Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ... Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...
Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre Figura 5.22. Perfiles de reducción del error durante el entrenamiento de la red GRASP en los CASOS 1,2,3 y 4. La Figura 5.22 muestra cómo las redes de los CASOS 1 y 2 emplean menos ciclos de entrenamiento en converger que la red del CASO 4 mientras que ésta última emplea menos ciclos de entrenamiento que la red del CASO 3. Pese a esta particularidad y tras un exhaustivo estudio de las capacidades de generalización de conocimientos por parte de cada red, hemos podido determinar que la red que mejores resultados de generalización posee, independientemente del objeto que le sea presentado es la HYPBF entrenada según el CASO 4. Por lo tanto, a partir de éste momento, todos los resultados referentes a las capacidades de generalización del modelo GRASP que se presenten, se encuentran referenciadas a la versión de ese módulo asociada al CASO 4. 243
Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre 4.1.1 Errores de aprendizaje y generalización del módulo GRASP En la Figura 5.23 se muestran los errores cometidos por la red (calculados mediante las expresiones (5.21)-(5.23)) en la estimación de una postura correcta de agarre para una serie de objetos, algunos de los cuales pertenecen al conjunto de entrenamiento de la red (histogramas anaranjados y rayados) y otros que no han sido previamente presentados al sistema durante su aprendizaje (histogramas azulados). En dicha Figura se indica cual es el tamaño de cada uno de los objetos presentados y además se denota con cuantos dedos se ha establecido el patrón de agarre (2 dedos – 2d, 3 dedos- 3d). Por último, la Figura 5.23 también indica cual es el tipo de objeto sobre el que se está llevando a cabo el agarre (cubos, esferas o cilindros). Errror (mm) 0,5 0,4 0,3 0,2 0,1 0,0 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 2d 3d 2d 3d 2d 3d Figura 5.23. Errores cometidos por la red en el agarre de objetos presentes en el conjunto de entrenamiento (naranja – rayado) y de objetos que no están presentes en el entrenamiento (azulado). 244
- 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
- Page 209 and 210: Capitulo 4. Modelo Neuronal para la
- Page 211 and 212: Capitulo 5. Modelo Neuronal para el
- Page 213 and 214: Capitulo 5. Modelo Neuronal para el
- Page 215 and 216: Capitulo 5. Modelo Neuronal para el
- Page 217 and 218: Capitulo 5. Modelo Neuronal para el
- Page 219 and 220: Capitulo 5. Modelo Neuronal para el
- Page 221 and 222: Capitulo 5. Modelo Neuronal para el
- Page 223 and 224: Capitulo 5. Modelo Neuronal para el
- Page 225 and 226: Capitulo 5. Modelo Neuronal para el
- Page 227 and 228: Capitulo 5. Modelo Neuronal para el
- Page 229 and 230: Capitulo 5. Modelo Neuronal para el
- Page 231 and 232: Capitulo 5. Modelo Neuronal para el
- Page 233 and 234: Capitulo 5. Modelo Neuronal para el
- Page 235 and 236: Capitulo 5. Modelo Neuronal para el
- Page 237 and 238: Capitulo 5. Modelo Neuronal para el
- Page 239 and 240: Capitulo 5. Modelo Neuronal para el
- Page 241 and 242: Capitulo 5. Modelo Neuronal para el
- Page 243 and 244: Capitulo 5. Modelo Neuronal para el
- Page 245: Capitulo 5. Modelo Neuronal para el
- Page 249 and 250: 2.5 cm 3.0 cm 3.5 cm 2 cm Capitulo
- Page 251 and 252: Capitulo 5. Modelo Neuronal para el
- Page 253 and 254: Capitulo 5. Modelo Neuronal para el
- Page 255 and 256: Capitulo 5. Modelo Neuronal para el
- Page 257 and 258: Capitulo 5. Modelo Neuronal para el
- Page 259 and 260: Capitulo 5. Modelo Neuronal para el
- Page 261 and 262: Capitulo 5. Modelo Neuronal para el
- Page 263 and 264: Capitulo 5. Modelo Neuronal para el
- Page 265 and 266: R1 HYPBF # 1 HYPBF # 2 R2 AIP VD Mu
- Page 267 and 268: Capitulo 5. Modelo Neuronal para el
- Page 269 and 270: Capitulo 6. Implantación de algori
- Page 271 and 272: Capitulo 6. Implantación de algori
- Page 273 and 274: Capitulo 6. Implantación de algori
- Page 275 and 276: Capitulo 6. Implantación de algori
- Page 277 and 278: Capitulo 6. Implantación de algori
- Page 279 and 280: Capitulo 6. Implantación de algori
- Page 281 and 282: Capitulo 6. Implantación de algori
- Page 283 and 284: Capitulo 7. Conclusiones y Trabajos
- Page 285 and 286: Capitulo 7. Conclusiones y Trabajos
- Page 287 and 288: 1. Cinemática Directa del brazo ma
- Page 289 and 290: x 0 l 3 I -M c l 2 z 0 l 1 d θ 4 b
- Page 291 and 292: Los pesos adaptativos wijk y zijkm
- Page 293 and 294: Arbib, M.A. (1985a). Schemas for th
- Page 295 and 296: Castiello, U., Stelmach, G.E., Lieb
Capitulo 5. Mo<strong>de</strong>lo Neuronal para el aprendizaje progresivo <strong>de</strong> tareas <strong>de</strong> Agarre<br />
4.1.1 Errores <strong>de</strong> aprendizaje y generalización <strong>de</strong>l módulo GRASP<br />
En la Figura 5.23 se muestran los errores cometidos por la red (calculados<br />
mediante las expresiones (5.21)-(5.23)) en la estimación <strong>de</strong> una postura correcta <strong>de</strong><br />
agarre para una serie <strong>de</strong> objetos, algunos <strong>de</strong> los cuales pertenecen al conjunto <strong>de</strong><br />
entrenamiento <strong>de</strong> la red (histogramas anaranjados y rayados) y otros que no han sido<br />
previamente presentados al sistema durante su aprendizaje (histogramas azulados). En<br />
dicha Figura se indica cual es el tamaño <strong>de</strong> cada uno <strong>de</strong> los objetos presentados y<br />
a<strong>de</strong>más se <strong>de</strong>nota con cuantos <strong>de</strong>dos se ha establecido el patrón <strong>de</strong> agarre (2 <strong>de</strong>dos – 2d,<br />
3 <strong>de</strong>dos- 3d). Por último, la Figura 5.23 también indica cual es el tipo <strong>de</strong> objeto sobre el<br />
que se está llevando a cabo el agarre (cubos, esferas o cilindros).<br />
Errror (mm)<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0,0<br />
2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0 2,0 2,5 3,0 3,5 4,0 4,5 5,0 5,5 6,0<br />
2d 3d 2d 3d 2d 3d<br />
Figura 5.23. Errores cometidos por la red en el agarre <strong>de</strong> objetos presentes en el conjunto <strong>de</strong><br />
entrenamiento (naranja – rayado) y <strong>de</strong> objetos que no están presentes en el entrenamiento (azulado).<br />
244