Machine learning techniques for mobile robots behaviours generation

• Autores: Jesús Martínez Gómez
• Directores de la Tesis: José Antonio Gámez Martín (dir. tes.) , Ismael García Varea (dir. tes.)
• Lectura: En la Universidad de Castilla-La Mancha ( España ) en 2011
• Idioma: inglés
• Tribunal Calificador de la Tesis: Vicente Matellán Olivera (presid.) , Luis Rodríguez Ruiz (secret.) , Pablo Bustos García de Castro (voc.) , G. Pardini (voc.) , Miguel Cazorla Quevedo (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • La tesis de nombre Machine Learning techniques for Mobile Robots Behaviour Generation aborda el uso de técnicas de aprendizaje automático, así como de reconocimiento de patrones, para la generación automática de comportamientos para robots móviles.

    Las contribuciones que se presentan en la tesis están relacionadas con el procesamiento de imágenes para robots móviles y el problema de autolocalización.

    La autolocalización de robots es un problema clave en el desarrollo de robots completamente autónomos. Para poder localizarse, un robot accede a dos distintas fuentes de información: odometría y observaciones. La odometría proporciona al robot, de forma incremental, información relativa a los movimientos que este realiza en el entorno. Las observaciones aportan información relativa a la localización del robot y son adquiridas a través de los distintos sensores con lo que el robot está equipado. Dado que las cámaras de visión son el principal sensor del robot, la forma de obtener información de localización desde las observaciones es utilizar técnicas de procesamiento de imágenes.

    En esta tesis se proporciona un amplio estudio sobre el uso de aprendizaje automático para desarrollar algoritmos de procesamiento de imágenes y localización. En relación con el procesamiento de imágenes, proponemos el uso de algoritmos genéticos para la detección de objetos en tiempo real, así como diversos clasificadores que estimen la calidad de las imágenes capturadas.

    El problema de localización se aborda utilizando dos puntos de vista: localización topológica y clasificación de espacios visuales. La localización topológica asume que se puede obtener con anterioridad un mapa del entorno y nuestras propuestas plantean el uso de la calidad de las imágenes para integrar de forma efectiva odometría y observaciones. La clasificación de espacios visuales consiste en clasificar imágenes adquiridas por un robot utilizando para ello áreas semánticas. Las propuestas planteadas para su resolución se basan en el uso de técnicas de clustering y máquinas de vector de soporte. El procesamiento visual se basa en el uso de características invariantes y descriptores visuales.