Exploración con un robot móvil aplicando aprendizaje profundo no supervisado

Este trabajo busca definir un aprendizaje no supervisado para la extracción y reconocimiento de objetos o estructuras presentes en un escenario interior usando la técnica de Aprendizaje Profundo (Deep Learning). Este aprendizaje se realiza de forma autónoma para que un robot móvil pueda entender, re...

Full description

Autores:
Contreras Rojas, Javier Stevenson
Tipo de recurso:
Fecha de publicación:
2017
Institución:
Universidad de los Andes
Repositorio:
Séneca: repositorio Uniandes
Idioma:
spa
OAI Identifier:
oai:repositorio.uniandes.edu.co:1992/34177
Acceso en línea:
http://hdl.handle.net/1992/34177
Palabra clave:
Aprendizaje automático (Inteligencia artificial) - Investigaciones
Robótica - Investigaciones
Redes neurales (Computadores) - Investigaciones
Procesamiento de imágenes - Investigaciones
Ingeniería
Rights
openAccess
License
http://creativecommons.org/licenses/by-nc-nd/4.0/
Description
Summary:Este trabajo busca definir un aprendizaje no supervisado para la extracción y reconocimiento de objetos o estructuras presentes en un escenario interior usando la técnica de Aprendizaje Profundo (Deep Learning). Este aprendizaje se realiza de forma autónoma para que un robot móvil pueda entender, reconocer, relacionar y buscar objetos adaptando la exploración a diferentes escenarios interiores. Para ello cuenta con tres niveles de aprendizaje no supervisado: El primero se enfoca en extraer, agrupar y relacionar imágenes de una cámara, con diferentes objetos que aparezcan en el escenario, como sillas escaleras, puertas, mesas etc., (dependiendo del contexto del lugar). El segundo nivel aprende a decidir la dirección de movimiento de un robot móvil, basado en la información de un sensor láser y una cámara. Por último, el tercer nivel crea un aprendizaje global integrando los aprendizajes ya descritos. Este trabajo se destaca por crear un sistema no supervisado que integra y entrena un sistema de reconocimiento de objetos en imágenes, un grafo de relaciones de objetos y una red neuronal para la decisión de dirección de movimiento, y la localización referencial con un robot móvil en un ambiente experimental interior. Las pruebas se realizaron en un ambiente interior, con gran variedad de objetos y obstáculos de gran complejidad, para poder probar el alcance del reconocimiento de objetos y de la exploración del robot.