Desarrollo de un robot modular capaz de aprender su morfología, mediante la adaptación de módulos robóticos EMERGE

Abstract

Este proyecto se desarrolla en el GII y consiste en un robot modular capaz de aprender la representación de su propia morfología mediante su modelo de mundo para realizar pruebas a la arquitectura cognitiva desarrollada por el grupo, la e-MDB. En este informe se explican los conceptos necesarios para comprender correctamente el proceso de diseño, implementación y decisiones tomadas durante el desarrollo. Se sigue la metodología de Ulrich-Eppinger adaptada para utilizarse en un proyecto de investigación. El modelo de mundo está representado mediante una red neuronal artificial y el sistema robótico se desarrolla con base en los módulos EMERGE. Para la implementación del sistema robótico se rediseña el módulo base del sistema y se le añaden 2 sensores: un sensor infrarrojo de distancia y una IMU, y para el método de aprendizaje se utilizan redes neuronales para lo que se desarrollan múltiples programas en Python: generación de datos, control del sistema, y aprendizaje del modelo de mundo. Los principales resultados obtenidos son: un sistema capaz de aprender modelos de mundo para un robot de hasta 3 módulos en cadena con un porcentaje de error menor a 0,01 %, y el módulo base fabricado, que permite la conexión de hasta 16 módulos en configuraciones de manipuladores, cuadrúpedos y bípedos. Por lo tanto, ahora el GII cuenta con un sistema robótico reconfigurable, modular y escalable para realizar gran variedad de pruebas a la e-MDB. Adicional al proyecto, se realizan pruebas a una parte del e-MDB mediante la cual, utilizando el modelo de mundo aprendido, el sistema robótico implementado es capaz de aprender a llegar a un objetivo por su propia cuenta, además de la redacción de un artículo científicos para dos conferencias distintas.

This project is developed in the GII and consists of a modular robot capable of learning the representation of its own morphology through its world model to perform tests to the cognitive architecture developed by the group, the e-MDB. This report explains the concepts necessary to properly understand the design process, implementation and decisions made during development. It follows the methodology of Ulrich-Eppinger adapted for use in a research project. The world model is represented by an artificial neural network and the robotic system is developed based on EMERGE modules. For the implementation of the robotic system, the base module of the system is redesigned and 2 sensors are added: an infrared distance sensor and an IMU, and for the learning method, neural networks are used for which multiple programs are developed in Python: data generation, system control, and learning of the world model. The main results obtained are: a system capable of learning world models for a robot with up to 3 modules in a chain with an error rate of less than 0,01 %, and the base module manufactured, which allows the connection of up to 16 modules in manipulator, quadruped and biped configurations. Therefore, now the GII has a reconfigurable, modular and scalable robotic system to perform a wide variety of tests to the e-MDB. In addition to the project, tests are carried out on a part of the e-MDB by which, using the learned world model, the implemented robotic system is able to learn to reach a goal on its own, as well as the writing of a scientific paper for two different conferences.