Los compradores de supermercado deben negociar diseños de tienda desordenados, abarrotados y complejos que contienen una gran variedad de productos para realizar sus compras previstas. Esta complejidad puede impedir que incluso los compradores experimentados encuentren sus artículos de supermercado, consumiendo mucho de su tiempo y resultando en pérdidas monetarias para la tienda. Para abordar estos problemas, presentamos una arquitectura genérica de robot de supermercado para la búsqueda y localización autónoma de productos en entornos de supermercado desconocidos, dinámicos y concurridos, utilizando un método único de Localización y Mapeo Simultáneos contextual (contextSLAM). El método contextSLAM crea de manera única mapas contextualmente ricos a través de la fusión en línea de información de reconocimiento óptico de caracteres y de cuadrícula de ocupación para localizar productos y ayudar en la localización del robot en un entorno. La novedad de nuestra arquitectura de robot radica en su capacidad para utilizar de manera inteligente información geométrica y contextual dentro del mapa contextual para dirigir la exploración del robot con el fin de localizar productos en entornos desconocidos en presencia de personas dinámicas. Se realizaron extensos experimentos con un robot móvil para validar la arquitectura general y el contextSLAM, incluso en un supermercado real. Los resultados de los experimentos mostraron que nuestra arquitectura era capaz de buscar y localizar todos los productos en varias listas de supermercado en diferentes entornos desconocidos.