Cuando se enfrentan a desafíos como la adaptación a entornos dinámicos y el manejo de identificaciones ambiguas, los robots de servicio en interiores encuentran múltiples dificultades. Este documento tiene como objetivo abordar este problema proponiendo el diseño de un robot de servicio equipado con reconocimiento preciso de pequeños objetos, planificación de rutas autónoma y capacidades de evasión de obstáculos. Realizamos una investigación en profundidad sobre la idoneidad de tres algoritmos SLAM (GMapping, Hector-SLAM y Cartographer) en entornos interiores y exploramos sus disparidades de rendimiento. Sobre esta base, hemos elegido utilizar el STM32F407VET6 y el Nvidia Jetson Nano B01 como nuestros controladores de procesamiento. Para el diseño del programa en el lado de STM32, estamos empleando el sistema operativo FreeRTOS, mientras que para el lado de Jetson Nano, estamos utilizando ROS (Sistema Operativo de Robots) para el diseño del programa. El robot emplea un chasis de tracción diferencial, lo que permite una planificación de rutas autónoma exitosa y maniobras de evasión de obstáculos. Dentro de los entornos interiores, utilizamos el algoritmo YOLOv3 para la detección de objetivos, logrando una identificación precisa de los mismos. A través de una serie de simulaciones y experimentos en el mundo real, validamos el rendimiento y la viabilidad del robot, incluyendo funcionalidades de mapeo, navegación y detección de objetivos. Los resultados experimentales demuestran el rendimiento y la precisión excepcionales del robot en entornos interiores, ofreciendo a los usuarios un servicio eficiente y presentando nuevas avenidas y metodologías para el desarrollo de robots de servicio en interiores.