Resumen

Para investigar los efectos de la fatiga muscular en la calidad del aprendizaje de robots bioinspirados en tareas de enseñanza por demostración (TbD), en este trabajo proponemos primero identificar el fenómeno emergente de fatiga muscular del demostrador humano mediante el análisis de sus registros de Electromiografía de Superficie (sEMG) y luego guiar la curva de aprendizaje del robot teniendo en cuenta este conocimiento. Se han estimado las secuencias de amplitud y frecuencia variables en el tiempo que determinan las señales de sEMG de subbanda y se han explorado sus valores dominantes en intervalos cortos de tiempo como características que indican fatiga. Se ha encontrado que estas características llevan señales de fatiga muscular del demostrador humano en el transcurso de la manipulación del robot. En tareas de aprendizaje de robot que requieren múltiples demostraciones, el estado de fatiga del demostrador humano puede ser adquirido mediante el seguimiento de los cambios de las características propuestas a lo largo del tiempo. Para modelar datos de múltiples demo

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Efectos; Fatiga muscular; Robot bioinspirado; Enseñanza por demostración; Electromiografía de superficie; Modelos de mezcla gaussiana
• Keywords:Effects; Muscle fatigue; Bioinspired robot; Teaching by demonstration; Surface electromyography; Gaussian mixture models