles) y Touch ID (escáner de huellas capacitivo). Android utiliza BiometricPrompt, que combina escáner de huellas (capacitivo o ultrasónico) y Face Unlock (cámara + ML). Face ID es más seguro que Touch ID: probabilidad de coincidencia 1:1 000 000 frente a 1:50 000.

NFC y Bluetooth/BLE

NFC (Near Field Communication) es una tecnología de comunicación inalámbrica con un alcance de hasta 10 cm. Se utiliza para: pagos sin contacto (Google Pay, Apple Pay), lectura de etiquetas NFC (carteles inteligentes, tarjetas de visita), verificación (documentos, billetes), transferencia de datos (Android Beam — obsoleto). Core NFC (iOS) y NfcAdapter (Android) son las API principales. En iOS, NFC está disponible solo para lectura (excepto pagos con Apple Pay).

Bluetooth/BLE (Bluetooth Low Energy) — para conectar dispositivos externos: auriculares, pulseras de fitness, sensores médicos, cerraduras inteligentes. Core Bluetooth (iOS) y android.bluetooth (Android) — API para escanear, conectar e intercambiar datos. BLE es energéticamente eficiente: un dispositivo puede funcionar con una batería durante años. En iOS, la operación BLE en segundo plano requiere habilitar Background Modes → Uses Bluetooth LE accessories.

Salud y fitness (HealthKit, Google Fit)

Funciones de hardware de salud: HealthKit (iOS) — marco de Apple para la agregación de datos de salud. Los usuarios otorgan permiso para leer y escribir tipos de datos específicos: pasos, frecuencia cardíaca, sueño, calorías, peso, presión arterial. Todos los datos se almacenan en un repositorio protegido y se sincronizan a través de iCloud. HealthKit proporciona una interfaz unificada para escribir HKQuantitySample y leer a través de HKSampleQuery o HKStatisticsQuery.

Google Fit — plataforma de Google para datos de fitness en Android. La API se divide en dos conjuntos: Sensors API (datos reales de sensores del dispositivo — pasos, calorías) y History API (lectura/escritura de datos históricos). Google Fit también agrega datos de otras aplicaciones de fitness (Strava, Runkeeper) mediante autorización. En iOS, Google Fit está disponible a través de la API REST.

Core Motion (iOS) — marco para trabajar con sensores de movimiento sin un chip dedicado: acelerómetro, giroscopio, podómetro (CMPedometer), altímetro (CMAltimeter). CMPedometer cuenta pasos, distancia recorrida, ritmo y pisos subidos. En Android, capacidades similares las proporcionan Sensor.TYPE_STEP_COUNTER y Step Detector. Todos los datos de fitness requieren el consentimiento explícito del usuario.

AR y ML (ARKit, ARCore, ML Kit)

La realidad aumentada (AR) y el aprendizaje automático en el dispositivo representan la cúspide de las capacidades de hardware del smartphone. ARKit (Apple, iOS 11+) utiliza la cámara, giroscopio, acelerómetro y LiDAR (en modelos Pro) para rastrear el espacio circundante. ARCore (Google) es el equivalente de Android con seguimiento de planos, reconocimiento de imágenes y estimación de iluminación. Ambos marcos utilizan Odometría Visual Inercial (VIO) — una combinación de cámara y sensores inerciales.

ML Kit (Google) — SDK para aprendizaje automático en Android y iOS. Incluye API listas: reconocimiento de texto (OCR), escaneo de códigos de barras, reconocimiento facial, detección de poses, seguimiento de objetos, reconocimiento de texto en imágenes y procesamiento de lenguaje natural. ML Kit funciona completamente en el dispositivo — los datos no se envían al servidor, lo que garantiza privacidad y funcionamiento sin conexión.

Core ML (Apple) — marco para integrar modelos ML en aplicaciones iOS. Los modelos (mlmodel) se convierten desde TensorFlow, PyTorch o Keras a través de Core ML Tools. Vision — marco para visión por computadora: detección facial, texto, códigos de barras, alineación horizontal. Combinar Vision y Core ML permite construir tuberías ML en tiempo real: captura de fotograma → análisis Vision → predicción Core ML → actualización de UI — todo en el dispositivo con latencia inferior a 50 ms.