Reconocimiento de objetos agarrados con sensorizado híbrido propioceptivo-táctil

DSpace/Manakin Repository

español português english

Reconocimiento de objetos agarrados con sensorizado híbrido propioceptivo-táctil

Show simple item record

dc.contributor.author Velasco Sánchez, Edison
dc.contributor.author Zapata Impatá, Brayan Stiven
dc.contributor.author Gil, Pablo
dc.date.accessioned 2018-11-20T09:29:11Z
dc.date.available 2018-11-20T09:29:11Z
dc.date.issued 2018
dc.identifier.isbn 978-84-09-044460-3
dc.identifier.uri http://hdl.handle.net/10662/8241
dc.description Comunicación presentada a las XXXIX Jornadas de Automática, celebradas en Badajoz del 5 al 7 de Septiembre de 2018 y organizada por la Universidad de Extremadura. Cita: es_ES
dc.description.abstract Este trabajo se presenta una aproximación híbrida propioceptiva-táctil para reconocer objetos agarrados. La información propioceptiva de una mano robótica es usada para estimar la geometría de contacto y así, distinguir la forma de cada uno de los objetos que están siendo agarrados. La geometría de contacto viene determinada por los datos articulares de la mano robótica cuando ésta lleva a cabo un agarre en configuración de cierre sobre la superficie del objeto. Además, la información táctil permite determinar propiedades de rigidez y flexibilidad del objeto agarrado, mejorando el proceso de reconocimiento cuando la geometría de contacto y por lo tanto, la forma de los objetos es similar. El método propuesto emplea técnicas de clasificación de aprendizaje supervisado para combinar los datos de ambos tipos de sensores e identificar el tipo de objeto con un porcentaje de acierto medio del 95,5% con métrica ‘accuracy’ y 95.3% con F1(F-score) aun en presencia de incertidumbre de medida y ambigüedad. Estas ratios de acierto se han alcanzado experimentando con 7 objetos domésticos y llevando a cabo más de 3000 agarres. es_ES
dc.description.abstract This work presents a hybrid proprioceptive-tactile approach to recognize grasped objects. Proprioceptive data of a robotic hand are used to estimate contact geometry and thus, to distinguish the shape of each of the objects that are being grasped. The contact geometry is determined by the joint data of the robotic hand when it carries out a grip in closure grasps configuration on the object surface. In addition, the tactile data allow to robotic hand to determine rigidity and flexibility properties of the grasped object, improving the recognition process when the contact geometry and therefore, the shapes of different objects are similar. The proposed method employs supervised learning classification techniques to combine the data from both types of sensors and identify the type of object with an average success rate of 95,5% (with accuracy) and 95.3% (with F1 or F-score)even in the presence of measurement with uncertainty and ambiguity of pose. These success ratios have been achieved by experimenting with 7 different objects and performing more than 3000 grasps. es_ES
dc.description.sponsorship Fondo Europeo de Desarrollo Regional. Proyecto europeo COMMANDIA (SOE2/P1/F0638) cofinanciado por el programa Interreg-V Sudoe y el proyecto nacional DPI2015-68087-R. es_ES
dc.format.extent 9 p. es_ES
dc.format.mimetype application/pdf en_US
dc.language.iso spa es_ES
dc.publisher Universidad de Extremadura es_ES
dc.relation.ispartof Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018 es_ES
dc.rights Atribución-NoComercial 3.0 España *
dc.rights.uri http://creativecommons.org/licenses/by-nc/3.0/es/ *
dc.subject Agarre de objetos es_ES
dc.subject Manipulación dextrógira es_ES
dc.subject Reconocimiento de objetos es_ES
dc.subject Aprendizaje propioceptivo y táctil es_ES
dc.subject Reconocimiento propioceptivo y táctil es_ES
dc.subject Object grasping es_ES
dc.subject Dextrogyre manipulation es_ES
dc.subject Object recognition es_ES
dc.subject Proprioceptive and tactile learning es_ES
dc.subject Proprioceptive and tactile recognition es_ES
dc.title Reconocimiento de objetos agarrados con sensorizado híbrido propioceptivo-táctil es_ES
dc.title.alternative Grasped object recognition with proprioceptive-tactile hybrid sensing es_ES
dc.type conferenceObject es_ES
dc.description.version peerReviewed es_ES
europeana.type TEXT en_US
dc.rights.accessRights openAccess es_ES
dc.subject.unesco 3311.01 Tecnología de la Automatización es_ES
dc.subject.unesco 1203.04 Inteligencia Artificial es_ES
europeana.dataProvider Universidad de Extremadura. España es_ES
dc.identifier.bibliographicCitation Velasco Sánchez, E., Zapata Impatá, B.S. y Gil, P. 2018. Reconocimiento de objetos agarrados con sensorizado híbrido propioceptivo-táctil. En: I. Tejado Balsera, E. Pérez Hernández, A.J. Calderón Godoy, I. González Pérez, P. Merchán García, J. Lozano Rogado, S. Salamanca Miño y B.M. Vinagre Jara (eds.) Actas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018. Badajoz: Universidad de Extremadura, pp. 224-232. ISBN 978-84-09-044460-3 es_ES
dc.type.version publishedVersion es_ES
dc.contributor.affiliation Universidad de Alicante es_ES


Files in this item

Files Size Format View
978-84-09-04460-3_224.pdf 4.057Mb PDF Thumbnail

The following license files are associated with this item:

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 3.0 España Except where otherwise noted, this item's license is described as Atribución-NoComercial 3.0 España

Search DSpace


Browse

My Account

Statistics

Help

Redes sociales