Percepción cognitiva planificada para robots autónomos

Abstract

Esta tesis presenta el desarrollo de un framework para la planificación cognitiva de la percepción que ayuda a robots a generar estrategias perceptivas para tratar incertidumbres en entornos domésticos. El robot combina información de su modelo interno con la información obtenida de sus sensores. Para esto se han desarrollado diferentes técnicas que mejoran la actuación completa de un robot en una tarea de búsqueda de objetos. Los pasos son planificados de acuerdo al objetivo de la tarea, el conocimiento cognitivo del robot y los datos detectados en el entorno. La arquitectura cognitiva deliverativa, CORTEX, a través de su modelado basado en gramáticas activas (AGM) es usado para mantener un modelo interno del mundo y planificar todo el proceso perceptivo. Adicionalmente, parte de la información perceptiva es almacenada en forma de representaciones de baja dimensionalidad. Este trabajo abarca la mayoría de los distintos pasos necesarios para completar esta tarea de búsqueda de objetos de alto nivel, generando una solución final robótica para la entrega de objetos. A lo largo de esta investigación se han aportado soluciones al problema de la sensorización, el modelado de habitaciones así como a la detección, reconocimiento y localización de objetos. Se ha estudiado el modelado de objetos y la planificación de los movimientos de manipuladores con el fin de generar medios para alcanzar y coger el objeto propuesto. Finalmente, se ha desarrollado una plataforma de planificación para todos estos pasos de percepción dotando al robot con capacidad de ejecutar tareas reparto de objetos de alto nivel.

This thesis presents the development of a planning-based cognitive perception framework that helps robots generate and execute perception strategies to handle high-level uncertainties in household environments. The robot combines information from its own internal knowledge, acquired along its lifetime, with the information obtained from its sensors. Several techniques that enhance current state of the art and boost the whole performance of a robot in a complete object search and delivery task were developed. The different steps are planned according to the goal of the task, the cognitive knowledge in the robot and the environment sensed data. The deliberative cognitive architecture, CORTEX, through its Active Grammar-based Modeling (AGM) is used to maintain an internal world model in the robot and plan the whole perception process. Additionally, some extra information regarding perception is stored in the form of embeddings. Most of the different steps needed to complete this high level task have been covered, producing a final real robot solution for object deliveries. Along this research solutions to the sensing problem and room modeling are provided. Object detection, recognition and location is enhanced through different developments. Object modeling and manipulator motion planning is studied in order to provide a means to reach and grasp the target object. Finally, a planning platform for all these perception steps is developed enabling the robot with full capabilities to accomplish high level object delivery tasks.