Ensamblaje automatizado de partes utilizando técnicas de aprendizaje por demostración y visión 3D

Abstract

El número de robots industriales y el tipo de aplicaciones en que son utilizados, como las operaciones de ensamble, ha incrementado considerablemente en los últimos años. Sin embargo, la programación de estos sigue siendo una tarea que requiere elevados conocimientos técnicos y un alto consumo de tiempo. La metodología desarrollada en el presente trabajo, utiliza técnicas de Aprendizaje por Demostración (ApD) y visión de máquina, con el fin de ejecutar diferentes tipos de operaciones de ensamble, con manipulares robóticos. Se proponen seis etapas fundamentales: i) Demostración de las tareas de ensamble; ii) Adquisición de las demostraciones usando un sensor de movimiento Kinect; iii) Preprocesamiento y segmentación de las demostraciones; iv) Entrenamiento de los modelos probabilísticos TP-GMM (Task Parameterized Gaussian Mixture Model); v) Generación de nuevas trayectorias usando modelos entrenados; vi) Simulación e implementación en robots reales. Adicionalmente, se propone un sistema para la generación automática de los planes de ensamble usando redes de Petri. Los resultados obtenidos permiten establecer que es posible utilizar técnicas de programación diferentes a la metodología tradicional, obteniendo resultados satisfactorios en operaciones de ensamble de partes, como se demuestra en el trabajo desarrollado.

Abstract. The number of industrial robots and the type of applications in which they are used, such as assembly operations, has increased considerably in recent years. However, programming is still a task that requires high technical knowledge and a high consumption of time. The methodology developed in the present work uses techniques of Learning by Demonstration (LbD) and machine vision, in order to execute different types of assembly operations, with robotic manipulators. Six basic stages are proposed: i) Demonstration of assembly tasks; ii) Acquisition of demonstrations using a Kinect motion sensor; iii) Preprocessing and segmentation of demonstrations; iv) Training of probabilistic models TP-GMM (Task Parameterized Gaussian Mixture Model); v) Generation of new trajectories using trained models; vi) Simulation and implementation in real robots. In addition, it's proposed a system for the automatic generation of assembly plans using Petri nets. The obtained results allow to establish that it is possible to use programming techniques different from the traditional methodology, obtaining satisfactory results in operations of assembly of parts, as demonstrated in the work developed.