Modelos
Modelos de objetos para manipulación flexible cognitiva
Uno de los más grandes retos a los que se enfrenta la robótica para trabajar al lado de humanos en ambientes compartidos es la capacidad de manipular hábilmente una amplia variedad de objetos. Esto significa que el robot debe ser capaz de entender cómo los objetos se comportan a un nivel físico, y debe conectar esta información con un sistema cognitivo de alto nivel a cargo de razonamiento y planeamiento. Nuestra investigación ha mostrado que proveer al robot con modelos matemáticos compactos del comportamiento físico del objeto le permite ejecutar tareas difíciles de forma hábil y robusta. Ahora nuestro trabajo se centra en proveerle al robot más modelos y en crear un sistema para conectarlos al sistema de razonamiento de alto nivel.
Composición de modelos de objetos
La utilización de herramientas es una parte esencial de la manipulación de objetos, porque permite extender las capacidades más allá de las limitaciones corporales. En este caso el robot interactúa con dos objetos, la herramienta y el objeto-final. Para resolver este problema en nuestro enfoque basado en modelos de objetos se ha propuesto la composición de modelos y controladores. La arquitectura del sistema de manipulación de objetos es capaz de componer el controlador de la herramienta con el controlador del objeto-final para crear un solo controlador global, que puede ser utilizado para el razonamiento y planificación. Se espera que este enfoque permita aliviar las complejidades de razonar sobre tareas con herramientas.
Lenguaje para descripción de errores de predicción
Los ambientes humanos son impredecibles, entonces los robots asistentes competentes deberán ser capaces de responder a resultados inesperados. Hay varias razones por las que una tarea de manipulación puede fallar, como información del ambiente incompleta, o parámetros del objeto desactualizados y erróneos. El robot debe ser capaz de identificar la causa y modificar su plan apropiadamente. Dependiendo de la falla se puede resolver a bajo nivel (como cambiar los parámetros del objeto), y en otros casos puede ser necesario modificar el plan mediante razonamiento del problema y el análisis de posibles soluciones. Este proceso debe completarse de forma autónoma por el robot, por lo que tener un lenguaje para explicar y razonar acerca de fallas de manera semántica puede ser de gran ayuda.
Reducción del error de predicción utilizando aprendizaje de máquina
Reducción del error.
Percepción Cognitiva para la Manipulación de Objetos
Determinación de libertades en los objetos para manipulación
Determinación de libertades
Manufactura Flexible
Asistente competente para manufactura y servicios
Asistente competente
Brazo Robótico de alto desempeño suave con el ambiente
Brazo robótico
Arquitectura de Software Cognitiva
Arquitectura de software cognitiva
Arquitectura de software
Escenarios
Intelligent Kitchen
Intelligent Kitchen
Workshop Robot
Workshop Robot
Flexible Manufacturing
Flexible Manufacturing
Inspection
Inspection
Proyectos
Fully Flexible full size Humaoid Robot
Fully Flexible full size Humaoid Robot
Mobile Robots
Mobile Robots
Aereal Robots
Aereal Robots
Impedance Control Articulation
Impedance Control Articulation
Investigación Universitaria Vicerectoría
Proyecto 1
Proyecto 1
Proyectos de Graduación
Proyecto 1
Proyecto 1
English 
Spanish