Estudio de técnicas de optimización bayesiana aplicadas a operaciones de pintura con manipuladores robóticos

Abstract

[ES] El presente TFM explorará el cálculo de parámetros óptimos para maniobras de robots simulados en CoppeliaSim utilizando las herramientas de optimización bayesiana de la Statistics and Machine Learning Toolbox de Matlab. Se desarrollará el entorno de simulación, la comunicación con Matlab y el análisis estadístico de resultados. Se planteará un primer caso de estudio de un robot lanzando una bola (juego de “petanca”), y se abordarán posteriormente el estudio de un manipulador robótico en operaciones de pintura que debe maximizar un cierto despeño en términos de tiempos de ejecución y cobertura de la superficie de pintado.

[EN] This Master Thesis will explore the computation of optimal parameters for simulated robot maneuvers in CoppeliaSim using the Bayesian Optimization of Matlab's Statistics and Machine Learning Toolbox. The simulation environment, communication with Matlab and the statistical analysis of results will be developed. A first case study of a robot throwing a ball will be proposed, and later on we will study the problem of a robotic manipulator in a painting task operation that must maximize the performance including execution time and overal coverage of the painted surface.

[VA] El present TFM explorarà el càlcul de paràmetres òptims per a maniobres de robots simulats en CoppeliaSim utilitzant les eines d'optimització bayesiana de la Statistics and Machine Learning Toolbox de Matlab. Es desenvoluparà l'entorn de simulació, la comunicació amb Matlab i l'anàlisi estadística de resultats. Es plantejarà un primer cas d'estudi d'un robot llançant una bola (joc de "petanca"), i s'abordaran posteriorment l'estudi d'un manipulador robòtic en operacions de pintura que ha de maximitzar una certa estimbada en termes de temps d'execució i cobertura de la superfície de pintat.