Modelado de un cuello robótico blando mediante aprendizaje automático
-
Published:2023-03-14
Issue:3
Volume:20
Page:282-292
-
ISSN:1697-7920
-
Container-title:Revista Iberoamericana de Automática e Informática industrial
-
language:
-
Short-container-title:Rev. iberoam. autom. inform. ind.
Author:
Continelli Nicole A.,Nagua Cuenca Luis Fernando,Monje Concepción A.,Balaguer Carlos
Abstract
En este trabajo se aborda el problema del modelado de un cuello robótico blando mediante el uso de diferentes arquitecturas de redes neuronales, estudiando la influencia en los resultados del número de capas de cada red y de su correspondiente función de activación. Se emplearan las funciones de activación Tangente Hiperbólica (TANH) y Unidad Lineal Exponencial (ELU). Los modelos obtenidos se compararan con un modelo basado en Perceptron Multicapa (MLP) de parámetros optimizados, así comocon el modelo cinemático analítico del cuello. Los resultados experimentales obtenidos demostraran la ventaja del empleo de las técnicas de aprendizaje automático para el modelado de sistemas altamente no lineales como el del cuello robótico blando, cuya característica elástica dificulta la formulación de un modelo analítico robusto.
Funder
Ministerio de Economía y Competitividad
Publisher
Universitat Politecnica de Valencia
Subject
General Computer Science,Control and Systems Engineering
Reference31 articles.
1. Becerra, Y., Arbulu, M., Soto, S., Martinez, F., 2019. A comparison among the denavit-hartenberg, the screw theory, and the iterative methods to solve inverse kinematics for assistant robot arm. In: International Conference on Swarm Intelligence. Springer, pp. 447-457. https://doi.org/10.1007/978-3-030-26369-0_42 2. Brownlee, J., Mastery, M. L., 2017. Deep Learning with Python: Develop Deep Learning Models on Theano and TensorFlow Using Keras. Machine Learning Mastery. URL: https://books.google.es/books?id=eJw2nQAACAAJ 3. Clevert, D.-A., Unterthiner, T., Hochreiter, S., 2015. Fast and accurate deep network learning by exponential linear units (elus).URL: https://arxiv.org/abs/1511.07289 DOI: 10.48550/ARXIV.1511.07289 4. Continelli, N., Nagua, L., Monje, C. A., Balaguer, C., 2022. Identificaci'on de un cuello robótico blando mediante aprendizaje automático. In: Jornadas de Robótica, Educación y Bioingeniería, pp. 124-130. 5. Copaci, D., Muñoz, J., González, I., Monje, C. A., Moreno, L., 2020. SMAdriven soft robotic neck: Design, control and validation. IEEE Access 8, 199492-199502. https://doi.org/10.1109/ACCESS.2020.3035510
Cited by
3 articles.
订阅此论文施引文献
订阅此论文施引文献,注册后可以免费订阅5篇论文的施引文献,订阅后可以查看论文全部施引文献
|
|