Aprendizaje motor en robots humanoides a partir de la imitación humana

Abstract

El control motor en robots humanoides es una tarea compleja debido al alto número de grados de libertad que deben ser tratados; la mayoría de las soluciones presentadas para el area de control de movimiento dependen, en gran medida, de la información específica del dominio sobre el robot o la tarea motora concreta a desarrollar, lo cual, dificulta la posibilidad de generalizar la solución. El aprendizaje por demostración surge como una alternativa más sencilla para la programación de habilidades motoras en robots, pero hasta ahora la mayoría de las arquitecturas propuestas sólo han sido validadas con tareas motoras que no comprometen la estabilidad del robot. Este trabajo presenta el desarrollo de una arquitectura de aprendizaje por imitación que no requiere de un modelo analítico del robot ni del comportamiento motor a ser aprendido. Su validación se realiza utilizando la marcha como el comportamiento motor a ser aprendido por un robot bípedo. La solución propuesta toma como entrada, información de captura de movimiento a partir de la ejecución de la tarea por un grupo de maestros humanos; la salida es calculada mediante un algoritmo genético para el que se definen operadores de selección, mutación y cruzamiento, acordes al problema de aprendizaje por imitación; estos operadores aplican sobre una codificación de cromosoma implementada mediante una serie temporal donde el conjunto de las posiciones angulares de cada pose corresponden a cada gen del cromosoma representado por dicha serie. A partir de esto, el robot puede reproducir la tarea asignada utilizando su propio repertorio motor.