Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ... Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Capitulo 4. Modelo Neuronal para la Coordinación del Gesto Manual durante el Agarre aproximación al problema. Esta nueva aproximación está basada en la utilización de redes neuronales para aprender el mapeado entre la forma de un objeto y una configuración concreta de la mano o cierto tipo de agarre, (Kuperstein 1991; Uno y col, 1995; Taha y col, 1997). Los estudios previos enfatizan la correspondencia entre un objeto y una forma de la mano. Se puede argumentar que una misma postura de agarre puede emplearse para el agarre de dos objetos bien distintos y que el factor más importante a tener en cuenta cuando se aborda el agarre de un objeto consiste en identificar sus elementos ‘agarrables’ en lugar de considerar su forma general. Siguiendo esta línea de argumentación, estos elementos ‘agarrables’ de un objeto han sido denominados características agarrables por Moussa y Kamel (1998) o ‘affordances 1 ’ de agarre por Fagg y Arbib (1998). Si un modelo neuronal puede adquirir una representación de las affordances, entonces este modelo neuronal puede manejar un mayor número de posibles situaciones y por lo tanto ofrece mayor flexibilidad a la hora de planificar el agarre de un objeto. Además, con un sistema de éstas características se facilita la integración acerca de los requerimientos de la tarea a través de la selección adecuada de elementos agarrables ( si queremos beber de un vaso, en vez de agarrarlo desde arriba, en cuyo caso, la affordance seleccionada sería la circunferencia de su abertura principal, lo que hacemos es agarrarlo por el costado, que en sí constituye una affordance distinta). Moussa y Kamel (1998), siguiendo esta aproximación han propuesto una arquitectura computacional capaz de aprender una serie de reglas de agarre denominadas ‘funciones de agarre genéricas’. Un conocimiento sobre el agarre como éste puede ser posteriormente empleado como primera aproximación en la planificación de un movimiento de agarre, aproximación que más tarde debe refinarse empleando una estrategia local de síntesis de agarre tras el contacto con el objeto. En este capítulo nos centramos principalmente en el desarrollo de un modelo neuronal cuya dinámica establezca la evolución de unas representaciones neuronales biológicamente plausibles para los programas motores de agarre durante la ejecución de acciones orientadas a objetos, dejando los aspectos relacionados con el aprendizaje de esos programas motores para capítulos posteriores. El objetivo principal de este capítulo puede subdividirse en una serie de subtareas que se han acometido con el objeto de conseguir nuestro propósito: 1 A falta de un término que traduzca correctamente el concepto ‘affordance’, nosotros lo emplearemos con el siguiente significado: ‘Affordances’ son las propiedades fundamentales percibidas de un objeto, que determinan las distintas maneras en las que ese objeto puede ser utilizado. Por ejemplo, una taza de té posee una serie de propiedades (affordances) que hacen que dicho objeto pueda ser objeto de distintas acciones de agarre orientadas hacia él. Los programas motores que se deben instanciar a la hora de agarrar esa taza por su parte cilíndrica con la intención de ser simplemente transladada de un punto a otro del espacio no serán los mismos a los que se intancien si esa taza se agarra por el asa con la intención de sorber el líquido interior. 152
Capitulo 4. Modelo Neuronal para la Coordinación del Gesto Manual durante el Agarre a) Análisis y síntesis de gestos de la mano. Este objetivo específico trata de identificar el número efectivo de grados de libertad involucrados en la configuración total de la mano durante el movimiento de agarre. Se trata de extraer los parámetros cinemáticos apropiados que permitan sintetizar las representaciones neuronales correctas a la hora de describir la evolución temporal de los programas motores involucrados en la preconfiguración de la mano durante el agarre. El análisis de componentes principales de posturas (Santello y Soechting, 1997; Santello y col, 1998) y gestos completos de la mano (Mason y col, 2001; Santello y col, 2002) durante movimientos de agarre se emplea como herramienta para desarrollar una parametrización apropiada de estos programas motores. b) Desarrollo de una Biblioteca de Gestos. Se postula que el movimiento de preconfiguración de los dedos de la mano pude entenderse en términos de una Biblioteca de Gestos, constituida por una serie de primitivas motoras para varios tipos de agarres orientados a objeto. Este objetivo concreto se centra en el estudio de las representaciones neuronales dinámicas de éstas primitivas motoras. c) Desarrollo de una red neuronal cortico – subcortical para el agarre. Este objetivo en concreto trata de integrar la Biblioteca de Gestos con las redes neuronales para la coordinación del alcance y el agarre desarrollados en el capitulo anterior. Los gestos de la mano que se obtienen de este modelo incluyen la modulación de las componentes gesturales por parte de los requerimientos de la tarea (ej, en un agarre de precisión, el agarre de un lápiz vs el agarre de una moneda) 3. Experimentos con CyberGlove. Análisis y Síntesis del gesto de agarre. Para realizar el análisis de los gestos manuales que nos permita identificar el número efectivo de grados de libertad involucrados en la configuración total de la mano durante el movimiento de agarre, y posteriormente, sintetizar en un modelo una descripción reducida de la acción de agarre con una mano antropomorfa, se han llevado a cabo una serie de experiencias de captación movimientos de agarre con un guante CyberGlove. Con estas experiencias, se pretende extraer de los datos obtenidos, una serie de parámetros cinemáticos que posteriormente permitan sintetizar un conjunto 153
- Page 107 and 108: Capitulo 3. El Agarre en la EP. Mod
- Page 109 and 110: Capitulo 3. El Agarre en la EP. Mod
- Page 111 and 112: Capitulo 3. El Agarre en la EP. Mod
- Page 113 and 114: Capitulo 3. El Agarre en la EP. Mod
- Page 115 and 116: Capitulo 3. El Agarre en la EP. Mod
- Page 117 and 118: Capitulo 3. El Agarre en la EP. Mod
- Page 119 and 120: Capitulo 3. El Agarre en la EP. Mod
- Page 121 and 122: Capitulo 3. El Agarre en la EP. Mod
- Page 123 and 124: Capitulo 3. El Agarre en la EP. Mod
- Page 125 and 126: Capitulo 3. El Agarre en la EP. Mod
- Page 127 and 128: Capitulo 3. El Agarre en la EP. Mod
- Page 129 and 130: Capitulo 3. El Agarre en la EP. Mod
- Page 131 and 132: Capitulo 3. El Agarre en la EP. Mod
- Page 133 and 134: Capitulo 3. El Agarre en la EP. Mod
- Page 135 and 136: Capitulo 3. El Agarre en la EP. Mod
- Page 137 and 138: Capitulo 3. El Agarre en la EP. Mod
- Page 139 and 140: Capitulo 3. El Agarre en la EP. Mod
- Page 141 and 142: Capitulo 3. El Agarre en la EP. Mod
- Page 143 and 144: Capitulo 3. El Agarre en la EP. Mod
- Page 145 and 146: Capitulo 3. El Agarre en la EP. Mod
- Page 147 and 148: Capitulo 3. El Agarre en la EP. Mod
- Page 149 and 150: Capitulo 3. El Agarre en la EP. Mod
- Page 151 and 152: Capitulo 3. El Agarre en la EP. Mod
- Page 153 and 154: Capitulo 3. El Agarre en la EP. Mod
- Page 155 and 156: Capitulo 4. Modelo Neuronal para la
- Page 157: Capitulo 4. Modelo Neuronal para la
- Page 161 and 162: Capitulo 4. Modelo Neuronal para la
- Page 163 and 164: Capitulo 4. Modelo Neuronal para la
- Page 165 and 166: Capitulo 4. Modelo Neuronal para la
- Page 167 and 168: Capitulo 4. Modelo Neuronal para la
- Page 169 and 170: Capitulo 4. Modelo Neuronal para la
- Page 171 and 172: Capitulo 4. Modelo Neuronal para la
- Page 173 and 174: Capitulo 4. Modelo Neuronal para la
- Page 175 and 176: Capitulo 4. Modelo Neuronal para la
- Page 177 and 178: Capitulo 4. Modelo Neuronal para la
- Page 179 and 180: Capitulo 4. Modelo Neuronal para la
- Page 181 and 182: Capitulo 4. Modelo Neuronal para la
- Page 183 and 184: Capitulo 4. Modelo Neuronal para la
- Page 185 and 186: Capitulo 4. Modelo Neuronal para la
- Page 187 and 188: Capitulo 4. Modelo Neuronal para la
- Page 189 and 190: Capitulo 4. Modelo Neuronal para la
- Page 191 and 192: Capitulo 4. Modelo Neuronal para la
- Page 193 and 194: Capitulo 4. Modelo Neuronal para la
- Page 195 and 196: Capitulo 4. Modelo Neuronal para la
- Page 197 and 198: Capitulo 4. Modelo Neuronal para la
- Page 199 and 200: Capitulo 4. Modelo Neuronal para la
- Page 201 and 202: Capitulo 4. Modelo Neuronal para la
- Page 203 and 204: Capitulo 4. Modelo Neuronal para la
- Page 205 and 206: Capitulo 4. Modelo Neuronal para la
- Page 207 and 208: Capitulo 4. Modelo Neuronal para la
Capitulo 4. Mo<strong>de</strong>lo Neuronal para la Coordinación <strong>de</strong>l Gesto Manual durante el Agarre<br />
aproximación al problema. Esta nueva aproximación está basada en la utilización <strong>de</strong><br />
re<strong>de</strong>s neuronales para apren<strong>de</strong>r el mapeado entre la forma <strong>de</strong> un objeto y una<br />
configuración concreta <strong>de</strong> la mano o cierto tipo <strong>de</strong> agarre, (Kuperstein 1991; Uno y col,<br />
1995; Taha y col, 1997). Los estudios previos enfatizan la correspon<strong>de</strong>ncia entre un<br />
objeto y una forma <strong>de</strong> la mano. Se pue<strong>de</strong> argumentar que una misma postura <strong>de</strong> agarre<br />
pue<strong>de</strong> emplearse para el agarre <strong>de</strong> dos objetos bien distintos y que el factor más<br />
importante a tener en cuenta cuando se aborda el agarre <strong>de</strong> un objeto consiste en<br />
i<strong>de</strong>ntificar sus elementos ‘agarrables’ en lugar <strong>de</strong> consi<strong>de</strong>rar su forma general.<br />
Siguiendo esta línea <strong>de</strong> argumentación, estos elementos ‘agarrables’ <strong>de</strong> un objeto han<br />
sido <strong>de</strong>nominados características agarrables por Moussa y Kamel (1998) o ‘affordances 1 ’<br />
<strong>de</strong> agarre por Fagg y Arbib (1998). Si un mo<strong>de</strong>lo neuronal pue<strong>de</strong> adquirir una<br />
representación <strong>de</strong> las affordances, entonces este mo<strong>de</strong>lo neuronal pue<strong>de</strong> manejar un<br />
mayor número <strong>de</strong> posibles situaciones y por lo tanto ofrece mayor flexibilidad a la hora<br />
<strong>de</strong> planificar el agarre <strong>de</strong> un objeto. A<strong>de</strong>más, con un sistema <strong>de</strong> éstas características se<br />
facilita la integración acerca <strong>de</strong> los requerimientos <strong>de</strong> la tarea a través <strong>de</strong> la selección<br />
a<strong>de</strong>cuada <strong>de</strong> elementos agarrables ( si queremos beber <strong>de</strong> un vaso, en vez <strong>de</strong> agarrarlo<br />
<strong>de</strong>s<strong>de</strong> arriba, en cuyo caso, la affordance seleccionada sería la circunferencia <strong>de</strong> su<br />
abertura principal, lo que hacemos es agarrarlo por el costado, que en sí constituye una<br />
affordance distinta). Moussa y Kamel (1998), siguiendo esta aproximación han<br />
propuesto una arquitectura computacional capaz <strong>de</strong> apren<strong>de</strong>r una serie <strong>de</strong> reglas <strong>de</strong><br />
agarre <strong>de</strong>nominadas ‘funciones <strong>de</strong> agarre genéricas’. Un conocimiento sobre el agarre<br />
como éste pue<strong>de</strong> ser posteriormente empleado como primera aproximación en la<br />
planificación <strong>de</strong> un movimiento <strong>de</strong> agarre, aproximación que más tar<strong>de</strong> <strong>de</strong>be refinarse<br />
empleando una estrategia local <strong>de</strong> síntesis <strong>de</strong> agarre tras el contacto con el objeto.<br />
En este capítulo nos centramos principalmente en el <strong>de</strong>sarrollo <strong>de</strong> un mo<strong>de</strong>lo<br />
neuronal cuya dinámica establezca la evolución <strong>de</strong> unas representaciones neuronales<br />
biológicamente plausibles para los programas motores <strong>de</strong> agarre durante la ejecución<br />
<strong>de</strong> acciones orientadas a objetos, <strong>de</strong>jando los aspectos relacionados con el aprendizaje<br />
<strong>de</strong> esos programas motores para capítulos posteriores. El objetivo principal <strong>de</strong> este<br />
capítulo pue<strong>de</strong> subdividirse en una serie <strong>de</strong> subtareas que se han acometido con el<br />
objeto <strong>de</strong> conseguir nuestro propósito:<br />
1 A falta <strong>de</strong> un término que traduzca correctamente el concepto ‘affordance’, nosotros lo emplearemos con el<br />
siguiente significado: ‘Affordances’ son las propieda<strong>de</strong>s fundamentales percibidas <strong>de</strong> un objeto, que <strong>de</strong>terminan las<br />
distintas maneras en las que ese objeto pue<strong>de</strong> ser utilizado. Por ejemplo, una taza <strong>de</strong> té posee una serie <strong>de</strong><br />
propieda<strong>de</strong>s (affordances) que hacen que dicho objeto pueda ser objeto <strong>de</strong> distintas acciones <strong>de</strong> agarre orientadas<br />
hacia él. Los programas motores que se <strong>de</strong>ben instanciar a la hora <strong>de</strong> agarrar esa taza por su parte cilíndrica con la<br />
intención <strong>de</strong> ser simplemente transladada <strong>de</strong> un punto a otro <strong>de</strong>l espacio no serán los mismos a los que se intancien<br />
si esa taza se agarra por el asa con la intención <strong>de</strong> sorber el líquido interior.<br />
152