FSR-BayModelo probabilístico para la fusión sensorial robótica

  1. Aznar Gregori, Fidel
Supervised by:
  1. Ramón Rizo Aldeguer Director
  2. Mar Pujol López Director

Defence university: Universitat d'Alacant / Universidad de Alicante

Fecha de defensa: 13 June 2006

Committee:
  1. Alfons Crespo Lorente Chair
  2. Faraón Llorens Largo Secretary
  3. Emilio Santiago Corchado Rodríguez Committee member
  4. Juan Manuel Corchado Rodríguez Committee member
  5. José Simó Committee member
Department:
  1. CIENCIA DE LA COMPUTACION E INTELIGENCIA ARTIFICIAL

Type: Thesis

Teseo: 129386 DIALNET lock_openRUA editor

Abstract

Los humanos y los animales han evolucionado desarrollando la capacidad de utilizar sus sentidos para sobrevivir, La fusión sensorial, que es uno de los pilares de esta evolución, se realiza de forma natural por animales y humanos para conseguir una mejor interacción con el entorno circundante. La emergencia de nuevos sensores, técnicas de procesamiento avanzado, y hardware de proceso mejorado, han hecho viable la fusión de muchos tipos de datos. Actualmente los sistemas de fusión sensorial se han utilizado de manera extensiva para el seguimiento de objetos, identificación automática, razonamiento, etc. Aparte de otras muchas áreas de aplicación (como la monitorización de sistemas complejos, el control automático de fabricación industrial?) las técnicas de fusión también se utilizan en el campo de la inteligencia artificial y la robótica. Esta tesis aporta el modelo FSR-BAY, para la fusión sensorial robótica. Este modelo tiene en cuenta algunos aspectos que desde nuestro punto de vista han sido tratados de manera secundaria por la mayoría de las arquitecturas de fusión actuales: la información incompleta e incierta, las capacidades de aprendizaje y el utilizar una representación homogénea de la información, independiente del nivel de fusión. También se proporcionan dos casos de estudio del modelo propuesto aplicado a un agente autónomo. El primer caso trata la fusión cooperativa de la información utilizando para fusionar información proveniente de varios sensores de un mismo tipo. El segundo caso fusiona de manera competitiva información tanto heterogénea como homogénea.