Resumen

En los ltimos aos, el desarrollo de sistemas de control para robots humanoides ha sido uno de los principales objetivos de la investigacin en robtica para aplicaciones en el mundo real. Se han propuesto varios enfoques para apoyar la fase de aprendizaje de dichos controladores, en la que el robot puede aprender nuevos comportamientos observando y/o recibiendo orientacin directa de un humano o incluso de otro robot. Estos enfoques requieren tcnicas dinmicas de aprendizaje y memorizacin, que el robot puede utilizar para reformar y actualizar sus sistemas internos continuamente mientras aprende nuevos comportamientos. En este contexto, el presente estudio investiga un nuevo enfoque para el desarrollo de un modelo de aprendizaje y memorizacin incrementales. Este enfoque se inspir en los principios de la neurociencia, y el modelo desarrollado se denomin Retropropagacin Constructiva Jerrquica con Memoria (HCBPM). La validez del modelo se comprob enseando a un robot humanoide a reconocer un grupo de objetos mediante una interaccin natural. Los resultados experimentales indican que el modelo propuesto mejora eficazmente el aprendizaje automtico en tiempo real en general y puede utilizarse para establecer un entorno adecuado para el aprendizaje social entre el robot y el usuario en particular.

• Materias:Brazo robótico Robot omnidireccional Movimientos multiarticulares Algoritmo de control Máquina de vectores
• Subjects:Robotic arm Omnidirectional robot Multi-joint movements Control algorithm Vector machine
• Palabras claves:Robótica; Sistemas de control; Robots humanoides; Aprendizaje; Técnicas de memorización; Aprendizaje incremental
• Keywords:Robotics; Control systems; Humanoid robots; Learning; Memorization techniques; Incremental learning