Tesis de Maestría

Las técnicas actuales para el desarrollo de la inteligencia artificial suelen reque- rir etapas de entrenamiento muy exigentes, con cientos de miles de ejemplos para aprender a resolver las tareas. Debido a esto, ha sido un desafío utilizarlas en robóti- ca autónoma, donde cada intento de resolver la tarea requiere tiempo y normalmente supervisión humana. En los últimos tiempos ha surgido el interés de desarrollar ro- bots con sentido común, capaces de comprender a un mayor nivel de abstracción el mundo a su alrededor y así acelerar su aprendizaje y mejorar su desempeño. La física intuitiva es una parte del sentido común, que refiere a la capacidad de predecir el comportamiento de los objetos en el mundo. Una de las teorías existentes postula que las personas contamos con algo similar a un motor de videojuegos embebido en nuestra mente, que utilizamos para dar sentido a nuestra percepción y predecir posibles eventos a nuestro alrededor. En este trabajo de maestría se lleva esta teoría a la práctica, implementando módulos capaces de convertir la percepción a entida- des y luego, de insertarlas en un simulador de físicas y desplegándolos en un robot real. Las ventajas de utilizar esta implementación son demostradas sobre un brazo robótico, en tareas simples de manipulación de cubos. En particular, se presentan experimentos sobre mejora de la percepción, auto-calibración, estimación de posi- ciones en situaciones de oclusión y una prueba integradora que incorpora algunos mecanismos de sorpresa a una tarea específica de apilado de objetos. En todos los casos la utilización del simulador mejora de manera no trivial el desempeño del robot.

Descargar documento de tesis

Ver defensa de tesis

Grasping comparision

This section presents the grasping result for our article "Object Grasping Improvement through Synthetic Perception-Based Pose Correction in Robotic Manipulation".