Diseño de controladores mediante técnicas de aprendizaje de regresión locales. Aplicación al control de un robot paralelo de rehabilitación de miembro inferior

Abstract

[ES] En la actualidad las técnicas de aprendizaje autónomo suponen una de las grandes vanguardias de la estadística y los nuevos métodos de control y predicción. Su integración en los controladores de robots permite una mejora en el desempeño de todo tipo de tareas. A lo largo de este trabajo se presentarán las técnicas de aprendizaje basadas en regresiones locales, y porqué son las más idóneas para las aplicaciones robotizadas.

Posteriormente, se abordará la implementación de estas técnicas sobre un robot paralelo de cuatro grados de libertad, diseñado para realizar tareas de rehabilitación de miembros inferiores. Estos algoritmos lograrán aprender del comportamiento dinámico del robot, para realizar un control de posición capaz no solo de igualar el desempeño de los controladores tradicionales, sino de mejorarlos.

Esta tipología de regresiones será también utilizada para obtener un modelo del robot, que permita predecir su comportamiento, atajando el problema dinámico y cinemático directo de la robótica, sin la necesidad de resolver el complejo planteamiento matemático que involucra.

Adicionalmente, se implementarán técnicas de aprendizaje iterativo junto a las descritas anteriormente, que podrían mejorar el comporta-miento para movimientos cíclicos típicos de tareas de rehabilitación, al aprovechar la información de los ciclos previos para reducir los errores en los siguientes.

[EN] Nowadays, machine learning techniques represent one of the great avant-garde of statistics and new methods of control and prediction. Their integration in robot controllers allows an improvement in the per-formance of all kinds of tasks. Throughout this paper we will present the learning techniques based on local regressions, and why they are the most suitable for robotic applications.

Subsequently, the implementation of these techniques on a parallel ro-bot with four degrees of freedom, designed to perform lower limb rehabili-tation tasks, will be addressed. These algorithms will be able to learn from the dynamic behaviour of the robot, to perform a position control capable not only of matching the performance of traditional controllers, but also of improving them.

This type of regression will also be used to obtain a model of the robot, which will allow predicting its behaviour, avoiding the direct dynamic and kinematic problem of robotics, without the need to solve the complex mathematical approach involved.

Additionally, iterative learning techniques will be implemented together with those described above, which could improve the behaviour for cyclic movements typical of rehabilitation tasks, by taking advantage of the information of the previous cycles to reduce the errors in the following ones.