Tesis doctoral de Ledarzo Leonel Dario Rozo Castañeda
Uno de los retos en robótica es crear robots que puedan interactuar con seres humanos de una forma natural compartiendo el mismo entorno. Dicha interacción podría estar enfocada a asistir, ayudar o colaborar en ciertas tareas con un usuario. Para alcanzar dicho objetivo, el robot debe estar dotado de un sistema cognitivo que le permita no solo aprender nuevas habilidades, sino también refinar aquellas ya aprendidas. En este contexto, el aprendizaje por demostración aparece como un método intuitivo por el cual un humano puede transferir conocimiento a un robot. Esta disertación se basa en dicha idea y su aplicación a un campo poco explorado: el aprendizaje de tareas de manipulación basadas en fuerza. En esta clase de escenarios, las señales de fuerza pueden transmitir información sobre la rigidez de un objeto, las componentes inerciales que actúan sobre una herramienta, etc. Por lo consiguiente, si el usuario desea que el robot aprenda una tarea de manipulación, es esencial que su sistema cognitivo sea capaz de trabajar con percepciones hápticas. esta tesis abarca la extracción de información relevante para el aprendizaje a partir del conjunto de datos de entrada, lo cual se conoce como el problema de ¿qué imitar?. Se propone considerar que las acciones del robot son función de las señales sensoriales, es decir, la importancia de cada percepción es evaluada a través de su correlación con los movimientos del robot. Un análisis de información mutual es utilizado para seleccionar las entradas más relevantes de acuerdo a su influencia sobre las variables de salida. De este modo, el robot puede reunir toda la información proveniente de su sistema sensorial, la cual será analizada por un modulo de selección de percepciones con el fin de escoger los datos que el robot necesita para aprender una tarea. igualmente es necesario representar en una forma compacta las demostraciones dadas por un usuario, codificando las características más importantes, por ejemplo, información secuencial, incertidumbre, etc. Se propone entonces una estructura de aprendizaje probabilística basada en el modelo oculto de markov y en la regresión por mezclas de gaussianas, para aprender habilidades de manipulación basadas en fuerzas. Sus propiedades son: (i) es capaz de trabajar con señales de fuerza ruidosas y con incertidumbre gracias a su naturaleza probabilística, (ii) aprovecha la información secuencial dada por el modelo de markov con el fin de resolver el ¿aliasing¿ sensorial y las discrepancias temporales, y (iii) explota las variables de la tarea para codificar aquellas habilidades basadas en fuerza en las cuales las acciones del robot sean moduladas por un parámetro externo. finalmente, se propone una estructura novedosa para el aprendizaje por demostración de comportamientos basados en impedancia. Los aspectos claves de dicho sistema son la combinación de información de fuerza y visión para codificar las demostraciones de forma compacta, y la capacidad de modular el nivel de ¿compliance¿ del robot. Lo anterior se logra por medio del uso de un modelo probabilístico paramétrico, cuyas gaussianas son la base de un sistema dinámico que gobierna el movimiento del robot. A partir de las percepciones hápticas, la rigidez de los muelles que componen el sistema dinámico es estimada, permitiendo de esta forma modular la rigidez robot. Las estructuras de aprendizaje propuestas son evaluadas en tres escenarios, a saber, (a) la tarea bola-en-caja, (b) servir bebidas, y (c) ensamble colaborativo
Datos académicos de la tesis doctoral «Robot learning from demonstration of force-based manipulation tasks«
- Título de la tesis: Robot learning from demonstration of force-based manipulation tasks
- Autor: Ledarzo Leonel Dario Rozo Castañeda
- Universidad: Politécnica de catalunya
- Fecha de lectura de la tesis: 11/06/2013
Dirección y tribunal
- Director de la tesis
- Carme Torras Genís
- Tribunal
- Presidente del tribunal: ales Ude
- yiannis Demiris (vocal)
- (vocal)
- (vocal)