Estructuración de un algoritmo basado en deep learning para entrenamiento de robots asistentes en reconocimiento de objetos para plataformas multiherramienta

El presente documento expone el desarrollo de un algoritmo orientado a esquemas de robótica asistencial trabajando en ambientes multiherramientas. Esto se refiere a un robot de tipo antropomórfico que se desenvuelve en un área de trabajo compartida por una persona, a quien asistirá en tareas como entrega de herramientas. Para ello el robot debe identificar qué herramienta desea tomar dentro de un grupo de herramientas, lo que corresponde a una labor de reconocimiento de patrones. Cada herramienta presenta características particulares que deben ser aprendidas mediante un algoritmo de reconocimiento. En este trabajo se expone una dificultad en dicho reconocimiento aún no abordada en trabajos similares y que surgió de los desarrollos propios de robótica asistencial realizados previamente. Al buscar reconocer una herramienta dentro de un grupo, el sistema de reconocimiento de patrones debe aprender las características que exhibe cada herramienta. Típicamente esta tarea se realiza mediante la captura de la imagen del grupo de herramientas por medio de una cámara, desde una posición dada, aprendiendo herramienta por herramienta. Una vez reconocida y ubicada espacialmente la herramienta, se emplean algoritmos de planeación de trayectorias, que por medio de la cinemática del robot, permiten el desplazamiento de su efector final hasta la herramienta, pero si se presenta el caso que en el área de trabajo un usuario interrumpe dicha trayectoria, el robot debe buscar una solución. En la actualidad el camino ha sido detener el robot y esperar a que termine la interrupción, al buscar mejorar esta solución, donde el robot sea capaz de generar la evasión de lo que le obstruye, se debe buscar una nueva trayectoria, desde el nuevo punto en que se halla (robot desplazado) hasta la herramienta. Es aquí donde se presenta el problema de reconocimiento, desde la nueva posición se debe capturar la información de la herramienta para generar el nuevo desplazamiento, donde al cambiar el punto de captura, por cercanía o lejanía, la herramienta presenta más o menos características, lo que varía el grado de reconocimiento desde el punto de aprendizaje inicial, dificultando el reconocimiento y confundiendo las herramientas presentes en la escena. Esta tarea desde puntos estáticos se ha trabajado ampliamente, pero desde esta perspectiva dinámica no presenta aún soluciones, que se hacen necesarias para mejorar la interacción hombre máquina, tal cual como lo hace un ser humano, que cambia la trayectoria a su destino cuando un obstáculo se detecta.

• Tipo de recurso: Doctoral thesis
• Fecha de publicación: 2018
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/14483
• Acceso en línea: http://hdl.handle.net/11349/14483
• Palabra clave: Aprendizaje profundo; Visión de máquina; Robótica asistencial; Reconocimiento de patrones; Doctorado en Ingeniería - Tesis y disertaciones académicas; Robótica asistencial; Algoritmos; Robots; Deep learning; Machine vision; Assistance robots; Pattern recognition
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional