Debido a un caso positivo confirmado de COVID-19 en Taiwán, se ha intensificado el control de la temperatura corporal, el uso de mascarillas y las violaciones de cuarentena. Se requiere un robot móvil que realice esta tarea para reducir la mano de obra humana. Sin embargo, los robots convencionales sufren de varias limitaciones, como el aliasing perceptual (por ejemplo, diferentes lugares/objetos pueden parecer idénticos), la oclusión (por ejemplo, la apariencia de un lugar/objeto cambia entre visitas), diferentes puntos de vista, la escala de los objetos, baja movilidad, menos funcionalidad y algunas limitaciones ambientales. En cuanto a la cámara térmica, muestra los colores del espectro de calor actual y necesita monitoreo manual. Este documento propone aplicar la Localización y Mapeo Simultáneos en un entorno desconocido y utilizar el aprendizaje profundo para la detección de temperatura, uso de mascarillas y rostros humanos en la Raspberry Pi para superar estos problemas. También utiliza el algoritmo * para la planificación de rutas y la evitación de obstáculos a través de la detección y medición de luz en 3D para que el robot se mueva de manera más fluida. Se evalúan e implementan diferentes algoritmos de Localización y Mapeo Simultáneos y modelos de aprendizaje profundo, seleccionando luego el método más adecuado. Se comparan los errores cuadráticos medios de tres algoritmos de Localización y Mapeo Simultáneos. Las predicciones de los modelos de aprendizaje profundo se evalúan a través de métricas (velocidad del modelo, precisión, complejidad, precisión, recuperación, curva de precisión-recall, puntuación F1). En conclusión, Google Cartographer para construir un mapa, Redes Neuronales Convolucionales para la detección de uso de mascarillas, y la detección de rostros humanos con una sola mirada logran el mejor resultado entre todos los algoritmos.