Mínimos Cuadrados Recursivos para un Manipulador que Aprende por Demostración

José de Jesús Rubio, Enrique García, Gustavo Aquino, Carlos Aguilar-Ibáñez, Jaime Pacheco, Jesús Alberto Meda-Campaña

Resumen

En este trabajo, se desarrolla un sistema de control automatizado para permitir que un manipulador aprenda y planifique las trayectorias a partir de las demostraciones dadas por la mano de un usuario. La entrada de datos es adquirida por un sensor, y se aprende su comportamiento a través de un algoritmo de aprendizaje automático basado en los mínimos cuadrados recursivos. Se utiliza un perfil de trayectoria de interpoladores a tramos para evitar el movimiento impulsivo del manipulador. Se realiza el análisis de las cinemáticas directa e inversa para obtener los valores de las variables articulares para el manipulador. Se crea un modelo dinámico usando la formulación de Newton-Euler. Se aplica un control proporcional derivativo al sistema. Los sistemas de monitoreo y control se implementan en una plataforma embebida para fines de prueba.

Palabras clave

Manipulador; mínimos cuadrados recursivos; trayectoria; cinematica; modelo; plataforma embebida

Texto completo:

PDF

Referencias

Calderón C. A., Ramírez C., Barros V., Punin G., 2017. Design and deployment of grasp control system applied to robotic hand prosthesis, IEEE Latin America Transactions, 15, (2), 181-188. https://doi.org/10.1109/tla.2017.7854610

Candelas F. A., Torres F., Gil P., Ortiz F., Puente S., Pomares J., 2004. Laboratorio virtual remoto para robótica y evaluación de su impacto en la docencia, Revista Iberoamericana de Automática e Informática Industrial, 1, (2), 49-57. https://doi.org/10.1016/s1697-7912(10)70011-x

Craig J. J., 2006. Introducción a la robótica, tercera edición, New Jersey, Prentice Hall.

Espinosa F., Lázaro J. L., Olivares J., 2018. Proyecto alcor: contribuciones a la optimización del guiado remoto de robots en espacios inteligentes, Revista Iberoamericana de Automática e Informática industrial. https://doi.org/10.4995/riai.2018.9199

García M. A., Gallardo J., Rodríguez R., Alcaraz L. A., 2017. A new four-degrees-of-freedom parallel manipulator, IEEE Latin America Transactions, 15, (5), 928-934. https://doi.org/10.1109/tla.2017.7910208

Hernández K., Bacca B., Posso B., 2017. Multi-goal path planning autonomous system for picking up and delivery tasks in mobile robotics, IEEE Latin America Transactions, 15, (2), 232-238. https://doi.org/10.1109/tla.2017.7854617

Hernández Guzmán V. M., Antonio Cruz M., Silva Ortigoza R., 2016. Linear state feedback regulation of a furuta pendulum: design based on differential flatness and root locus, IEEE Access, 4, 8721-8736. https://doi.org/10.1109/access.2016.2637822

Kanj S., Abdallah F., 2016. Editing training data for multi-label classification with the k-nearest neighbor rule, Pattern Analysis and Applications, 19, (1), 145-161. https://doi.org/10.1007/s10044-015-0452-8

Li X., Pan Y., Chen G., Yu H., 2017. Multi-modal control scheme for rehabilitation robotic exoskeletons, International Journal of Robotics Research, 36, (5), 759-777. https://doi.org/10.1177/0278364917691111

Liu Z., Liu J., 2017. Adaptive iterative learning boundary control of a flexible manipulator with guaranteed transient performance, Asian Journal of Control, 19, (4), 1-12. https://doi.org/10.1002/asjc.1379

Marín L., Valles M., Soriano A., Valera A., Albertos P., 2014. Event-based localization in ackermann steering limited resource mobile robots, IEEE/ASME Transactions on Mechatronics, 19, (4), 1171-1182. https://doi.org/10.1109/tmech.2013.2277271

Marín L., Valles M., Soriano A., Valera A., Albertos P., 2013. Multi sensor fusion framework for indoor-outdoor localization of limited resource mobile robots, Sensors, 13, 14133-14160. https://doi.org/10.3390/s131014133

Martín A., Terrile S., Barrientos A., del Cerro J., 2018. Robots hiperredundantes: clasificación, estado del arte y problemática, Revista Iberoamericana de Automática e Informática Industrial. https://doi.org/10.4995/riai.2018.9207

Méndez Pereza J. A., Torres S., Reboso J. A., Reboso H., 2011. Estrategias de control en la práctica de anestesia, Revista Iberoamericana de Automática e Informática industrial, 8, 241-249. https://doi.org/10.1016/j.riai.2011.06.011

Ngoc Thanh H. L. N., Kyung Hong S., 2018. Completion of collision avoidance control algorithm for multicopters based on geometrical constraints, IEEE Access, 6, 27111-27126. https://doi.org/10.1109/access.2018.2833158

Olivares M., Albertos P., 2014. Linear control of the flywheel inverted pendulum, ISA Transactions, 53, 1396-1403. https://doi.org/10.1016/j.isatra.2013.12.030

Ortigoza R. S., Sánchez J. R. G., Guzmán V. M. H., Sánchez C. M., Aranda M. M., 2016. Trajectory tracking control for a differential drive wheeled mobile robot considering the dynamics related to the actuators and power stage, IEEE Latin America Transactions, 14, (2), 657-664. https://doi.org/10.1109/tla.2016.7437207

Páramo Carranza L. A., Meda Campaña J. A., Rubio J. J., Tapia Herrera R., Curtidor López A. V., Grande Meza A., Cazares Ramirez I., 2017. Discrete-time Kalman filter for Takagi-Sugeno fuzzy models, Evolving Systems, 8, (3) 211-219. https://doi.org/10.1007/s12530-017-9181-0

Peng Y., Liu J., He W., 2017. Boundary control for a flexible inverted pendulum system based on a pde model, Asian Journal of Control, 19, (2), 1-10. https://doi.org/10.1002/asjc.1336

Pomares J., García G. J., Peréa I., Jara C., Torres F., 2012. Cámara virtual de referencia: una aproximación para el guiado combinado de robots manipuladores mediante una única cámara, Revista Iberoamericana de Automática e Informática Industrial, 9, 314-323. https://doi.org/10.1016/j.riai.2012.05.004

Pan Y., Zhang J., Yu H., 2016. Model reference composite learning control without persistency of excitation, IET Control Theory & Applications, 10, (16), 1963-1971. https://doi.org/10.1049/iet-cta.2016.0032

Rosado W. M. A., Valdés L. G. V., Ortega A. B., Ascencio J. R., Beltrán C. D. G., 2017. Passive rehabilitation exercises with an ankle rehabilitation prototype based in a robot parallel structure, IEEE Latin America Transactions, 15, (1), 48-56. https://doi.org/10.1109/tla.2017.7827887

Rubio J. J., 2018. Discrete time control based in neural networks for pendulums, Applied Soft Computing, 68, 821-832. https://doi.org/10.1016/j.asoc.2017.04.056

Rubio J. J., Vázquez D. M., Mujica-Vargas D., 2013. Acquisition system an approximation of brain signals. IET Science, Measurement, and Technology, 7, (4), 232-239. https://doi.org/10.1049/iet-smt.2012.0138

Rubio J. J., 2017. Interpolation neural network model of a manufactured wind turbine, Neural Computing and Applications, 28, (8), 2017-2028. https://doi.org/10.1007/s00521-015-2169-4

Sa S. T. L., Fernandes C. C., Yanaguibashi E. A., Barros R. P., Burlamaqui A. M. F., Goncalves L. M. G., 2017. Educaval: towards assessment of educational robotics softwares, IEEE Latin America Transactions, 15, (4), 720-728. https://doi.org/10.1109/tla.2017.7896400

Serrano M. E., Godoy S. A., Romoli S., Scaglia G. J. E., 2018. A numerical approximation-based controller for mobile robots with velocity limitation, Asian Journal of Control, 20, (1), 1-13. https://doi.org/10.1002/asjc.1522

Serrano F. E., Rodríguez-Gómez B. A., Cardona M., Obtención de un modelo dinámico para un robot 3RRR basado en teoría de screws, Revista Iberoamericana de Automática e Informática Industrial. https://doi.org/10.4995/riai.2018.8725

Sun T., Zhang J., Pan Y., 2017. Active disturbance rejection control of surface vessels using composite error updated extended state observer, Asian Journal of Control, 19, (5), 1802-1811. https://doi.org/10.1002/asjc.1489

Torres S., Méndez J. A., 2009. Seguimiento de trayectorias en robots manipuladores: revisión de soluciones y nuevas propuestas, Revista Iberoamericana de Automática e Informática Industrial, 6, (4), 80-92. https://doi.org/10.1016/s1697-7912(09)70111-6

Vázquez D. M., Rubio J. J., Pacheco J., 2012. Characterization framework for epileptics signals, IET Image Processing, 6, (9), 1227-1235. https://doi.org/10.1049/iet-ipr.2012.0037

Zhang C., Sun T., Pan Y., 2014. Neural network observer-based finite-time formation control of mobile robots, Mathematical Problems in Engineering, 2014, 1-9. https://doi.org/10.1155/2014/267307

Abstract Views

1891
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Three-dimensional nonrigid reconstruction based on probability model
Yaming Wang, Deming Shen, Wenqing Huang, Yonghua Han
International Journal of Advanced Robotic Systems  vol: 17  num.: 1  primera página: 172988142090162  año: 2020  
doi: 10.1177/1729881420901627



Licencia Creative Commons

Esta revista se publica bajo unaLicencia Creative Commons Atribución 4.0 Internacional.

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912