En lo que respecta a los laboratorios remotos (RL) para la enseñanza de la programación de microcontroladores, la literatura relacionada revela varias características comunes y una arquitectura común. Nuestra búsqueda en la literatura se limitó a artículos publicados en el período de 2020-2023 específicamente sobre laboratorios remotos relacionados con el tema de la enseñanza de la programación de microcontroladores de la familia Arduino. El objetivo de esta búsqueda es presentar, por un lado, hasta qué punto la plataforma RL de la Universidad Mediterránea Helénica (HMU-RLP) para la programación de microcontroladores Arduino se ajusta a esta arquitectura común y, por otro lado, cómo extiende esta arquitectura con nuevas características para monitorear y evaluar las actividades de los usuarios en los laboratorios remotos en el contexto del aprendizaje ubicuo y supervisado. El HMU-RLP alberga un gran número de experimentos que pueden ser practicados por los usuarios de RL en forma de diferentes escenarios proporcionados por los docentes como actividades que los usuarios pueden realizar en su proceso de autoaprendizaje o asignadas como ejercicios complementarios a la parte teórica de un curso. Más importante aún, proporciona tres tipos de evaluaciones del código que los usuarios programan durante su experimentación con los RL. El primer tipo monitorea cada acción que los usuarios realizan en la página web ofrecida por el RL. El segundo tipo monitorea las actividades de los usuarios a nivel de hardware. Para ello, se utiliza un microcontrolador sombra que monitorea los pines del microcontrolador programado por los usuarios. El tercer tipo evalúa automáticamente el código subido por los usuarios, verificando su similitud con el código prototipo subido por los instructores. Se utiliza un modelo de IA entrenado para este fin. Para las evaluaciones proporcionadas por el HMU-RLP, se explota el estándar de API de experiencia (xAPI) para almacenar la analítica de aprendizaje (LA) de los usuarios. Las LA pueden ser procesadas por los instructores para la evaluación de los estudiantes y el aprendizaje personalizado. También se presentan en el artículo las herramientas de informes y visualización xAPI utilizadas en nuestra implementación prototipo de RLP. También discutimos el desarrollo planeado de tales funcionalidades en el futuro para el uso del HMU-RLP como una herramienta adaptativa para el aprendizaje a distancia supervisado.