Vision-based gesture recognition in a robot learning by imitation framework

摘要

dc.description.abstract La robotica ha evolucionado en las ultimas decadas hacia agentes cada vez mas complejos, versatiles y capaces. Asi, empiezan a aparecer robots capaces de trabajar en entornos cotidianos, dinamicos e imprevisibles. Es importante que dichos robots puedan interactuar de forma intuitiva y eficaz con las personas que encuentren en dichos entornos. Surge asi el concepto de robot social, una de cuyas caracteristicas principales es la capacidad de aprender de los demas. De entre los diferentes mecanismos de aprendizaje, el aprendizaje por imitacion es una de las opciones mas adecuadas para permitir a una persona suministrar facilmente nuevos conocimientos al robot. Como quiera que el refuerzo verbal de las demostraciones realizadas en este tipo de aprendizaje puede no estar presente, es interesante contar con un mecanismo de aprendizaje por imitacion basado puramente en vision. En esta Tesis, se presenta un sistema que implementa esta funcionalidad, permitiendo a un robot aprender gestos por imitacion. La arquitectura de este sistema, en si misma, supone la contribucion fundamental de este trabajo, pues presenta alternativas y novedades tanto en su estructura como en la implementacion de sus componentes. La entrada sensorial del sistema esta limitada a la informacion suministrada por un unico par estereo. A partir de estos datos, se extraen los movimientos de la parte superior del cuerpo de la persona usando un sistema propuesto en esta Tesis. Una vez estos movimientos han sido segmentados en gestos, son representados mediante una codificacion basada en caracteristicas tanto locales como globales. Dicha codificacion mixta es otra de las aportaciones de esta Tesis. Una vez codificados, los gestos percibidos son comparados con el repertorio de gestos aprendidos por el robot. Las caracteristicas locales se comparan utilizando algoritmos de programacion dinamica, y los resultados obtenidos se refuerzan con la comparacion de las caracteristicas globales. Los resultados de estas comparaciones son utilizados por un componente de aprendizaje para valorar si se debe cambiar o no el repertorio de gestos aprendidos. Para solventar situaciones confusas, un cierto grado de supervision por parte del usuario humano puede ser requerido. Es importante destacar que todo el proceso anterior es independiente de las habilidades motoras del robot, lo que supone una importante variacion de esta arquitectura frente a otras propuestas. Como consecuencia, las caracteristicas fisicas del robot no limitan la percepcion, con lo que los movimientos de la persona que realiza las demostraciones pueden codificarse, reconocerse y aprenderse de manera mas precisa. Solo en aquellos casos en que se requiera que el robot imite fisicamente los movimientos percibidos o aprendidos interviene el ultimo modulo de la arquitectura, que traduce los gestos del espacio de movimientos de la persona al del robot, usando una estrategia combinada