Continuación De Tareas Por Un Robot Usando Aprendizaje Por Imitación

El aprendizaje por imitación (ApI) es una técnica, donde al contrario de la programación detallada que convencionalmente se hace al robot, este aprende movimientos o incluso una tarea, con solo ver una o varias demostraciones de los movimientos o la tarea por parte de un humano. El aprendizaje por imitación permite la flexibilidad en la programación de tareas que puede realizar un robot humanoide o un robot industrial, ya que posibilita que pueda ser instruido por operarios sin conocimientos en programación de robots. Generalmente se compone de tres etapas, la primera es la captura y procesamiento de los datos de los movimientos humanos, la segunda es el aprendizaje, para lo cual se han utilizado técnicas como redes neuronales, modelos ocultos de Markov, primitivas dinámicas de movimiento entre otras, y por último la reproducción de las acciones a imitar por parte del robot.Primero se procederá con la captura de los movimientos humanos, usando el sensor activo Kinect o a través de un par estéreo y filtro de partículas, luego estos movimientos serán aprendidos por el robot usando primitivas dinámicas de movimiento y a través de una técnica de segmentación de tareas estas son separadas y cada subtarea es reproducida en el momento necesario, para terminar la tarea incompleta.En síntesis, se propone desarrollar un sistema que permita a un robot continuar una tarea sin terminar a partir de información visual. La tarea es aprendida de principio aún usando aprendizaje por imitación. Al finalizar el proyecto se espera tener un sistema que permita al robot humanoide continuar con una tarea que fue parcialmente realizada por un ser humano.

Imitation learning is a technique, where opposed to detailed programming that is conventionally used with the robot, this one learns movements or even a complete task by looking at one or several movements or tasks demonstrations made by a human. Imitation learning allows flexibility in the tasks that a humanoid robot or industrial robot can accomplish, because it is possible that it can be instructed by operators without robot programming knowledge. It generally consists of three stages, the first one is capturing and processing human movements’ data, the second one is learning, which techniques such as neural networks, hidden Markov models, primitive movement dynamics and others, have been used; and the last one is the imitation of actions by the robot. Human movements’ capture will be done first, using the active Kinect sensor or through stereo pair and particle filter. Afterwards, these movements will be learned by the robot using primitive movement dynamics and through a task segmentation technique these are divided and each subtask to be reproduced in the specific moment, to finish the incomplete task. In brief, a system that allows a robot to continue an incomplete task from visual information is intended to be developed. The task is learned from the beginning using imitation learning. By completing the project it is expected to obtain a system which would allow humanoid robots to continue with a task that was partially developed by a human.

Aprendizaje por imitación, sensor Kinect, Redes de Petri, Inteligencia Computacional, Algoritmos.