Aplicación de machine learning para el problema de robotic grasping

Abstract

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.