Memoria para optar al título de Ingeniero Civil Mecánico / 08/05/2022

Memoria para optar al título de Ingeniero Civil Eléctrico / Los robots de servicio son cada vez más frecuentes dado su potencial para realizar diversos tipos de tareas. Una actividad con gran potencial es la de seguir a una persona, ya que se puede utilizar para ejecutar acciones más complejas, como aprender un recorrido predeterminado, ayudar a transportar objetos, monitorear a una persona, etc. Luego, el objetivo de este trabajo es el de implementar un sistema de seguimiento de una persona con el robot de servicio Pepper de SoftBank Robotics, que implica ser capaz de funcionar en tiempo real, con la presencia de múltiples personas, entre otros. Tras investigar en la literatura distintos métodos relacionados con este trabajo, se propone e implementa un sistema modular que basa su funcionamiento en imágenes de color y profundidad adquiridas por el robot. Primero se obtienen candidatos de personas utilizando la nube de puntos generada por la imagen de profundidad para reducir el costo computacional, y luego se detectan utilizando la imagen de color. Posteriormente se asocian las detecciones de todas las personas a lo largo del stream de video. A continuación se entrena un clasificador adaptativo capaz de diferenciar a la persona que se está siguiendo de las demás, mediante un conjunto de características elegidas previamente. Por último, se tiene un módulo encargado de accionar al robot para realizar la rutina de movimiento, que permite seguir a la persona. El sistema se evaluó en un conjunto de videos generados específicamente para la tarea de seguimiento. Los resultados obtenidos indican que el sistema sí se puede ejecutar en tiempo real, con una tasa aproximada de 12 fps. Por otro lado, la detección de la persona a seguir alcanzó una media del 90.49%, además de ser capaz de reencontrarla la mayoría de las veces con una tasa promedio del 92.01%. Estos resultados compiten con métodos tradicionales utilizados en la literatura, pero que no logran ejecutarse en tiempo real en una máquina de las mismas características a la utilizada en este trabajo. Se concluye que el sistema cumple con los objetivos planteados, y también da la posibilidad de realizar una mejora continua de éste por la naturaleza modular de la solución propuesta. Aún así, existe un conjunto de problemáticas no resueltas que se esperan resolver con métodos modernos y hardware especializado, como por ejemplo las redes neuronales convolucionales.

Magíster en Ciencias de la Ingeniería, Mención Mecánica / Actualmente las herramientas de fabricación están limitadas a producir objetos cuyas dimensiones no sobrepasen los límites de su volumen de manufactura. En el caso de las impresoras 3D la relación entre el volumen de manufactura y el tamaño de la máquina se aproxima a la unidad debido a su principio de funcionamiento. Lipson comenta en su libro Fabricated que es posible aumentar esta relación al infinito si es que la impresora 3D se acopla a un mecanismo que se mueva libremente por el espacio. En el presente trabajo se relata el proceso de desarrollo y caracterización de Koala 3D, una impresora 3D móvil que es capaz de fabricar objetos de mayor tamaño que su propia altura. Esto lo hace gracias a que continuamente modifica la posición de su volumen de manufactura al trepar la pieza (estructura) que va imprimiendo en paralelo. El desarrollo de Koala 3D se hizo dividiendo el prototipo en dos subconjuntos: una impresora 3D y un robot trepador. Para el diseño de la parte impresora se basó en modelos que funcionan mediante el método de modelado por deposición fundida e innovándose en el mecanismo que posiciona el material sobre el área de manufactura. La parte trepadora se diseñó procurando que se moviera con precisión a lo largo de la estructura impresa y que fuera capaz de soportar largas sesiones de manufactura. Para el control del prototipo se emplearon plataformas y programas dedicados al rubro de la impresión 3D que se utilizan ampliamente en comunidades hágalos-usted-mismo . El hardware Ramps 1.4 fue capaz de operar ambas partes a pesar de no estar diseñada para el control de un robot trepador o móvil. El firmware Marlin cargado en el controlador de la máquina facilitó la interacción entre el usuario y el prototipo mediante la utilización del código máquina. Luego de fabricados y calibrados los distintos mecanismos del sistema se finalizó el trabajo caracterizando y estudiando el desempeño del prototipo. La energía consumida y la calidad de los objetos manufacturados fueron similares a impresoras de escritorio utilizadas en la actualidad. También se estudiaron las oscilaciones del sistema al manufacturar una pieza estandarizada, analizando las implicancias del diseño en este fenómeno y dando recomendaciones para trabajos futuros.

Magíster en Ciencias de la Ingeniería, Mención Eléctrica. Ingeniero Civil Eléctrico / Este trabajo presenta un sistema de Localización y Mapeo Simultáneo (SLAM) de robots humanoides basado en la fusión del sistema ORB-SLAM con información propioceptiva. El objetivo es desarrollar una metodología que permita fusionar ambas informaciones de manera consistente y obtener una auto-localización métrica validada con datos de un robot real. De modo de lograr este objetivo, se propuso una solución que contempla tres objetivos específicos: (1) desarrollar una plataforma de hardware y software que extienda las capacidades computacionales limitadas del robot NAO; (2) proponer una metodología teórica y práctica que permita fusionar la información de odometría propioceptiva del robot dentro de los procesos ejecutados por el sistema ORB-SLAM y (3) desarrollar un sistema de estimación de odometría netamente propioceptivo para el robot NAO. Para la primer aparte se desarrolló una plataforma novedosa, llamada NAO Backpack, que se sujeta al NAO como una mochila y permite cargar un computador de tamaño reducido con mayor poder de cómputo que el NAO. El desarrollo además involucró el software que realiza la comunicación entre ambos con el popular framework de robótica ROS (Robot Operating System). Para la segunda aparte se desarrolló una completa metodología que interviene varias etapas del sistema ORB-SLAM, incluyendo un thread adicional que fusiona la información propioceptiva del robot y genera mediciones de odometría que son propagadas al resto del sistema. Adicionalmente se presentó una solución para obtener la escala típicamente desconocida en sistemas de SLAM visual, se modificaron diversas etapas de las optimizaciones realizadas por el sistema original y se presentaron estrategias para mantener una hipótesis de auto-localización continua incluso en casos de fallas de la localización visual. La última parte contempló el desarrollo de un sistema de odometría basado en un two-state implicit filtering (TSIF), que fusionaba sensores internos como unidades inerciales y encoders, además de considerar otros supuestos sobre la cinemática del robot. El sistema fue validado con datos reales registrados utilizando un preciso sistema de captura de movimiento OptiTrack en ambientes cerrados, así como también en pruebas cualitativas desarrolladas en laboratorios del Departamento de Ingeniería Eléctrica. Los resultados demuestran la efectividad del enfoque presentado para localizar el robot de manera consistente y robusta en lugares desconocidos mediante la fusión de información visual y odométrica.

Doctor en Ingeniería Eléctrica / Esta tesis presenta un método que permite que usuarios no expertos enseñen agentes a ejecutar tareas complejas durante tiempo de ejecución, con el principal propósito de acelerar la convergencia del aprendizaje y mejorar el desempeño final de las políticas aprendidas. En este sentido, se propone COrrective Advice Communicated by Humans (COACH), un framework interactivo para entrenar políticas con vagas correcciones respecto a las acciones ejecutadas, las cuales son cambios relativos de la magnitud de las acciones que están siendo ejecutadas. Así, los usuarios sugieren correcciones como: incrementar la fuerza, reducir la velocidad, ir más hacia la izquierda, etc. Inicialmente, se propone un esquema de aprendizaje que permite a humanos enseñar políticas de acciones continuas por medio de correcciones correctivas, para problemas de acciones de una dimensión. Se incluye en el framework de aprendizaje un módulo que representa las intenciones del profesor, el cual se basa en la historia pasada de las correcciones. Luego, el framework se extiende a problemas de acciones de más de una dimensión, incluso para casos en los que las correcciones del usuario no están en el mismo espacio de la política. Adicionalmente, el COACH propuesto es combinado con aprendizaje reforzado Policy Search con el fin de obtener la ventajas de ambas fuentes de información (correcciones humanas y funciones de recompensa) en el proceso de aprendizaje. Se proponen dos enfoques híbridos que combinan los dos enfoques, uno secuencial y uno simultáneo. Los resultados muestran que estos esquemas se benefician de las ventajas de cada uno de sus componentes, es decir se obtiene i) rápido progreso al principio del proceso de aprendizaje, y ii) aprendizaje robusto a errores humanos, junto con optimalidad local. Además, este enfoque híbrido es extendido para entrenar primitivas de movimiento. Así, las ventajas previamente mencionadas son extendidas para aprender también políticas representadas como Dynamic Movement Primitives (DMP) y Probabilistic Movement Primitives (ProMP), las cuales son convenientes para aprender trayectorias. El uso del enfoque propuesto es validado en muchos problemas tanto simulados como reales, con variadas características, recorriendo problemas de equilibrio, navegación con robots bípedos en el contexto del fútbol robótico, y también habilidades motoras con brazos robóticos en tareas como escritura de símbolos y el conocido juego "emboque". Los resultados muestran que el conocimiento de los usuarios no expertos puede apalancar procesos de aprendizaje de máquina, guiando hacia desempeños más altos con respecto a otros enfoques de aprendizaje de máquina interactivo y de aprendizaje reforzado, e incluso superando las capacidades de usuarios aprendiendo a tele-operar los agentes. Adicionalmente, los métodos presentados obtienen convergencias las cuales varían desde 3 hasta más de 40 veces más rápido que otras técnicas, dependiendo del problema.

Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctrica / Memoria para optar al título de Ingeniero Civil Eléctrico / Esta tesis se enfoca en resolver el problema del multi-target tracking en ambientes altamente dinámicos, y utilizando robots que poseen baja capacidad de procesamiento y sensores limi- tados. Para esto se utiliza un nuevo método de realizar tracking baso en Random Finite Sets (RFS). La utilización de este método supone diferentes mejoras como la eliminación del data association problem o la utilización de la información negativa de los sensores. La hipótesis que se desea probar es que la utilización de este nuevo método puede obtener mejores resultados que los clásicos métodos de tracking, como el EKF multi-hipótesis. Además se desea demostrar que es posible realizar un tracking de este estilo en robots de poco procesamiento computacional y que este resultado se puede mejorar aún más si un conjunto de robots comparten sus estimaciones para generar una estimación global. Para esto se utiliza el robot Nao, el cual es utilizado en la competencia RoboCup, la cual corresponde a una competencia de fútbol robótico. Es en este escenario donde se implementa un método de tracking, basado en RFS, que se utiliza para ubicar todos los robots de la cancha, con tal de realizar un mapa de obstáculos. La implementación de este método la caracterización de cada sensor del robot, los cuales son utilizados como inputs del sistema. Finalmente, se realizan diversas pruebas, ya sea con robots reales o con simulaciones realistas, la cuales constan de escenarios ficticios y de partidos reales. En cada una de estas, se compara el mapa de obstáculos obtenido con las posiciones reales de los robots con la cancha. Esta comparación se realiza utilizando una medida de distancia especialmente diseñada para comparar conjuntos, llamada OSPA. Los resultados obtenidos demuestran que el método propuesto en esta tesis supera en general a los métodos clásicos, ya sea tanto cualitativa como cuantitativamente. Se pueden observar claramente las ventajas de la utilización negativa de los sensores, así como la no necesidad de resolver el data association problem. También se puede observar la mejora generada al utilizar la información compartida entre robots, lo que genera un mapa de obstáculos más preciso. / Fondecyt 1161500

Tesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctrica / La extracción de características es una tarea crítica en la localización y mapeo simultáneo o Simultaneous Localization and Mapping (SLAM) basado en características, que es uno de los problemas más importantes de la comunidad robótica. Un algoritmo que resuelve SLAM utilizando características basadas en LiDAR es el algoritmo LiDAR Odometry and Mapping (LOAM). Este algoritmo se considera actualmente como el mejor algoritmo SLAM según el Benchmark KITTI. El algoritmo LOAM resuelve el problema de SLAM a través de un enfoque de emparejamiento de características y su algoritmo de extracción de características detecta las características clasifican los puntos de una nube de puntos como planos o agudos. Esta clasificación resulta de una ecuación que define el nivel de suavidad para cada punto. Sin embargo, esta ecuación no considera el ruido de rango del sensor. Por lo tanto, si el ruido de rango del LiDAR es alto, el extractor de características de LOAM podría confundir los puntos planos y agudos, lo que provocaría que la tarea de emparejamiento de características falle. Esta tesis propone el reemplazo del algoritmo de extracción de características del LOAM original por el algoritmo Curvature Scale Space (CSS). La elección de este algoritmo se realizó después de estudiar varios extractores de características en la literatura. El algoritmo CSS puede mejorar potencialmente la tarea de extracción de características en entornos ruidosos debido a sus diversos niveles de suavizado Gaussiano. La sustitución del extractor de características original de LOAM por el algoritmo CSS se logró mediante la adaptación del algoritmo CSS al Velodyne VLP-16 3D LiDAR. El extractor de características de LOAM y el extractor de características de CSS se probaron y compararon con datos reales y simulados, incluido el dataset KITTI utilizando las métricas Optimal Sub-Pattern Assignment (OSPA) y Absolute Trajectory Error (ATE). Para todos estos datasets, el rendimiento de extracción de características de CSS fue mejor que el del algoritmo LOAM en términos de métricas OSPA y ATE.

Memoria para optar al título de Ingeniero Civil Eléctrico / Memoria para optar al título de Ingeniero Civil en Computación / El objetivo de este trabajo de título es el diseño e implementación de un sistema de memoria episódica de largo plazo para robots de servicio domésticos. Además, el sistema debe considerar componentes emocionales y ser integrado en el software del robot Bender, perteneciente al Laboratorio de Robótica del Departamento de Ingeniería Eléctrica de la Universidad de Chile. Un sistema de estas características es esencial para mejorar el desempeño de un robot doméstico, especialmente en el ámbito de la interacción humano-robot. Sin embargo, tras la revisión del estado del arte, se encuentran pocos trabajos relacionados y que aún no existe un consenso en el tema. El sistema es diseñado para cumplir con un conjunto de requerimientos episódicos mínimos para este tipo de memorias. Además, el diseño es agnóstico del robot objetivo, permitiendo la definición de estructuras de datos genéricas para la representación episódica, las que son manejadas por un sistema de plugins. De esta forma, el sistema puede ser integrado en otras plataformas robóticas basadas en Robot Operating System (ROS). El sistema implementado es capaz de recolectar episodios automáticamente desde las má- quinas de estado que definen el comportamiento del robot. Utiliza la base de datos MongoDB para el almacenamiento de episodios y está programado en C ++ y Python, solo utilizando paquetes estándar en ROS. Además, el sistema provee una API ROS capaz de responder consultas sobre estos episodios, las que permiten realizar búsquedas mediante combinaciones de condiciones lógicas. La implementación es evaluada de manera cuantitativa, mediante experimentos de escala- bilidad y eficiencia. Los resultados indican que el sistema se adapta al caso de uso esperado para el robot Bender. Sin embargo, la formulación de consultas al sistema tiene un alto im- pacto en su desempeño. Por esto, es importante seleccionar adecuadamente las operaciones, para que el uso de recursos no comprometa la interacción humano-robot. Desde otro enfoque, la integración del sistema LTM en Bender es validada mediante sesiones de demostración, donde el robot genera memorias sobre los humanos con quien interactúa. Se concluye que el sistema cumple con la mayoría de los requerimientos establecidos, teniendo que acotar el proyecto para dejar algunos aspectos como trabajo futuro. Particular- mente, queda propuesta la implementación de un sistema emocional para el robot.

Ingeniero Civil Eléctrico / En la última década se ha observado un aumento importante en las aplicaciones relacio- nadas a la robótica a nivel mundial. Adicionalmente, estas aplicaciones ya no se encuentran únicamente en laboratorios o en fábricas, donde se pueden mantener condiciones controladas, sino que también se presentan en distintas situaciones cotidianas. Entre las distintas catego- rías de robots, destaca fuertemente la robótica móvil, debido a su alto potencial de impacto social. Aquellos robots que forman parte de esta categoría, potencialmente pueden resolver una cantidad muy variada de problemas, debido a su capacidad de realizar interacciones complejas con un entorno dinámico, el cual puede incluir interacciones con seres humanos u otros agentes robóticos. Sin embargo, la capacidad de resolver problemas por parte de un agente robótico suele estar limitada por el conocimiento y las habilidades del diseñador. Se identifica entones la necesidad de incorporar metodologías generales que permitan a los agentes robóticos adquirir las habilidades necesarias para poder realizar las labores que les son asignadas. En el presente trabajo se estudia el uso del Aprendizaje Reforzado como herramienta de uso general para que los agentes robóticos adquieran las habilidades necesarias para reali- zar su labor. Son objetivo de especial interés, no solo la capacidad de resolver problemas particulares, sino que además estudiar la capacidad de generalización de las soluciones, y la escalabilidad de ésta herramienta. La metodología propuesta consiste en el uso del fútbol robótico como caso de estudio, debido a su complejidad como problema, al mismo tiempo de su facilidad de evaluación. Se identifican problemas de diversa complejidad y naturaleza en este contexto, identificando cuales son las características que son generales a distintos problemas, permitiendo extraer re- sultados de interés a otras aplicaciones. Para resolver los problemas identificados, se utilizan distintos algoritmos del Aprendizaje Reforzado, tanto tradicionales como modernos, haciendo hincapié en los beneficios de cada uno. Los resultados permiten perfilar al Aprendizaje Reforzado como una herramienta útil en el contexto de la robótica móvil. Algoritmos tradicionales son capaces de solucionar problemas sencillos de manera altamente eficiente y utilizando bajos recursos. Por otro lado, las técni- cas modernas permiten abordar problemas mucho más complejos, previamente considerados intratables de manera directa. Finalmente, el uso de esta metodología presenta un potencial todavía no explorado a profundidad, sin conocer todavía el límite en sus aplicaciones. Se identifica entonces un amplio campo de desarrollo para futuros trabajos e investigación.

Doctor en Ingeniería Eléctrica / La interfaz cerebro computador permite la interacción entre las señales extraídas del cerebro de una persona y su entorno, lo que se logra mediante el procesamiento de estas señales en un computador. Sin embargo, aún no existe consenso respecto a los métodos de análisis y procesamiento de estas señales para una correcta clasificación en tareas de imaginería motora. La presente Tesis propone un nuevo método para optimizar la clasificación de tareas de imaginería motora mediante el uso automatizado de análisis de componentes independientes (ICA) y descomposición de modo empírico (EMD) en la fase de procesamiento de señales de electroencefalografía. La señales utilizadas corresponden a la base de datos pública Physionet. Con el fin de evaluar la eficacia de la clasificación se comparan cuatro clasificadores estadísticos, Máquina de soporte vectorial con optimización mínima secuencial (SMO), Bayes, Dagging y Logistic. Éstos fueron seleccionados considerando las propiedades de las señales de EEG. Las tareas de imaginería motora a clasificar fueron: imaginar abrir y cerrar el puño iz- quierdo, imaginar abrir y cerrar el puño derecho e imaginar reposo de extremidades. Se compararon los resultados de la clasificación para las 3 tareas de imaginería motora usando los cuatro clasificadores con y sin el uso del método propuesto en 102 sujetos de la base de datos. La metodología propuesta demostró que el uso automatizado de ICA y EMD en secuencia es eficaz para mejorar la clasificación de tareas de imaginería motora. Los mejores resultados se obtuvieron con el clasificador Logistic, con un porcentaje de 98,8 % de aciertos en la clasificación, seguido por SMO con 97,7 %, Dagging con 93,9 % y finalmente Bayes con 58,8 %. Además se demostró que existe diferencia estadísticamente significativa al comparar los resultados entre el método propuesto y el método tradicional en los cuatro clasificadores usados.