Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre
Cuando las redes neuronales HYPBF que implementan la resolución de la
cinemática inversa concluyen su aprendizaje el modo de operación que emplean es el
que muestra la Figura 5.19. En este modo de operación el proceso de integración de las
velocidades angulares calculadas por la red va ponderado por una señal GO(t) de
puerta y escalado. Estas señales como ya se ha comentado en capítulos previos es una
señal sigmoidal del tipo,
GO( t) = g ⋅
238
t
2
2 ( γ + t )
(5.19)
Cada una de las redes neuronales HYPBF de la Figura 5.10, implementa el
movimiento del dedo hacia el punto de contacto a través de una señal GO(t) específica.
Las tres señales GO(t) asociadas a cada uno de los dedos tan solo difieren en el valor de
la ganancia g. Dicha ganancia es inversamente proporcional a la distancia espacial que
debe recorrer el extremo del dedo desde su posición inicial hasta su contacto
seleccionado sobre el objeto. Con esta sencilla modificación nos aseguramos de que el
movimiento de los dedos involucrados en el agarre produzca un contacto casi
simultáneo con los distintos puntos seleccionados sobre el objeto.
Figura 5.19. Resolución de la cinemática inversa por la red HYPBF. La red neuronal recibe como entrada
la configuración actual del dedo y ésta computa una aproximación local y lineal a la pseudoinversa del
jacobianao. Con esa aproximación se pueden calcular unos incrementos articulares que integrados,
actualizan la configuración actual del dedo.