Estrategia de movimiento basada en deep learning y visión por ordenador para robot cuadrúpedo

La locomoción es uno de los principales desafíos presentes en el campo de la robótica. Esta habilidad expande el alcance de los robots, y les permite resolver un gran abanico de tareas, desde aplicaciones cotidianas del día a día, hasta exploraciones en terrenos desconocidos. En este documento se detalla el desarrollo de una estrategia de movimiento, basada en inteligencia artificial, para un robot cuadrúpedo. El algoritmo desarrollado tiene como objetivo hacer que el robot alcance (de forma autónoma) un determinado objeto. El sistema propuesto está compuesto por varias entidades: un sensor cámara instalado en la parte frontal del robot para capturar imágenes del entorno, una red neuronal convolucional para clasificar la posición relativa del objetivo, y una estructura de robot cuadrúpedo encargada de realizar las acciones de movimiento determinadas por el algoritmo de control. El desarrollo de este proyecto se ha llevado a cabo siguiendo una metodología ascendente. Resolviendo en primer lugar una simplificación del problema planteado, se ha aumentado la complejidad de cada estrategia de movimiento hasta alcanzar resultados satisfactorios. Cada etapa del desarrollo sigue la misma estructura: diseño del algoritmo de control, implementación y análisis de resultados. Gracias a ello, ha sido posible observar cuáles son las virtudes y carencias de cada estrategia de movimiento, permitiendo mejorar el desempeño del sistema en etapas posteriores. El resultado final es una estrategia de movimiento funcional, capaz de conducir el robot hasta el objetivo deseado gracias a los excelentes resultados obtenidos en el modelo de clasificación. Locomotion is one of the main challenges to overcome in robotic technologies, this skill enable robotics to be applied over a wide range of tasks spanning day-to-day applications up to exploration tasks in unknown and far territories. This document details the development of a movment strategy definition on a four-legged robot based on artificial intelligence. The algorithm developed is made to enable the robot reach the objective autonomously, this system is composed of various subsystems: A camera installed in the front, to capture images of the surrounding. A convolutional neural network allows classification of the object's relative position and finally the robot's structural awareness that will execute the movements to be performed as per tasks generated by the control unit. This project has been executed following an ascending methodology. Solving by first a simplification of the proposed problem, the complexity of each movement strategy has been increased until achieve satisfactory results. Each development stage follows the next structure: control algorithm design, implementation and analysis of the performed task. As a result, it has been possible to evaluate the strengths and weaknesses of each movement strategy, and then improve the system performance on subsequent stages. Thanks to the excellent accuracy acquired on the classification models, the final result is a functional movement strategy able to drive the robot to the desired object.