Una solución a la cinemática inversa de un brazo robótico antropomorfo utilizando la imitación humana

Abstract

El paradigma de imitación humana en robot humanoides es aplicar una solución para lograr la ejecución de tareas en entornos de trabajo realistas, hechos por humanos y para humanos. Siguiendo esa linea, este trabajo de investigación propone una solución a la cinemática inversa de un brazo antropomorfo de 7 grados de libertad que posee una morfología basada en el ser humano. La propuesta consiste en una técnica que utiliza la observación y réplica sumando métodos matemáticos y computacionales para la creación de conocimiento de soluciones humanas. Se propone un método de reducción de dimensionalidad para la aplicación de una técnica de interpolación no-lineal que sea capaz de almacenar datos expertos tomados y capturados de las posiciones y posturas de brazos humanos realizando distintas actividades. La idea es crear una base de conocimiento para resolver la redundancia de soluciones de un brazo humano y reducirla a una única solución que sea perceptiblemente humana. La propuesta plantea tres fases. La primera es la fase de reducción de dimensionalidad que es la encargada de aplicar métodos matemáticos que reducen los datos expertos a una única variable sin perdidas de información, esto gracias a aprovechar el sistema único de la arquitectura del brazo robótico antropomorfo humanoide. La segunda fase es la encargada de crear y utilizar una función que almacene el conocimiento de las distintas soluciones de la cinemática inversa, utilizando la fase de reducción de dimensionalidad para eliminar el error que podría generarse si el sistema posee más de una sola dimensión. La tercera fase consta de la expansión de dimensionalidad sin pérdida de datos para obtener los datos solución que el brazo robótico requiera, los cuales son los grados rotacionales que sean necesarios para cada motor. La propuesta fue alimentada por datos capturados por un exoesqueleto pasivo creado por el autor. Se recolectaron distintos puntos solución para crear el conocimiento experto de posiciones humanas. Luego del entrenamiento fue probado, obteniendo resultados satisfactorias de convergencia de la función interpoladora y mostrando resultados satisfactorios en un simulador 3D.