La auto-localización es un concepto crítico en el contexto de la navegación autónoma y el control de robots móviles. El método más prevalente para la localización es la fusión de sensores. Sin embargo, hay ciertas situaciones en las que los robots se ven obligados a localizarse con información mínima de los sensores. Además, el desafío clave es determinar cómo localizarse si esta información mínima de los sensores falla. Este artículo propone una técnica de redundancia analítica basada en datos para abordar este desafío en robots móviles con ruedas. Inicialmente, la localización del robot se realiza utilizando únicamente la información del encoder para crear un enfoque minimalista. En tal situación, una falla en los encoders hace que el robot se comporte de manera indeseable. Para mitigar esto, proponemos un método para utilizar la información de los modelos analíticos cuando se detecta una falla. Específicamente, obtenemos los modelos analíticos a través de técnicas basadas en datos. Mediante un experimento de respuesta al escalón, se recopilan los datos de voltaje de entrada y velocidad angular de salida del motor. Luego utilizamos la caja de herramientas de Identificación de Sistemas en MATLAB (ver R2025a) y el marco de Koopman para obtener diferentes modelos analíticos utilizando los mismos datos. Observamos que estos modelos experimentan errores a diferentes voltajes de entrada del motor, lo que afecta el método propuesto para manejar la falla del encoder. Por lo tanto, en este trabajo, utilizamos la sintonización en línea del operador de Koopman y demostramos experimentalmente su efectividad para manejar la falla del sensor en un robot móvil que se localiza con información mínima.