Please use this identifier to cite or link to this item: http://hdl.handle.net/10662/8241
Full metadata record
DC FieldValueLanguage
dc.contributor.authorVelasco Sánchez, Edison-
dc.contributor.authorZapata Impata, Brayan Stiven-
dc.contributor.authorGil, Pablo-
dc.date.accessioned2018-11-20T09:29:11Z-
dc.date.available2018-11-20T09:29:11Z-
dc.date.issued2018-
dc.identifier.isbn978-84-09-044460-3-
dc.identifier.urihttp://hdl.handle.net/10662/8241-
dc.descriptionComunicación 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.abstractEste 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.abstractThis 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.sponsorshipFondo 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.extent9 p.es_ES
dc.format.mimetypeapplication/pdfen_US
dc.language.isospaes_ES
dc.publisherUniversidad de Extremaduraes_ES
dc.relation.ispartofActas de las XXXIX Jornadas de Automática, Badajoz, 5-7 de Septiembre de 2018es_ES
dc.rightsAtribución-NoComercial 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc/3.0/es/*
dc.subjectAgarre de objetoses_ES
dc.subjectManipulación dextrógiraes_ES
dc.subjectReconocimiento de objetoses_ES
dc.subjectAprendizaje propioceptivo y táctiles_ES
dc.subjectReconocimiento propioceptivo y táctiles_ES
dc.subjectObject graspinges_ES
dc.subjectDextrogyre manipulationes_ES
dc.subjectObject recognitiones_ES
dc.subjectProprioceptive and tactile learninges_ES
dc.subjectProprioceptive and tactile recognitiones_ES
dc.titleReconocimiento de objetos agarrados con sensorizado híbrido propioceptivo-táctiles_ES
dc.title.alternativeGrasped object recognition with proprioceptive-tactile hybrid sensinges_ES
dc.typeconferenceObjectes_ES
dc.description.versionpeerReviewedes_ES
europeana.typeTEXTen_US
dc.rights.accessRightsopenAccesses_ES
dc.subject.unesco3311.01 Tecnología de la Automatizaciónes_ES
dc.subject.unesco1203.04 Inteligencia Artificiales_ES
europeana.dataProviderUniversidad de Extremadura. Españaes_ES
dc.identifier.bibliographicCitationVelasco 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 978-84-09-044460-3es_ES
dc.type.versionpublishedVersiones_ES
dc.contributor.affiliationUniversidad de Alicantees_ES
Appears in Collections:XXXIX Jornadas de Automática

Files in This Item:
File Description SizeFormat 
978-84-09-04460-3_224.pdf4,16 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons