Descripción del proyecto
CHLOE-GRAPH PROPONE UN NUEVO ENFOQUE PARA LA MANIPULACION ROBOTICA DE ROPA DISEÑADO PARA SER SUFICIENTEMENTE GENERAL COMPLETO PARA SER APLICADO EN DIFERENTES TAREAS ASISTENCIALES, MIENTRAS QUE LA MANIPULACION ROBOTICA CON OBJETOS RIGIDOS HA LLEGADO A UNA CIERTA MADUREZ, LOS ROBOTS AUN TIENEN QUE MEJORAR MUCHO PARA LLEGAR A TRATAR CON OBJETOS DEFORMABLES, LOS OBJETOS TEXTILES SUPONEN UN RETO DEBIDO A LA COMPLEJIDAD DE ENTENDER SU GRADO DE DEFORMACION QUE A MENUDO ESCONDE PARTES DEL MISMO OBJETO, IMPIDIENDO EL APRENDIZAJE CON DATOS REALES, ESTO HA LLEVADO A DESARROLLAR TECNICAS FOCALIZADAS EN TAREAS MUY ESPECIFICAS, Y COMO RESULTADO NO EXISTE UN METODO GENERAL QUE PUEDA DAR SOLUCIONES APLICABLES A DIFERENTES TAREAS O DIFERENTES TIPOS DE TELA,LOS ROBOTS EN ENTORNOS ASISTENCIALES CAPACES DE MANIPULAR ROPA SUPONDRIAN UN AVANCE IMPORTANTE QUE DARIA VARIAS OPORTUNIDADES DE NEGOCIO,EN CHLOE-GRAPH MANTENEMOS QUE LA SOLUCION DEBE INVOLUCRAR A LAS DIFERENTES CAPAS EXISTENTES EN ROBOTICA: LA PERCEPCION, LA TOMA DE DECISIONES Y LA EJECUCION, PROPONEMOS DESARROLLAR UNA NUEVA REPRESENTACION DEL ESTADO DE LA ROPA DISEÑADO PARA SIMPLIFICAR SU RECONOCIMIENTO, PERO INCLUYENDO INFORMACION DETALLADA DE LAS PARTES QUE TIENEN QUE SER MANIPULADAS PARA EJECUTAR LA SIGUIENTE ACCION, ASI COMO ETIQUETAS SEMANTICAS DISEÑADAS PARA LA PLANIFICACION A ALTO NIVEL,LOS 4 OBJETIVOS DEL PROYECTO SONO1- DEFINIR LA NUEVA REPRESENTACION DE ESTADO SELECCIONANDO LOS PARAMETROS REQUERIDOS PARA LA PERCEPCION, LA EJECUCION Y LA PLANIFICACION A ALTO NIVEL, ESTA NUEVA REPRESENTACION DEL ESTADO DE LA ESCENA TENDRA UN PAPEL CENTRAL EN EL PROYECTO: AYUDARA A DETERMINAR QUE SE TIENE QUE PERCIBIR, SE USARA PARA DEFINIR OPERADORES DE PLANIFICACION Y DEFINIRA LAS HABILIDADES NECESARIAS PARA EJECUTAR ACCIONES,O2 - DESARROLLAR UN METODO DE RECONOCIMIENTO DE LOS ESTADOS DEFINIDOS EN O1 BASADO EN DEEP LEARNING CON DATOS REALES ETIQUETADOS USANDO LOS PARAMETROS DE LA REPRESENTACION, PLANEAMOS COMBINAR METODOS DE TOPOLOGIA COMPUTACIONAL CON ARQUITECTURAS DE DEEP LEARNING PARA IDENTIFICAR LAS CARACTERISTICAS RELEVANTES DE LA SUPERFICIE 2D DE LA ROPA EN EL MUNDO 3D, COMO PUEDEN SER LOS CONTACTOS CON EL ENTORNO, LA POSICION DE LOS AGARRES O LA CATEGORIA DE DEFORMACION, ASI COMO INFORMACION DE LAS PARTES CON CAPACIDAD DE SER MANIPULADAS,O3- IMPLEMENTAR UN CONJUNTO DE PRIMITIVAS DE BAJO NIVEL CON ESTRATEGIAS PARA HACER TRANSICIONES ENTRE LOS ESTADOS DEFINIDOS, DEPENDIENDO DE LA COMPLEJIDAD DE LA TRANSICION, USAREMOS TECNICAS DE APRENDIZAJE POR DEMOSTRACION, O METODOS DE DEEP-LEARNING SIM-TO-REAL, O CONTROL PREDICTIVO CON MODELOS SIMPLES, USANDO LOS PARAMETROS DE LA REPRESENTACION PARA CARACTERIZAR EL MOVIMIENTO Y APLICAR TECNICAS DE ADAPTABILIDAD DE LA TRAYECTORIA EXTENDIENDO RESULTADOS PREVIOS DEL GRUPO,O4 - DESARROLLAR UN MARCO DE TOMA DE DECISIONES PARA ESCOGER ACCIONES ENTRE DIFERENTES PLANES ALTERNATIVOS, CONSIDERANDO QUE NO TENDREMOS OBSERVABILIDAD COMPLETA DEL ESTADO Y LA INCERTIDUMBRE EN LA EJECUCION DE LA ACCION, VAMOS A TRABAJAR EN TRES RETOS: HACER UNA REPRESENTACION EFICIENTE DE LA TAREA, REBAJAR LA COMPLEJIDAD DE LA RELACION ENTRE DE INFORMACION DE ALTO Y BAJO NIVEL Y UTILIZAR LA EXPERIENCIA PARA MEJORAR EL MODELO DE TRANSICIONES,TAMBIEN PROPONDREMOS MEDIADAS NUEVAS PARA BENCHMARKING DE MANIPULACION DE ROPA Y VALIDAREMOS NUESTROS RESULTADOS CON DOS DEMOSTRACIONES ROBOTICAS, MANIPULACION DINAMICA DE ROPA\PLANIFICACION DE TAREAS\APRENDIZAJE POR DEMONSTRACION\APRENDIZAJE CONTINUO\PERCEPCION DE OBJETOS TIPO ROPA.