Академический Документы
Профессиональный Документы
Культура Документы
ON REVISTA MEXICANA DE F
OTICA 65
informaci on sin requerir de t ecnicas estadsticas, lo que los
hace apropiados para su aplicaci on en ambientes din amicos.
En el presente trabajo se presenta una propuesta de inte-
graci on sensorial para el reconocimiento de estados en una
tarea de ensamblado mediante la aplicaci on de la t ecnica
de agrupaci on de C-promedios difusos (Fuzzy c-means) uti-
lizando como funci on objetivo la distancia Euclidiana y la
distancia de Mahalanobis. Esta t ecnica de agrupaci on difu-
sa fue desarrollada por Bezdek en 1981 [11] y ha sido em-
pleada [14] para el procesamiento de im agenes de resonancia
magn etica, para segmentaci on de im agenes a color [15] para
clasicar se nales ac usticas provenientes de diferentes fuen-
tes [16], entre otros.
2. Informaci on de fuerzas de reacci on
En ausencia de incertidumbre, la informaci on sobre la con-
guraci on geom etrica del manipulador es suciente para plani-
car y ejecutar una tarea de ensamblado. Sin embargo, cuan-
do la incertidumbre geom etrica es relevante, esta informaci on
generalmente no es suciente, aunque sigue siendo funda-
mental. Algunas incertidumbres geom etricas pueden mode-
larse e incluirse en el proceso de dise no de planicaci on de
la tarea.
Las principales fuentes de incertidumbre geom etrica en
manipulaci on rob otica son:
a) Tolerancias en la forma y tama no de los objetos.
b) Imprecisiones en la ubicaci on de los objetos en el es-
pacio de trabajo.
c) Imprecisi on en la posici on y orientaci on del robot.
d) Imprecisi on en la posici on del objeto dentro de la pinza
del robot.
Todas estas fuentes de incertidumbre se combinan en el
espacio fsico y determinan regiones de incertidumbre donde
podran ubicarse los v ertices, bordes y caras de cada objeto.
El conocimiento de las fuerzas de reacci on generalizadas es
el complemento natural de la informaci on de conguraci on
geom etrica en presencia de incertidumbre, ya que las fuerzas
de reacci on implican una restricci on en el espacio de con-
guraciones del robot.
Como se muestra en la Fig. 1, es posible determinar una
situaci on de contacto con base en la observaci on de las fuer-
zas de reacci on. La direcci on de una fuerza generalizada
de reacci on se ve afectada por las fuentes de incertidumbre
geom etrica y por las imprecisiones del sensor de momen-
to/fuerza. La Fig. 2 muestra 6 de las 12 posibles congura-
ciones de contacto en un plano entre un v astago cilndrico y
un oricio.
Es posible asociar los datos de conguraci on geom etrica
con incertidumbre con los datos de las direcciones de las fuer-
zas generalizadas de reacci on. Este conjunto conformar a las
caractersticas que determinan el estado actual de la tarea. La
planicaci on de una tarea consistir a entonces en llegar al es-
tado nal, partiendo del estado actual percibido por los sen-
sores y pasando por una serie de estados intermedios.
FIGURA 1. Pinza y sensor de fuerza.
FIGURA 2. Algunas conguraciones de contactos.
Para realizar ecazmente una tarea de ensamblado en pre-
sencia de incertidumbre, el manipulador deber a realizar una
serie de movimientos tratando de acomodar las piezas para
su correcto ensamble. Estos movimientos de acomodaci on
estar an restringidos en el espacio por las fronteras entre los
objetos y ser an determinados por el estado caracterizado por
la informaci on sensorial. El empleo de t ecnicas de acomo-
daci on, ya sea pasiva o activa, permite realizar movimientos
restringidos en presencia de incertidumbre mediante un ma-
peo de las fuerzas de reacci on a movimientos de correcci on.
Algunos trabajos recientes en cuanto a la identicaci on
de contactos incluyen el empleo de redes neuronales para
integraci on de fuerza y medidas de posici on [18], fusi on de
fuerza y visi on mediante sistemas expertos [19], clasicaci on
mediante reglas difusas de patrones de momento/fuerza obte-
nidos de los sensores [20], entre otras t ecnicas.
Rev. Mex. Fs. 51 (1) (2005) 6470
66 J.A. GARC
IA MU
f
x
= 0 = f
x
+ f
1
cos f
1
sin f
2
,
f
z
= 0 = f
z
f
1
sin f
1
cos f
2
,
M = 0 = M f
x
L f
z
d
2
+ f
2
d + f
2
l. (1)
Combinando estas ecuaciones obtenemos
M
F
=sin
_
_
L
D(cos +sin ) +d
_
2
1
2
sin2cos 2
_
1(sincos )
2
_
_
+cos
_
d+D(sincos )
1(sincos )
2
d
2
_
. (2)
Para la conguraci on 3 de la Fig. 2, que se muestra en la
Fig. 4, se tiene:
f
x
= 0 = f
x
f
1
f
2
,
f
z
= 0 = f
z
f
1
+ f
2
,
M = 0 = M f
1
L f
1
_
d
2
l
1
_
f
2
d
2
f
2
(L l
2
, ) (3)
M
F
= sin
_
L + D
cos sin
2
+ 1
_
+ cos
_
d
2
+ D
cos sin
2
+ 1
_
. (4)
El an alisis geom etrico para las conguraciones con un solo
contacto es similar; sin embargo, algunas de estas congura-
ciones pueden quedar indeterminadas debido a la imposibili-
dad de ubicar con exactitud el punto de contacto. No obstante,
presentan una caracterstica com un con la que es posible dis-
tinguirlas: su raz on momento/fuerza es m as grande que para
las conguraciones de dos contactos.
4. Agrupaciones
El agrupamiento (clustering) es una metodologa para encon-
trar estructuras naturales en un conjunto de datos muestrea-
dos. La colecci on de muestras con caractersticas similares se
agrupan formando clases.
Cuando ocurre un traslape entre clases es posible obte-
ner una mejor descripci on de los datos mediante t ecnicas de
clasicaci on difusa, como podra ocurrir con los datos repor-
tados por los sensores de fuerza y conguraci on geom etrica
en tareas de ensamblado con incertidumbre.
Las propiedades de los datos muestreados se identican
num ericamente mediante un conjunto de caractersticas que
forman el espacio de las mismas. Si identicamos los eventos
y caractersticas que distinguen a cada estado en una tarea de
manipulaci on, podremos construir un espacio de caractersti-
cas para cada estado.
Una caracterstica F es un conjunto de n umeros reales f
que corresponden a todos los valores posibles para esa carac-
terstica y representar a el estado actual en una tarea de ma-
nipulaci on. Denimos un espacio euclidiano p-dimensional
que corresponde al producto cartesiano de la familia de ca-
ractersticas observadas durante ese estado y lo denotamos
como
F
p
= F
1
F
2
. . . F
p
. (5)
En cualquier momento durante un estado tendremos una
ptupla (f
1
, f
2
,. . . , f
p
) que corresponde a los valores de la
caracterstica actual y dene una posici on en el espacio de
caractersticas de dimensi on p. Dentro de este espacio ha-
br a cierto n umero de regiones que corresponden a los p
posibles eventos que pueden ocurrir durante el estado.
Los puntos o muestras se conocen como vectores patr on,
o simplemente patrones. La colecci on de todos los patrones
Rev. Mex. Fs. 51 (1) (2005) 6470
INTEGRACI
OTICA 67
FIGURA 3. Diagrama de cuerpo libre para la conguraci on 5 de la
Fig. 2.
FIGURA 4. Diagrama de cuerpo libre para la conguraci on 3 de la
Fig. 2.
observados conforma el universo denotado por X. Los ele-
mentos individuales de este universo se denotan como x
k
,
(k= 1, 2,. . . , n), donde n es el n umero total de elementos.
5. C-promedios difusos
Consiste en un m etodo de agrupaci on iterativo que separa el
conjunto de datos X={x
1
, x
2
,. . . , x
n
} en c subconjuntos di-
fusos u
i
, donde u
i
(x
k
), es una funci on de membresa de x
k
en la clase i. Los valores u
i
(x
k
) son arreglados en una matriz
U. El m etodo consiste en minimizar la suma de la funci on
cuadrada del error denida como
J
m
(U, z) =
c
i=1
n
k=1
u
m
ik
d
2
ik
, (6)
donde u
ik
es el valor de la i- esima funci on de membresa pa-
ra el k esimo dato x
k
, U M
fcn
es una partici on difusa c
de X y el espacio M
fcn
contiene todas las particiones difusas
posibles para X:
M
fcn
=
_
U R
cn
|0 u
ik
1i, k;
c
i=1
u
ik
= 1, k; 0 <
n
k=1
u
ik
< ni
_
(7)
z = {z
1
, z
2
,. . . , z
c
} R
cp
, con z
i
R
p
, es el centro de la
agrupaci on o prototipo de la i esima clase; d
ik
= ||x
k
z
i
||
2
.
Empleando la funci on de distancia euclidiana, m es un expo-
nente de ponderaci on o exponente difuso tal que m (1, )
y afecta la difusividad de u.
d
ik
=
_
p
j=1
(x
kj
z
ij
)
2
, (i = 1, 2, . . . , c). (8)
Este concepto de proximidad puede ser empleado para de-
terminar los valores de membresa. Las funciones de mem-
bresa u
1
(), u
2
(). . . se calculan mediante una relaci on de
similaridad basada en la distancia entre las muestras x
k
y los
prototipos z
i
:
h
i
(x
k
) =
1
1 + d
2
ik
, i {1, 2, . . .} . (9)
Los valores de h
i
() est an normalizados para cada mues-
tra, de tal manera que
i
u
i
(x
k
) = 1, k, (10)
u
i
(x
k
) =
h
i
(x
k
)
j{1,2}
h
j
(x
k
)
, i {1, 2} , k. (11)
Si no se conocen los prototipos de las clases con antici-
paci on, se emplea un algoritmo de clasicaci on difusa para
estimar las funciones de membresa y los prototipos. El ob-
jetivo es encontrar una matriz de partici on difusa U* y un
conjunto de prototipos z* que consigan minimizar J
m
. Las
condiciones necesarias para minimizar J
m
se obtienen como
se muestra en el Ap endice en la Ref. 17, y son
u
ik
=
1
c
j=1
_
d
ik
d
jk
_ 2
m1
(12)
y
z
i
=
n
k=1
u
m
ik
x
k
n
k=1
u
m
ik
, i, (13)
Rev. Mex. Fs. 51 (1) (2005) 6470
68 J.A. GARC
IA MU
then stop;
U := U
new
;
end
end.
Es posible utilizar otras funciones de distancia para obte-
ner los grados de membresa. Una funci on tpicamente em-
pleada, adem as de la distancia euclideana es la distancia de
Mahalanobis, que se basa en la suposici on de que las distribu-
ciones de probabilidad siguen distribuciones normales multi-
variadas. Estas funciones de densidad describen hiper elip-
soides para las cuales existe el lugar geom etrico de los pun-
tos cuya funci on de densidad es la misma y tienen un car acter
normalizador de los datos.
6. Pruebas y resultados
Se realizaron pruebas en simulaci on empleando las ecuacio-
nes obtenidas del an alisis de fuerzas y momentos presentado
en la Sec. 3.
Considerando una barra cilndrica rgida e indeformable
de 8 0.040 cm de longitud por 2 0.010 cm de di ametro a
insertarse en un oricio de 2.2 0.011 cm de di ametro, y un
sensor de momento/fuerza con una incertidumbre del 10 %
Rev. Mex. Fs. 51 (1) (2005) 6470
INTEGRACI
OTICA 69
FIGURA 6. Ubicaci on de datos y prototipos para las conguraciones 1, 2, 4, 5 y 6 con escala especial utilizando a) distancia de Mahalanobis
y b) distancia Euclidiana. Los angulos y est an expresados en grados.
del valor medido con un error en la orientaci on de la barra
de 5
4.9494
4 -0.005275 0.0150
4.9182
5 -0.018863 0.0058
4.7544
6 0.009997 0.0142
4.9227
IA MU