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/
id UNIANDES2_d408e6f2116201c36a3977baaf08846a
oai_identifier_str oai:repositorio.uniandes.edu.co:1992/34177
network_acronym_str UNIANDES2
network_name_str Séneca: repositorio Uniandes
repository_id_str
dc.title.es_CO.fl_str_mv Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
title Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
spellingShingle Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
Aprendizaje automático (Inteligencia artificial) - Investigaciones
Robótica - Investigaciones
Redes neurales (Computadores) - Investigaciones
Procesamiento de imágenes - Investigaciones
Ingeniería
title_short Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
title_full Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
title_fullStr Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
title_full_unstemmed Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
title_sort Exploración con un robot móvil aplicando aprendizaje profundo no supervisado
dc.creator.fl_str_mv Contreras Rojas, Javier Stevenson
dc.contributor.advisor.none.fl_str_mv Rosa Rosero, Mario Fernando de la
dc.contributor.author.none.fl_str_mv Contreras Rojas, Javier Stevenson
dc.contributor.jury.none.fl_str_mv Hernández Peñaloza, José Tiberio
Lozano Martínez, Fernando Enrique
dc.subject.keyword.es_CO.fl_str_mv Aprendizaje automático (Inteligencia artificial) - Investigaciones
Robótica - Investigaciones
Redes neurales (Computadores) - Investigaciones
Procesamiento de imágenes - Investigaciones
topic Aprendizaje automático (Inteligencia artificial) - Investigaciones
Robótica - Investigaciones
Redes neurales (Computadores) - Investigaciones
Procesamiento de imágenes - Investigaciones
Ingeniería
dc.subject.themes.none.fl_str_mv Ingeniería
description 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.
publishDate 2017
dc.date.issued.none.fl_str_mv 2017
dc.date.accessioned.none.fl_str_mv 2020-06-10T08:59:10Z
dc.date.available.none.fl_str_mv 2020-06-10T08:59:10Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.driver.spa.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.content.spa.fl_str_mv Text
dc.type.redcol.spa.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/1992/34177
dc.identifier.pdf.none.fl_str_mv u806936.pdf
dc.identifier.instname.spa.fl_str_mv instname:Universidad de los Andes
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional Séneca
dc.identifier.repourl.spa.fl_str_mv repourl:https://repositorio.uniandes.edu.co/
url http://hdl.handle.net/1992/34177
identifier_str_mv u806936.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
dc.language.iso.es_CO.fl_str_mv spa
language spa
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.spa.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.es_CO.fl_str_mv 51 hojas
dc.format.mimetype.es_CO.fl_str_mv application/pdf
dc.publisher.es_CO.fl_str_mv Uniandes
dc.publisher.program.es_CO.fl_str_mv Maestría en Ingeniería de Sistemas y Computación
dc.publisher.faculty.es_CO.fl_str_mv Facultad de Ingeniería
dc.publisher.department.es_CO.fl_str_mv Departamento de Ingeniería de Sistemas y Computación
dc.source.es_CO.fl_str_mv instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
instname_str Universidad de los Andes
institution Universidad de los Andes
reponame_str Repositorio Institucional Séneca
collection Repositorio Institucional Séneca
bitstream.url.fl_str_mv https://repositorio.uniandes.edu.co/bitstreams/5e255d14-b8a4-47d9-809a-ea88f9ec1ff6/download
https://repositorio.uniandes.edu.co/bitstreams/6d2c21b7-a6e2-45c9-9845-9c9cda74afda/download
https://repositorio.uniandes.edu.co/bitstreams/78b41c0d-3134-4fb4-853c-0e5deb4e1761/download
bitstream.checksum.fl_str_mv 237bfac00e9b6bb51d09c50f837bcf38
17a4eb7c1ba6adeed2b68120bcac0461
a584c8f29ccdfdf6d4764e112840ac08
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositorio institucional Séneca
repository.mail.fl_str_mv adminrepositorio@uniandes.edu.co
_version_ 1808390377172893696
spelling Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.http://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Rosa Rosero, Mario Fernando de laf023cff4-d4ca-44a6-bf13-2833db57fa9d400Contreras Rojas, Javier Stevenson5b8523a0-000c-44c9-b9a9-402dab343fc4500Hernández Peñaloza, José TiberioLozano Martínez, Fernando Enrique2020-06-10T08:59:10Z2020-06-10T08:59:10Z2017http://hdl.handle.net/1992/34177u806936.pdfinstname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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."This work seeks to define unsupervised learning for the extraction and recognition of objects or structures present in an interior scenario using the Deep Learning technique. This learning is done in a autonomous so that a mobile robot can understand, recognize, relate and search objects adapting the exploration to different interior scenarios. For this, he has three levels of unsupervised learning: The first focuses on extracting, grouping and relate images of a camera, with different objects that appear on the stage, as chairs, stairs, doors, tables, etc., (depending on the context of the place). He Second level learns to decide the direction of movement of a mobile robot, based on the information of a laser sensor and a camera. Finally, the third level creates a global learning by integrating the learning already described. This work is highlighted by create an unsupervised system that integrates and trains a system of recognition of objects in images, a graph of relations of objects and a neural network for the decision of direction of movement, and the referential location with a mobile robot in a experimental interior environment. The tests were performed in an indoor environment, with great variety of objects and obstacles of great complexity, to be able to test the scope of object recognition and robot exploration."--Tomado del Formato de Documento de Grado.Magíster en Ingeniería de Sistemas y ComputaciónMaestría51 hojasapplication/pdfspaUniandesMaestría en Ingeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería de Sistemas y Computacióninstname:Universidad de los Andesreponame:Repositorio Institucional SénecaExploración con un robot móvil aplicando aprendizaje profundo no supervisadoTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesishttp://purl.org/coar/version/c_970fb48d4fbd8a85Texthttp://purl.org/redcol/resource_type/TMAprendizaje automático (Inteligencia artificial) - InvestigacionesRobótica - InvestigacionesRedes neurales (Computadores) - InvestigacionesProcesamiento de imágenes - InvestigacionesIngenieríaPublicationTHUMBNAILu806936.pdf.jpgu806936.pdf.jpgIM Thumbnailimage/jpeg9644https://repositorio.uniandes.edu.co/bitstreams/5e255d14-b8a4-47d9-809a-ea88f9ec1ff6/download237bfac00e9b6bb51d09c50f837bcf38MD55ORIGINALu806936.pdfapplication/pdf2656614https://repositorio.uniandes.edu.co/bitstreams/6d2c21b7-a6e2-45c9-9845-9c9cda74afda/download17a4eb7c1ba6adeed2b68120bcac0461MD51TEXTu806936.pdf.txtu806936.pdf.txtExtracted texttext/plain83098https://repositorio.uniandes.edu.co/bitstreams/78b41c0d-3134-4fb4-853c-0e5deb4e1761/downloada584c8f29ccdfdf6d4764e112840ac08MD541992/34177oai:repositorio.uniandes.edu.co:1992/341772023-10-10 18:08:37.955http://creativecommons.org/licenses/by-nc-nd/4.0/open.accesshttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.co

Publicaciones similares