Clasificación de objetos usando percepción bimodal de palpación única en acciones de agarre robótico

Este trabajo presenta un metodo para clasificar objetos agarrados con una mano robotica multidedo combinando en un descriptor hibrido datos propioceptivos y tactiles. Los datos propioceptivos se obtienen a partir de las posiciones articulares de la mano y los tactiles se extraen del contacto registrado por celulas de presion instaladas en las falanges. La aproximacion propuesta permite identificar el objeto aprendiendo de forma implicita su geometria y rigidez usando los datos que facilitan los sensores. En este trabajo demostramos que el uso de datos bimodales con tecnicas de aprendizaje supervisado mejora la tasa de reconocimiento. En la experimentacion, se han llevado a cabo mas de 3000 agarres de hasta 7 objetos domesticos distintos, obteniendo clasificaciones correctas del 95%con metrica F1, realizando una unica palpacion del objeto. Ademas, la generalizacion del metodo se ha verificado entrenando nuestro sistema con unos objetos y posteriormente, clasificando otros nuevos similares.