Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.udec.cl/jspui/handle/11594/348
Título : Aplicación de machine learning para el problema de robotic grasping
Autor : Godoy del Campo, Julio Erasmo; supervisor de grado
Montaño Pedreros, Angelo Fernando
Palabras clave : Aprendizaje de Máquina;Robótica;Inteligencia Artificial;Visión Robótica;Visión por Computador;Industria, Innovación e Infraestructura
Fecha de publicación : 2019
Editorial : Universidad de Concepción.
Resumen : El área de robótica, debido a su creciente utilización en un gran número de áreas, desde los hogares hasta grandes industrias, presenta muchos desafíos. Entre estos desafíos, la capacidad de manipular objetos específicamente el agarre robótico o robotic grasping siempre ha sido una tarea compleja para los robots por la gran cantidad de factores que influyen en un ambiente no estructurado y, además, por su falta de capacidad para comprender los datos de percepción recibidos. Técnicas para poder realizar tareas de agarre robótico incluyen métodos de visión por computadora y de inteligencia artificial. En esta memoria de título se diseñó un sistema que permite al robot Baxter identificar objetos dentro de un área de trabajo, recibir la orden de agarre de un objeto en específico o de manera aleatoria y ejecutar la acción eligiendo un punto de agarre eficiente. Los resultados mostraron un buen desempeño de Baxter al realizar los distintos agarres a pesar de la falta de precisión en algunas acciones.
Descripción : Ingeniero Civil Informático Universidad de Concepción 2019
URI : http://repositorio.udec.cl/jspui/handle/11594/348
metadata.dc.identifier.other: 241399
Aparece en las colecciones: Ingeniería Informática y Ciencias de la Computación - Tesis Pregrado

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
Tesis_Aplicacion_de_Machine_Learning_para_el_problema_de_Robotic.Image.Marked.pdf1,63 MBAdobe PDFVista previa
Visualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons