Título: Redes Neurais Convolucionais Aplicadas à Preensão Robótica
Autores: Oliveira, Renata;Alves, Errison;Malqui, Carlos
Resumo:
A preensão robótica é um importante ramo de pesquisa no campo da robótica inteligente que envolve a percepção, planejamento e controle de um manipulador mecânico para efetuar a captura autônoma de objetos. Entretanto, a percepção do ambiente permanece um desafio visto que a forma do objeto pode ser desconhecida, além dos ruídos presentes no ambiente e do elevado custo computacional de processamento. Neste trabalho é proposto o projeto de um modelo computacional, baseado em Redes Neurais Profundas, capaz de detectar uma região de preensão para garras robóticas a partir da imagem RGB do objeto. Na proposta é avaliada o emprego de uma arquitetura mais simples (i.e., menor quantitativo de parâmetros da rede) àquelas comumente utilizadas, buscando-se reduzir o custo computacional do projeto aliado a uma maior capacidade de detecção para objetos inéditos. Dessa forma, foi desenvolvida uma rede composta por menos camadas, propondo também uma redução na dimensão dos parâmetros (resolução de imagem, filtros, etc.). A metodologia proposta foi validada a partir da base de imagens Cornell Grasp Detection, a partir da qual o modelo obteve uma acurácia média de 85,3% na detecção da preensão para objetos inéditos, mostrando um desempenho superior ao estado da arte.
Palavras-chave:
Preensão Robótica;Imagens RGB;Redes Neurais Profundas
Páginas: 11
Código DOI: 10.21528/CBIC2017-97
Artigo em pdf: cbic-paper-97.pdf
Arquivo BibTeX: cbic-paper-97.bib