Departamento de Computación

Un alto porcentaje de los robots humanoides que se implementan hoy en día intentan imitar nuestro sistema motriz para desplazarse e interactuar con el medio que les rodea. La ventaja principal de la utilización de robots humanoides reside en que este tipo de robots puede trabajar directamente en los mismos ambientes que los humanos sin que se deban realizar modificaciones sobre dicho ambiente; al contrario de lo que ocurre actualmente con los robots móviles con ruedas. Actualmente, se buscan novedosas formas que ayuden al perfeccionamiento y optimización de la marcha bípeda en robots. Una propuesta de mejora es el uso de datos que describan la marcha humana, debido a que la locomoción humana tiene características flexibles, estables y naturales útiles en los robots bípedos. En este trabajo se genera marcha robótica bípeda estable mediante el análisis de datos con técnicas de data mining. Primero se realizan controladores clásicos como el PD y PID, los cuales no utilizan datos humanos y son punto de referencia para implementar técnicas que combinan el control de robot bípedos y el procesamiento de datos humanos utilizando data mininig. Las técnicas que se utilizaron son de agrupación los cuales son regression clustering (RC), k-means y fuzzy c-means (FCM). Para poder comprobar su funcionamiento y garantizar su estabilidad de la marcha (sin caídas), se diseñaron experimentos los cuales están basados en la marcha suave, el comportamiento de los métodos ante el aumento de velocidad y cambio de inclinación del suelo. Los resultados obtenidos con las implementaciones de las técnicas que utilizan datos humanos son mejores ante el aumento velocidad y la robustez presentada es mejor que las técnicas de control clásico PD y PID. Además si se realiza una comparación entre las tres técnicas de agrupación se observa que el más rápido es el k-means seguido de FCM y por último RC. Sin embargo el movimiento bípedo mas naturalmente parecido al ser humano es el brindado por el controlador RC seguido de FCM y por ultimo k-means. Todo el análisis se puede observar mediante simulaciones realizados en un simulador de marcha robótica bípeda, este simulador fue implementado y contiene los cinco métodos anteriormente mencionados. Por último se comenta que esta tesis aborda una integración de tres tópicos importantes: información humana, minería de datos y robots bípedos. Por lo que se piensa que este trabajo contribuye en el estudio de estas tres temas. De manera que los resultados obtenidos brindan una alternativa para controlar la marcha de robots bípedos.

Abstract

A high percentage of humanoid robots that are deployed today try to imitate our drive system to move and interact with the environment around them. The main advantage of the use of humanoid robots is that such robots can work directly in the same environments that humans without modifications to be carried out on such an environment; contrary to what is currently happening with mobile robots with wheels. Currently, new ways to help the development and optimization of bipedal gait in robots are sought. A proposed improvement is the use of data describing human motion, because human locomotion has exible, stable and natural features useful in bipedal robots. In this paper stable bipedal robotic motion is generated by data analysis techniques data mining. First classic drivers like PD and PID are made, which no human data are used benchmark for implementing techniques that combine the control of biped robot and human data processing using data minig . The techniques used are grouping which are clustering regression (CR), k-means and fuzzy c-means (FCM). To check its operation and ensure stability of motion (falls), experiments which are based on the soft macha, the behavior of the methods to increase speed and change of inclination of the oor were designed. The results obtained with the implementation of the techniques they use human data are better at increasing speed and robustness presented is better than classical control techniques PD and PID. Also if a comparison between the three clustering techniques performed shows that the faster the k-means followed by FCM and finally RC. But naturally the most human-like bipedalism movement is provided by the RC controller followed by FCM and finally k-means. The entire analysis can be observed by simulations performed on a simulator biped robot motion, this simulator was implemented and contains the aforementioned five methods. Finally it is said that this thesis deals with the integration of three major topics: human data, data mining and bipedal robots. It is thought that this work contributes to the study of these three themes. So the results provide an alternative to control of bipedal walking robots.