Resumen:
En la última década, los avances en inteligencia artificial y en el hardware en robótica han sido prominentes, a tal grado de que se está logrando automatizar por completo cada parte del robot con la ayuda del aprendizaje profundo para darle una inteligencia parecida a la humana. En el campo de aprendizaje por refuerzo profundo (DRL, por sus siglas en inglés) aplicado en brazos robóticos, se ha logrado una fusión concisa, pero con tareas que no requieren tanta destreza y respuesta de reacción, como el levantamiento y arrastre de objetos, aproximación de posiciones o en deportes que requieren muchas pausas. Por ello, en este trabajo se propone un sistema impulsado por aprendizaje por refuerzo profundo que controla el brazo robótico de pequeña escala MyCobot 280jn para interactuar con un videojuego (exergame) de realidad virtual que establece una dinámica que demanda destreza; como lo es Beat Saber, el cual usa la interfaz HTC Vive. El objetivo de esto es probar si el agente es capaz de igualar la destreza humana con el brazo robótico propuesto. Cabe mencionar que también se incorporan técnicas de visión computacional como You Only Look Once (YOLO).
Descripción:
Se utilizaron algoritmos de aprendizaje por refuerzo profundo y visión computacional para entrenar a un brazo robótico que fuera capaz de realizar un videojuego tipo exergame (Beat Saber) para medir su desempeño y determinar si puede competir contra la destreza humana. Los mejores resultados muestran que
DDPG+HER logra igualar en un 83.69 % a la destreza humana en fácil y un 47.65 % en difícil.
