Magíster en Ciencias, Mención Computación / A lo largo de la historia, la humanidad se ha esforzado por desarrollar máquinas que faciliten la vida de las personas, frecuentemente concentrándose en producir máquinas autónomas que logren reemplazar a los humanos en tareas específicas. En dicho contexto, la Robótica es a menudo identificada como la disciplina que mejor simboliza el desarrollo de máquinas autónomas. En general, un robot autónomo debe exhibir al menos 3 capacidades: i) percepción de su entorno, ii) navegación y desplazamiento, e iii) interacción con su entorno. En particular, dentro de las formas interacción posibles, la manipulación de objetos es interesante, puesto que faculta al robot para modificar el ambiente de acuerdo con sus necesidades. Para que un robot pueda manipular un objeto es necesario definir una estrategia de agarre, es decir, un punto de agarre y una parametrización del efector que permita realizar el agarre según las restricciones de la tarea en ejecución. La generación de dichas estrategias es conocida como síntesis de agarres y durante la última década ha sido abordada principalmente mediante el uso de información sensorial, con el fin de identificar las características del objeto que permiten definir una estrategia de agarre adecuada. Esta tesis propone un descriptor local 3D original, denominado Directed Curvature Histograms (DCH), el cual describe la vecindad de un punto utilizando la forma en que varía la curvatura de la superficie en distintas direcciones. A diferencia de los enfoques basados en curvatura existentes en la literatura, DCH utiliza la dirección en la que varía la curvatura como un elemento significativo para la descripción de los datos. El presente trabajo también propone un método para la síntesis de agarres que utiliza DCH, combinando técnicas de aprendizaje no-supervisado y supervisado. Tal método difiere de los enfoques actuales puesto que basa sus hipótesis en el estudio del comportamiento humano en la manipulación de objetos, presentado por Feix et al. [1]. Además, el método propuesto saca provecho de la información sensorial 3D disponible, aprendiendo simultáneamente a identificar puntos de agarre adecuados, así como parametrizaciones apropiadas para manipular un objeto arbitrario. Los resultados experimentales muestran que DCH es capaz de reflejar las variaciones en la curvatura de una superficie, en diferentes direcciones. Tales resultados también muestran que la información suministrada por DCH permite que el método de síntesis de agarres propuesto pueda entrenar un clasificador (índice ROC igual a 0.961), con el objetivo de identificar los puntos de agarre y parametrizaciones adecuadas para manipular un objeto arbitrario. / Este trabajo ha sido parcialmente financiado por Proyecto FONDECYT 1140783

Ingeniero Civil en Computación / Ingeniero Civil Eléctrico / Uno de los desafíos importantes para la Robótica, es la capacidad del robot de manipular objetos de su entorno, ya sea para transportarlos u operarlos de alguna manera. Si bien esta capacidad está prácticamente resuelta en ambientes controlados, es un problema abierto en el caso de robots autónomos y ambientes no controlados, dado que la forma de los objetos, sus características físicas y las cualidades del efector del robot no están acotadas. Como segundo requisito, se busca además que las soluciones sean robustas y funcionen en tiempo real para aumentar las aplicaciones reales de la robótica. Una de las partes centrales de un algoritmo que permita manipular objetos es la detección de puntos de agarre. Esto corresponde a calcular los puntos del objeto por donde un robot debe tomarlo para que este no se caiga. Existen varios algoritmos que intentan dar solución a esta problemática pero solo funcionan para ciertas familias de objetos y en muchos casos toma demasiado tiempo realizar el cálculo. En esta memoria se implementó un algoritmo de manipulación de objetos basado en un método del estado del arte. El algoritmo permite manipular objetos en tiempos razonables y no esta restringido a una familia específica de objetos, aunque los objetos manipulables requieren de cierta simetría axial. El algoritmo se implementó en C++ en un robot PR2, un robot especialmente diseñado para investigación, usando Robot Operating System (ROS) como framework de desarrollo, lo que permitirá que este algoritmo sea usado fácilmente por otros equipos de investigación y robots en diferentes partes del mundo. El algoritmo implementado consta de una etapa de filtrado y segmentación de una nube de puntos, la determinación de los puntos de agarre, muestreo de poses de agarre, descarte de éstas por diferentes criterios, la asignación de puntaje a los agarres y finalmente la ejecución del mejor agarre seleccionado. Los experimentos muestran que el algoritmo permite tomar objetos en simulación y en un robot PR2 real.