Enfoque basado en GPU para la generación rápida de representaciones de capacidad de robot
Barra lateral del artículo
Contenido principal del artículo
Resumen
Los mapas de capacidad son una herramienta importante para permitir que los robots comprendan sus cuerpos al proporcionar una forma de representar la destreza de sus brazos. Por lo general, se tratan como estructuras de datos estáticas debido a lo intensidad en computación que pueden generar. Presentamos un método para generar mapas de capacidad aprovechando la paralelización que ofrecen las GPU modernas, de modo que estos mapas se generan aproximadamente 50 veces más rápido que las implementaciones anteriores. Este sistema podría utilizarse en situaciones en las que el robot tiene que generar estos mapas rápidamente, por ejemplo, cuando se utilizan herramientas desconocidas.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y pueda editarlo, reproducirlo, distribuirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos. Asimismo, asumen el compromiso sobre cualquier litigio o reclamación relacionada con derechos de propiedad intelectual, exonerando de responsabilidad a la Editorial Tecnológica de Costa Rica. Además, se establece que los autores pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
Citas
Chaves-Arbaiza, I., García-Vaglio, D., Ruiz-Ugalde, F.: Smart Placement of a Two- Arm Assembly for An Everyday Object Manipulation Humanoid Robot Based on Capability Maps. In: 2018 IEEE International Work Conference on Bioinspired Intelligence (IWOBI), pp. 1–9 (2018). DOI 10.1109/IWOBI.2018.8464192
Forstenhäusler, M., Wetner, T., Dietmayer, K.: Optimized Mobile Robot Posi- tioning for better Utilization of the Workspace of an attached Manipulator. In: 2020 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM), pp. 2074–2079 (2020). DOI 10.1109/AIM43001.2020.9158922. ISSN: 2159-6255
Jauer, P., Kuhlemann, I., Ernst, F., Schweikard, A.: GPU-based real-time 3D workspace generation of arbitrary serial manipulators. In: 2016 2nd International Conference on Control, Automation and Robotics (ICCAR), pp. 56–61 (2016). DOI 10.1109/ICCAR.2016.7486698
Klein, C.A., Blaho, B.E.: Dexterity Measures for the Design and Control of Kinematically Redundant Manipulators. The International Journal of Robotics Research 6(2), 72–83 (1987). DOI 10.1177/027836498700600206. URL http://journals.sagepub.com/doi/10.1177/027836498700600206
Liu, Q., Chen, C.Y., Wang, C., Wang, W.: Common workspace analysis for a dual-arm robot based on reachability. In: 2017 IEEE International Conference on Cybernetics and Intelligent Systems (CIS) and IEEE Conference on Robotics, Automation and Mechatronics (RAM), pp. 797–802 (2017). DOI 10.1109/ICCIS. 2017.8274881. ISSN: 2326-8239
Makhal, A., Goins, A.K.: Reuleaux: Robot Base Placement by Reachability Analy- sis. In: 2018 Second IEEE International Conference on Robotic Computing (IRC), pp. 137–142 (2018). DOI 10.1109/IRC.2018.00028
Morgan, A.S., Hang, K., Bircher, W.G., Alladkani, F.M., Gandhi, A., Calli, B., Dollar, A.M.: Benchmarking Cluttered Robot Pick-and-Place Manipulation With the Box and Blocks Test. IEEE Robotics and Automation Letters 5(2), 454–461 (2020). DOI 10.1109/LRA.2019.2961053. Conference Name: IEEE Robotics and Automation Letters
Porges, O., Lampariello, R., Artigas, J., Wedler, A., Borst, C., Roa, M.A.: Reach- ability and dexterity: Analysis and applications for space robotics. In: Proceedings of the Workshop on Advanced Space Technologies for Robotics and Automation (ASTRA) (2015)
Porges, O., Stouraitis, T., Borst, C., Roa, M.A.: Reachability and Capability Analysis for Manipulation Tasks. In: M.A. Armada, A. Sanfeliu, M. Ferre (eds.) ROBOT2013: First Iberian Robotics Conference, Advances in Intelligent Systems and Computing, pp. 703–718. Springer International Publishing, Cham (2014). DOI 10.1007/978-3-319-03653-3_50
Ruiz, E., Mayol-Cuevas, W.: Where can i do this? Geometric Affordances from a Single Example with the Interaction Tensor. In: 2018 IEEE International Confer- ence on Robotics and Automation (ICRA), pp. 2192– 2199. IEEE, Brisbane, QLD (2018). DOI 10.1109/ICRA.2018.8462835. URL https://ieeexplore.ieee.org/ document/8462835/
Zacharias, F., Borst, C., Hirzinger, G.: Capturing robot workspace structure: repre- senting robot capabilities. In: 2007 IEEE/RSJ International Conference on Intelli- gent Robots and Systems, pp. 3229–3236 (2007). DOI 10.1109/IROS.2007.4399105. ISSN: 2153-0866
Chang, C.C., Lin, C.J.: LIBSVM: A library for support vector machines. ACM Transactions on Intelligent Systems and Technology 2, 27:1–27:27 (2011). Software available at http://www.csie.ntu.edu.tw/ cjlin/libsvm
Anguita, D., Ghio, A., Ridella, S., Sterpi, D.: K-fold cross validation for error rate estimate in support vector machines. In: R. Stahlbock, S.F. Crone, S. Lessmann (eds.) Proceedings of the 2009 International Conference on Data Mining, DMIN 2009, July 13-16, 2009, Las Vegas, USA, pp. 291–297. CSREA Press (2009)