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...
- 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/
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. |
---|