Aprendizaje de políticas de control en robots manipuladores redundantes

Abstract

En los últimos años ha surgido un nuevo movimiento en la robótica relacionado con el Aprendizaje por Demostración, que se espera que tome aún más fuerza en el futuro. En este proyecto se ha desarrollado un sistema que consigue enseñar una generalización de las trayectorias proporcionadas por el usuario a través de Modelos Mixtos Gaussianos. Para llegar hasta este aprendizaje se revisan varias técnicas de procesamiento y aprendizaje, comparando las diferencias entre los métodos empleados en cada caso. Además, todo ello se implementa en una Interfaz de Usuario que permite la simulación de datos en caso de no tener acceso al robot y la simplificación del uso del programa. Finalmente se pone en valor el conocimiento aprendido mediante la simulación de un control de fuerza y orientación que permite al robot el seguimiento de la trayectoria aprendida sobre superficies curvas continuas.

In the last years a new movement has emerged in robotics related to Learning by Demonstration, which is expected to take even more part in the future. In this project a system that can train a generalization of the paths provided by the user has been developed using Gaussian Mixture Models. To reach this learning several processing and learning techniques are reviewed, comparing the differences between the methods used in every case. Moreover, all this is implemented in a User Interface that allows the simulation of data in case of not having access to the robot and the simplfication of the use of the program. Finally the knowledge learned is valued through the simulation of a force and orientation control that allows the robot to follow the path learned on continous curved surfaces.