Aprendizaje mediante arboles de decisión para la sintesis de agarres roboticos

Resumen

La presente tesis se centra en la síntesis de agarres robóticos; y busca crear un nuevo marco de trabajo en este campo. El objetivo es lograr que el robot infiera un conjunto de reglas que le permitan agarrar adecuadmente objetos cualesquiera, previamente desconocidos. Tomando como único dato de partida los agarres de ejemplo introducidos por el usuario. Para ello se propone una metodología inédita estructurada en cuatro etapas , que permite independizar las características locales y globales que definen un agarre y con ello reducir notablemente el tiempo de cómputo. Por otra parte, la estructuración en cuatro etapas permite que la metodología sea aplicable con independencia del tipo de pinza o brazo robot utilizado y del tipo de información sensorial disponible. En cuanto a los algoritmos de aprendizaje utilizdos, se opta por el aprendizaje inductivo y , dada la no existencia de estudios comparativos previos, se realiza un análisis exhaustivo para determinar la idoneidad de cada uno de los algoritmos para una aplicación de síntesis de agarres. Como conclusión , se utilizan árboles de decisión y una variación del método del vecino más cercano en las distintas fases del proceso. Otro área de trabajo de la tesis se centra en la solución de los dos problemas sinemáticos que se presentan en la síntesis de agarres: el cálculo de alcanzabilidad y la redundancia cinemática. Para el primer problema se propone una metodología basada en filtros sucesivos de complejidad creciente , que permite reducir el tiempo de cómputo . En cuanto a la redundancia cinemática, se plantea un sistema novedoso basado en la imitación de los ejemplos introducidos por el usuario y que utiliza una estructura en forma de árbol capaz de representar la cienmática de cualquier pinza robótica. Todos los desarrollos teóricos se llevan a la práctica tanto en simulación como sobre un robot real, lo que permite verificar la validez de la