Robótica asistencial y su interacción con entorno en oficinas
Robótica asistencial y su interacción con entorno en oficinas
Contenido principal del artículo
Resumen
En este artículo se describen los fundamentos de los algoritmos de navegación autónoma y manipulación empleados para dotar de autonomía al Robot Asistencial de la cun y que pueda ser empleado como asistente en oficinas. Los algoritmos de navegación se basan en técnicas del lugar de las raíces que, mediante la selección de polos y ceros en la zona de movimiento del robot, generan una trayectoria libre de obstáculos, lo que permite que el robot se desplace de un lugar a otro sin problemas. Para la manipulación de objetos, se plantean algoritmos de movimiento de brazos, cuando el robot está lo suficientemente cerca al objetivo con el que debe trabajar, basados en los parámetros de Denavit-Hartenberg; ahora bien, estos son modificados hacia la evaluación del espacio de trabajo aumentado de los brazos y el uso de trayectorias cartesianas suaves, estas últimas generadas a partir de la configuración del objeto que se desea alcanzar. Gracias a la presentación y discusión de los resultados, es posible concluir que la implementación del robot asistencial es viable y válida.
Palabras clave
Descargas
Detalles del artículo
Referencias (VER)
Arbulú, M., Martínez, F. y Montiel, H. (2015). Metodología para el uso de la técnica de localización de raíces en la planeación de rutas para robots móviles. Tecnura, 19(46), 49-64. doi:https://doi.org/10.14483/udistrital.jour.tecnura.2015.4.a04
Corke, P. (2007). A simple and systematic approach to assigning Denavit-Hartenberg parameters.ieee Transactions on Robotics, 23(3), 590-594. Recuperado de https://bit.ly/3hEMhxA
Hayne, R., Luo, R. y Berenson, D. (2016). Considering avoidance and consistency in motion planning for human-robot manipulation in a shared workspace. ieee International Conference on Robotics and Automation (icra), 3948-3954. Recuperado de https://bit.ly/3wHT4Le
Kemp, C., Edsinger, A. y Torres, E. (2007). Challenges for robot manipulation in human environments [Grand Challenges of Robotics]. ieee Robotics and Automation Magazine, 14(1), 20-29. Recuperado de https://ieeexplore.ieee.org/document/4141029
Kruse, D., Radke, R., Wen, J. (2015). Collaborative human-robot manipulation of highly deformable materials. ieee International Conference on Robotics and Automation (icra), 3782-3787.Recuperado de https://bit.ly/3ep8ZI5
Martínez, F., Orjuela, S. y Arbulú, M. (2017). Global navigation approach for assistant robot. Tecnura,21(51), 105-117. doi: https://doi.org/10.14483/udistrital.jour.tecnura.2017.1.a08
Martinez, F., Rendón, A., y Arbulú, M. (2018). A data-driven path planner for small autonomous robots using deep regression models. En Y. Tan, Y. Shi y Q. Tang (eds.), Data Mining and Big Data. dmbd 2018. Lecture Notes in Computer Science, 10 943. Springer: Cham. Recuperado de https://bit.ly/3wCWBKQ