Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre
donde C2(y) posee un mínimo absoluto cuando las articulaciones metacarpiales MCP
de los dedos y la articulación carpometacarpal (CMC) del pulgar están flexionadas al
máximo, y las articulaciones interfalangeales proximales (PIP) e interfalangeal del
pulgar (IP) se encuentran totalmente extendidas. El algoritmo de aprendizaje permite
obtener valores de las funciones de selección que son óptimos (lo más cercanos posibles
a 1) ante la entrada visual de las características de los objetos a ser agarrados.
Figura 5.3. Izquierda: Red neuronal para el aprendizaje de posturas de la mano (Uno y col, 1993).
Derecha: Representación interna de los objetos agarrados en base a la actividad neuronal inducida para,
a) Agarre de cilindros de distinto tamaño empleando un agarre de fuerza, b) Agarre de cilindros de
distinto tamaño en agarre de precisión, c) Agarre de esferas de distinto tamaño en agarre de fuerza y d)
Agarre de esferas de distinto tamaño en agarre de precisión.
Aprendizaje por refuerzo en la planificación del agarre
En el tipo de aproximación llevada a cabo por Fagg (Fagg, 1992) más que aprender
a mimetizar acciones llevadas a cabo por un sujeto humano, la red neuronal aprende a
asociar propiedades intrínsecas de un objeto con posturas de agarre adecuadas
mediante la observación y evaluación de sus propios actos motores. Hay que remarcar
el hecho de que sigue existiendo un ‘maestro’ en el proceso, lo que ocurre es que ahora,
en lugar de decirle al robot cómo llevar a cabo exactamente la tarea lo que se le dice es
cómo de bien la ha realizado en su último intento. Esta aproximación permite obtener
planes de agarre mejor orientados a las capacidades de actuación y de sensado del
robot, propiedad que no es directamente derivable de un proceso de mimetización
pura. La medida de ‘lo bien que ha hecho el robot la tarea’ también denominada ‘señal
de refuerzo’ generalmente adopta la forma de un escalar. En el caso de una tarea de
agarre este escalar debe medir dos parámetros: el éxito y la eficiencia del agarre. El
sistema neuronal artificial propuesto por Fagg emplea esta señal de realimentación para
ajustar la fuerza de las conexiones entre las distintas capas de neuronas que conforman
215