Un Proceso de Aprendizaje para Reconocimiento de Objetos en Línea en Tareas Robotizadas

El desempeño de tareas de ensamble con robots industriales que trabajan en ambientes no estructurados, puede ser mejorado utilizando percepción visual y nuevas técnicas de aprendizaje. En este trabajo se presenta un método novedoso que utiliza datos en 2D y técnicas simples de procesamiento de imágenes para éste propósito. Un descriptor único de la imagen (CFD&POSE) que contiene también información de profundidad es obtenido y alimentado a una arquitectura de red neuronal del tipo FuzzyARTMAP con propósitos de reconocimiento y aprendizaje. Este vector contiene información de objetos en 3D orientada a realizar tareas de ensamble con robots industriales y es invariante al escalamiento , rotación y la traslación. El método junto con las capacidades rápidas de aprendizaje de las redes neuronales artificiales ART conforman una potente herramienta para las aplicaciones en automatización de tareas de tiempo real en línea