Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre
esencialmente una red neuronal estática con conexiones hacia delante de punto de
equilibrio que aprende solamente el mapeo entre la posición del objetivo y la postura
final del brazo; en INFANT no existe cálculo de trayectorias ni señales que varíen con el
tiempo.
Por el contrario, el controlador robótico MURPHY (Figura 5.1B; Mel, 1991) puede
planificar una trayectoria. Este sistema contiene dos subsistemas paralelos. Un mapa de
campo visual codifica la localización espacial del objeto, incluyendo la mano de
MURPHY. Un mapa para el campo visual acerca de la velocidad de la mano indica o
codifica la dirección de movimiento de la mano. Loa mapas de configuración articular y
de velocidad articular codifican los ángulos y la tasa de cambio de los tres ángulos que
determinan la configuración articular del brazo robot. Durante un periodo inicial de
aprendizaje, se establece un mapa que determina la cinemática directa entre la
configuración actual del brazo robot y la posición de la mano en el espacio
extrapersonal. Señales externas aleatorias comandadas sobre el mapa neuronal de
ángulos de articulación desplazan el brazo robot hacia distintas localizaciones
detectadas por la cámara. Esta información activa el mapa neuronal visual y permite el
aprendizaje de la relación entre una postura concreta del brazo robot (asociada al
patrón de activación en el mapa de ángulos de rotación) y la localización en
coordenadas espaciales de su mano o efector final. Una transformación de cinemática
inversa diferencial de velocidad de la mano a velocidades articulares se aprende al
mismo tiempo, usando los mismos ángulos de articulación del brazo y la dirección
deseada de movimiento de la mano hacia el objetivo para calcular las velocidades los
ángulos de rotación del brazo. Una vez entrenado, MURPHY se aproxima al objetivo
mediante una trayectoria incremental compuesta de numerosos y pequeños pasos.
Cada paso se selecciona haciendo pasar muchos vectores de activación de ángulos de
rotación a través de la red de cinemática directa para generar una especie de ‘imágenes’
mentales de la posición del brazo en el espacio sobre el mapa visual. Sistemas de
procesamiento fuera de la red seleccionan ‘el mejor’ de las siguientes posturas
incrementales ‘testeadas’ que muevan el brazo hacia el objetivo evitando obstáculos.
El modelo DIRECT (Figura 5.2A, Bullock y col, 1993) también aprende la
cinemática inversa diferencial que transforma movimientos de la mano en el espacio
cartesiano en movimientos de las articulaciones de un brazo mediante ‘balbuceos
motores’, pero su implementación es bastante diferente a la de MURPHY. En DIRECT,
un conjunto de neuronas codifican la posición del objetivo en coordenadas centradas en
el cuerpo. Otro conjunto de neuronas emplean señales visuales y proprioceptivas
(posiciones angulares actuales de las articulaciones) y codifican la posición espacial
actual del brazo robot. La diferencia entre estas dos señales especifica la dirección
deseada para el movimiento de la mano hacia el objetivo. A continuación otro conjunto
209