Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre
del control motor biológico que pueden ser aplicables en la resolución de problemáticas
asociadas a tareas similares en el campo de la robótica antropomorfa.
2.2 Movimientos de agarre: Modelos conexionistas. Redes Neuronales para el
aprendizaje de la postura de la mano.
En el estudio del problema del aprendizaje de la postura manual correcta que
debe implementarse a la hora de llevar a cabo el agarre correcto de un objeto los
modelistas que pretenden establecer los aspectos computacionales asociados a dicha
tarea y posteriormente aplicar dichos aspectos a ámbitos de la tecnología tales como la
robótica, poseen una variedad de fuentes de información para basar su trabajo. Los
estudios de comportamiento proporcionan información acerca de cómo estos aspectos
computacionales se manifiestan tanto en sujetos normales como en sujetos con lesiones.
Los experimentos neuroanatómicos ofrecen una serie de restricciones tales como el flujo
de información (y por lo tanto el tipo de cálculos que se están llevando a cabo). Los
experimentos neurofisiológicos pueden ofrecer datos muy valiosos acerca de los
cálculos que se llevan a cabo al nivel neuronal. Tomar toda esta información y unificarla
en marco común resulta una tarea ingente y ardua. Una aproximación a este problema
consiste en la construcción de modelos matemáticos de los procesos neuronales
asociados a los cálculos que resultan de interés. Una herramienta especialmente útil en
este dominio son los ‘algoritmos de aprendizaje’, éstos, especifican la manera en la que
las neuronas individuales de un modelo deben estar conectadas entre sí a la hora de
satisfacer una serie de especificaciones. Por ejemplo, es posible emplear información
acerca del comportamiento para especificar el tipo de cálculos que una red neuronal
debe llevar a cabo como un todo, pero es el algoritmo de aprendizaje el que determina
el comportamiento de las neuronas individuales. Estos patrones de actividad pueden
ser comparados posteriormente con los patrones observados con sistemas biológicos
reales.
En lo que sigue, examinaremos varias casos que muestran como los datos
biológicos relacionados con el aprendizaje de posturas manuales de agarre pueden ser
estudiados empleando modelos neuronales conexionistas. Ambos casos poseen puntos
en común y diferencias marcadas con el sistema propuesto en esta Tesis Doctoral y que
será presentado en el apartado 3.
Combinación de ejemplos humanos y criterios de optimización
Uno y col., 1993 desarrollaron una red neuronal de cinco capas para determinar
posturas óptimas de mano (Figura 5.3) durante ciertas tareas de agarre. Durante la fase
de aprendizaje, la red analiza las formas de ciertos objetos y las posturas que la mano de
213