Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ... Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Introducción agarre por parte de un manipulador robótico antropomorfo genérico. Nos centramos en dos fases de aprendizaje del sistema i) Aprendizaje de los efectos visuales de un comando motor ejecutado por la mano. ii) Aprendizaje de los comandos motores apropiados para la prensión de objetos. Se propone como hipótesis central del modelo el que, el éxito para el correcto aprendizaje de una tarea tan compleja como el agarre de un objeto, depende principalmente de la arquitectura neuronal subyacente y del procesado de la información que induce, más que de soluciones puramente algorítmicas. • Transferencia de los principios biológicos del comportamiento cognitivomotriz en humanos y primates hacia el diseño de sistemas de control para robots antropomorfos más flexibles y robustos. Los resultados de la investigación desarrollada en esta Tesis Doctoral podrían ser enfocados a su aplicación en áreas en las que un comportamiento similar al humano sea deseable, como por ejemplo, el diseño de sistemas de control para prótesis avanzadas o la robótica de servicio y de rehabilitación. 3. Metodología empleada en el desarrollo de la investigación. El Modelado Neuronal Dinámico Los modelos presentados en esta Tesis Doctoral se han desarrollado siguiendo la metodología del Modelado Neuronal Dinámico (Bullock y Grossberg, 1988a; Bullock y col, 1993; Contreras Vidal y col, 2001). El objetivo de esta metodología es la formalización y descripción matemática de los principios biológicos que relacionan determinados aspectos del comportamiento humano o animal con mecanismos neuronales específicos. De esta manera, el método emplea un enfoque de arriba-abajo (Top-Down) en cuanto que el comportamiento humano o animal guía dicho modelado neuronal, mientras que los mecanismos neuronales definen la infraestructura necesaria para generar dicho comportamiento. Este enfoque se conoce como enfoque abajo-arriba (Bottom-Up). El método del modelado neuronal puede describirse en siete etapas generales que definen un ciclo que empieza en el estudio de un sistema biológico, como puede ser un primate, hasta la obtención de modelos que puedan ser transferidos a la ingeniería (Figura 1). 4
Introducción 1. Análisis experimental del sistema biológico (percepción, acción, cognición) 7. Transferencia tecnológica 6. Propiedades emergentes 5. Obtención de características operacionales 5 2. Estudio de la neurobiología del sistema 3. Modelo matemático dinámico 4. Simulación del modelo Figura 1. El método del modelado neuronal dinámico 3.1 Análisis experimental del sistema biológico Proceso en el que se definen los aspectos del comportamiento humano o animal a modelar. Estos aspectos se pueden categorizar de forma general en tareas de percepción, acción y cognitivas. Esta etapa se centra en la búsqueda de características invariables en el comportamiento a estudiar. Dichas características o rangos invariables definen los principios biológicos de computación que se busca modelar. Generalmente, se empieza por analizar los resultados de los experimentos psicofísicos diseñados para explorar hipótesis acerca del funcionamiento de ciertas estructuras neuronales en el cerebro. Por ejemplo, en el ámbito de la acción se pueden estudiar aspectos de la coordinación del movimiento en los humanos como: forma de las trayectorias, sincronización y correlación espacio-temporal de las articulaciones, duración del movimiento, etc. 3.2 Estudio de la neurobiología del sistema En esta etapa, se intentan delimitar los posibles mecanismos neuronales que producen el comportamiento observado. A partir de diferentes ramas científicas y técnicas (neuroanatomía, neurofisiología, farmacología, imaginería cerebral, etc…) se pueden estudiar la conectividad y topología del cerebro a nivel local, regional y de
- Page 1 and 2: Universidad Politécnica de Cartage
- Page 3 and 4: Neuro - Robotics constitutes an eme
- Page 5 and 6: The results of the research develop
- Page 7 and 8: Índice General Agradecimientos Int
- Page 9 and 10: 5.2 Simulaciones del modelo. Modeli
- Page 11 and 12: Introducción 1 Introducción Intro
- Page 13: Introducción la hora de inspirar m
- Page 17 and 18: Introducción 3.7 Transferencia tec
- Page 19 and 20: Introducción presentan objetos de
- Page 21 and 22: Capitulo 1. El Movimiento de Agarre
- Page 23 and 24: Capitulo 1. El Movimiento de Agarre
- Page 25 and 26: Capitulo 1. El Movimiento de Agarre
- Page 27 and 28: Capitulo 1. El Movimiento de Agarre
- Page 29 and 30: Capitulo 1. El Movimiento de Agarre
- Page 31 and 32: Capitulo 1. El Movimiento de Agarre
- Page 33 and 34: Capitulo 1. El Movimiento de Agarre
- Page 35 and 36: Capitulo 1. El Movimiento de Agarre
- Page 37 and 38: Capitulo 1. El Movimiento de Agarre
- Page 39 and 40: Capitulo 1. El Movimiento de Agarre
- Page 41 and 42: Capitulo 1. El Movimiento de Agarre
- Page 43 and 44: Capitulo 1. El Movimiento de Agarre
- Page 45 and 46: Capitulo 1. El Movimiento de Agarre
- Page 47 and 48: Capitulo 1. El Movimiento de Agarre
- Page 49 and 50: Capitulo 1. El Movimiento de Agarre
- Page 51 and 52: Capitulo 1. El Movimiento de Agarre
- Page 53 and 54: Capitulo 2. Modelos Computacionales
- Page 55 and 56: Capitulo 2. Modelos Computacionales
- Page 57 and 58: Capitulo 2. Modelos Computacionales
- Page 59 and 60: Capitulo 2. Modelos Computacionales
- Page 61 and 62: Capitulo 2. Modelos Computacionales
- Page 63 and 64: Capitulo 2. Modelos Computacionales
Introducción<br />
1. Análisis experimental <strong>de</strong>l sistema biológico<br />
(percepción, acción, cognición)<br />
7. Transferencia<br />
tecnológica<br />
6. Propieda<strong>de</strong>s<br />
emergentes<br />
5. Obtención <strong>de</strong><br />
características<br />
operacionales<br />
5<br />
2. Estudio <strong>de</strong> la neurobiología<br />
<strong>de</strong>l sistema<br />
3. Mo<strong>de</strong>lo matemático<br />
dinámico<br />
4. Simulación <strong>de</strong>l mo<strong>de</strong>lo<br />
Figura 1. El método <strong>de</strong>l mo<strong>de</strong>lado neuronal dinámico<br />
3.1 Análisis experimental <strong>de</strong>l sistema biológico<br />
Proceso en el que se <strong>de</strong>finen los aspectos <strong>de</strong>l comportamiento humano o animal a<br />
mo<strong>de</strong>lar. Estos aspectos se pue<strong>de</strong>n categorizar <strong>de</strong> forma general en tareas <strong>de</strong><br />
percepción, acción y cognitivas. Esta etapa se centra en la búsqueda <strong>de</strong> características<br />
invariables en el comportamiento a estudiar. Dichas características o rangos invariables<br />
<strong>de</strong>finen los principios biológicos <strong>de</strong> computación que se busca mo<strong>de</strong>lar. Generalmente,<br />
se empieza por analizar los resultados <strong>de</strong> los experimentos psicofísicos diseñados para<br />
explorar hipótesis acerca <strong>de</strong>l funcionamiento <strong>de</strong> ciertas estructuras neuronales en el<br />
cerebro. Por ejemplo, en el ámbito <strong>de</strong> la acción se pue<strong>de</strong>n estudiar aspectos <strong>de</strong> la<br />
coordinación <strong>de</strong>l movimiento en los humanos como: forma <strong>de</strong> las trayectorias,<br />
sincronización y correlación espacio-temporal <strong>de</strong> las articulaciones, duración <strong>de</strong>l<br />
movimiento, etc.<br />
3.2 Estudio <strong>de</strong> la neurobiología <strong>de</strong>l sistema<br />
En esta etapa, se intentan <strong>de</strong>limitar los posibles mecanismos neuronales que<br />
producen el comportamiento observado. A partir <strong>de</strong> diferentes ramas científicas y<br />
técnicas (neuroanatomía, neurofisiología, farmacología, imaginería cerebral, etc…) se<br />
pue<strong>de</strong>n estudiar la conectividad y topología <strong>de</strong>l cerebro a nivel local, regional y <strong>de</strong>
Change language