En la última década, ha habido un creciente interés en la investigación de robots que utilizan sensores para lograr una correcta identificación y comprensión del entorno en el que operan. Estos trabajos de investigación son de suma importancia, ya que permiten a los robots interactuar de manera más efectiva con su entorno y realizar tareas complejas de manera autónoma. En el presente trabajo, se propone la implementación del sensor de visión HaVimo2.0 en un robot humanoide Bioloid Premium con el objetivo de lograr la detección y evasión de obstáculos. El sensor de visión HaVimo2.0 es conocido por su capacidad para capturar imágenes de alta resolución y su capacidad de procesamiento incorporada, lo que lo convierte en una elección adecuada para este propósito. La implementación conlleva el desarrollo de software de bajo nivel C embebido que permite establecer una comunicación funcional y adecuada entre el sensor HaVimo2.0 y el controlador del robot humanoide, CM-530. Este enfoque permite aprovechar al máximo las capacidades del sensor y el controlador al mismo tiempo. Para el procesamiento que será llevado a cabo por parte del controlador, se utiliza como método clasificador de las diferentes imágenes capturadas por parte del sensor, la implementación de una Red Neuronal Artificial (RNA) entrenada por Aprendizaje Maquina, mejor conocido como Machine Learning. El actual desarrollo propone la utilización de una RNA aplicada a un robot humanoide Bioloid Premium, para que, en conjunto con el resto de los elementos del sistema, éste tenga la capacidad y rendimiento que tienen robots de la misma empresa Robotis© de gama alta que ya incluyen la capacidad de hacer el reconocimiento y evasión de obstáculos de fábrica, pero que sin embargo, lo realizan teniendo un valor 6 u 8 veces mayor al que alcanza el sistema del presente proyecto en conjunto con todos sus elementos.