Universidad Politécnica de Cartagena TESIS DOCTORAL “UNA ...

Capitulo 5. Modelo Neuronal para el aprendizaje progresivo de tareas de Agarre
GRASP (sección 4.2 de este Capítulo), hemos encontrado que a través de un aprendizaje
como el que se ha propuesto, una arquitectura neuronal basada en la computación con
funciones de base radial, es capaz de desarrollar una codificación abstracta del agarre
de los objetos que resulta fácilmente identificable con la actividad de las neuronas de las
áreas F5 y AIP de los primates durante el agarre. Este resultado constituye lo que hemos
venido en llamar una propiedad emergente del modelo. En otras palabras, en un
modelo neuronal artificial sobre el que se pueden establecer analogías entre las
neuronas de la capa oculta y el tipo de computación que se lleva cabo en las neuronas
corticales, el entrenamiento en base a ejemplos de agarre propuesto en este capítulo,
‘genera’, de forma no prevista e inesperada, un ‘comportamiento’ o codificación de las
acciones de agarre en el módulo GRASP que se asemeja al tipo de codificación neuronal
sobre las acciones de agarre que lleva a cabo el circuito parieto – frontal biológico. Es
por esto que tras este análisis hemos asociado las distintas capas del módulo GRASP a
distintas áreas de este circuito tal y como muestra la Figura 5.36.
Figura 5.35. Representación de los valores articulares medidos en grados (Theta1,Theta2, Theta3, en el
hombro y Theta 4 en codo, ver Apéndice del Capítulo) de los GDL del brazo al finalizar los tres
movimientos de agarre descritos en la sección 4.3.
258