Síntesis de agarres para Grasping robótico a partir de nubes de puntos 3D

Abstract

A lo largo de la historia, la humanidad se ha esforzado por desarrollar máquinas que faciliten la vida de las personas, frecuentemente concentrándose en producir máquinas autónomas que logren reemplazar a los humanos en tareas específicas. En dicho contexto, la Robótica es a menudo identificada como la disciplina que mejor simboliza el desarrollo de máquinas autónomas. En general, un robot autónomo debe exhibir al menos 3 capacidades: i) percepción de su entorno, ii) navegación y desplazamiento, e iii) interacción con su entorno. En particular, dentro de las formas interacción posibles, la manipulación de objetos es interesante, puesto que faculta al robot para modificar el ambiente de acuerdo con sus necesidades. Para que un robot pueda manipular un objeto es necesario definir una estrategia de agarre, es decir, un punto de agarre y una parametrización del efector que permita realizar el agarre según las restricciones de la tarea en ejecución. La generación de dichas estrategias es conocida como síntesis de agarres y durante la última década ha sido abordada principalmente mediante el uso de información sensorial, con el fin de identificar las características del objeto que permiten definir una estrategia de agarre adecuada. Esta tesis propone un descriptor local 3D original, denominado Directed Curvature Histograms (DCH), el cual describe la vecindad de un punto utilizando la forma en que varía la curvatura de la superficie en distintas direcciones. A diferencia de los enfoques basados en curvatura existentes en la literatura, DCH utiliza la dirección en la que varía la curvatura como un elemento significativo para la descripción de los datos. El presente trabajo también propone un método para la síntesis de agarres que utiliza DCH, combinando técnicas de aprendizaje no-supervisado y supervisado. Tal método difiere de los enfoques actuales puesto que basa sus hipótesis en el estudio del comportamiento humano en la manipulación de objetos, presentado por Feix et al. [1]. Además, el método propuesto saca provecho de la información sensorial 3D disponible, aprendiendo simultáneamente a identificar puntos de agarre adecuados, así como parametrizaciones apropiadas para manipular un objeto arbitrario. Los resultados experimentales muestran que DCH es capaz de reflejar las variaciones en la curvatura de una superficie, en diferentes direcciones. Tales resultados también muestran que la información suministrada por DCH permite que el método de síntesis de agarres propuesto pueda entrenar un clasificador (índice ROC igual a 0.961), con el objetivo de identificar los puntos de agarre y parametrizaciones adecuadas para manipular un objeto arbitrario.