Redes neuronales para manipulación de objetos en robots de servicio

Abstract

La manipulación de objetos es una habilidad clave en los robots de servicio doméstico que tradicionalmente se ha abordado con métodos analíticos y estadísticos, y más recientemente, con técnicas de aprendizaje automático. En este trabajo, se aborda el problema de proponer una pose adecuada del efector final para tomar un objeto a partir de una nube de puntos parcial. Se propone una arquitectura de red neuronal compuesta por tres partes principales: un codificador convolucional, una etapa para obtener la posición del efector final y otra para obtener la orientación. Para proponer las orientaciones, se utilizaron dos enfoques: regresión geodésica y un modelo de mezclas de kernel.