Resumen

Las últimas décadas han sido testigos de la rápida evolución de las aplicaciones robóticas y su expansión a una variedad de ámbitos con logros notables. Este artículo investiga una técnica crucial de manipuladores robóticos denominada servocontrol visual, que se basa en la retroalimentación visual para responder a la información externa. En este sentido, el problema de servocontrol visual se transforma hábilmente en un problema de programación cuadrática con restricciones de igualdad e desigualdad. A diferencia de los métodos tradicionales, en este artículo se propone un nuevo enfoque basado en redes neuronales recurrentes basadas en gradientes (GRNN) para resolver el problema de servocontrol visual a la luz del método de descenso de gradiente. Luego, se presenta una prueba de estabilidad en teoría con el error de píxeles convergiendo exponencialmente a cero. Específicamente, el método propuesto es capaz de impulsar al manipulador a acercarse al punto estático deseado manteniendo las restricciones físicas consideradas. Posteriormente, la

• Materias:Big Data Gestión de riesgos Administración de información Red neuronal Teoría de redes
• Subjects:Big Data Risk management Information management Neural network Network Theory
• Palabras claves:Aplicaciones robóticas; Servovisión visual; Red neuronal recurrente basada en gradientes; Prueba de estabilidad; Manipulador; Robots médicos
• Keywords:Robotic applications; Visual servoing; Gradient-based recurrent neural network; Stability proof; Manipulator; Medical robots