Resumen

El rendimiento de un robot móvil puede mejorarse utilizando diferentes modos de locomoción en diversas condiciones del terreno. Esto crea la necesidad de tener un controlador supervisor capaz de reconocer diferentes tipos de terreno y cambiar el modo de locomoción del robot en consecuencia. Este trabajo se centra en el problema de la selección de la estrategia de locomoción para un robot móvil híbrido con ruedas y patas. El control supervisor del robot se realiza mediante el reconocedor de terreno, que clasifica las imágenes de profundidad obtenidas de un sensor de profundidad de tiempo de vuelo comercial y selecciona diferentes subcontroladores de modo de locomoción en función del tipo de terreno reconocido. Para el reconocedor de terreno se genera una base de datos que consta de cinco clases de terreno (irregular, llano, subiendo escaleras, bajando escaleras y no transitable). Las imágenes de profundidad se mejoran mediante un filtrado basado en mapas de confianza. La precisión de la clasificación del terreno mediante el clasificador Support Vector Machine para la base de datos de prueba en el problema de reconocimiento de cinco clases de terreno es del 97%. Experimentos reales evalúan las capacidades de locomoción del cuadrúpedo y la capacidad del reconocedor de terreno en tiempo real. Los resultados de estos experimentos muestran que las imágenes de profundidad procesadas en tiempo real mediante algoritmos de aprendizaje automático pueden utilizarse para el control supervisor de robots híbridos con capacidades de locomoción con patas y ruedas.

• Materias:Redes de sensores Sensores inalámbricos Sistema de sensores Sensor inteligente Sensores electroquímicos
• Subjects:Sensor networks Wireless sensors Sensor system Intelligent sensor Electrochemical sensors
• Palabras claves:imágenes de profundidad, robot móvil, reconocedor de terreno, clasificador de máquina de vectores de soporte, problema de reconocimiento de terreno de clase, diferentes subcontroladores de modo de locomoción, problema de selección de estrategia de locomoción, diferentes modos de locomoción, diferentes tipos de terreno, sensor de profundidad de vuelo
• Keywords:depth images, mobile robot, terrain recognizer, support vector machine classifier, class terrain recognition problem, different locomotion mode subcontrollers, locomotion strategy selection problem, different locomotion modes, different terrain types, flight depth sensor