Libros · 2026
Cinemática, control adaptativo y percepción visual en robótica
Este libro reúne tres estudios de investigación desarrollados por sus autores sobre manipuladores seriales industriales, articulando fundamentos teóricos con aplicaciones prácticas en un área que combina ingeniería mecánica, eléctrica, electrónica y de sistemas. La obra recorre progresivamente los cimientos estructurales de los manipuladores; tipos de juntas, configuraciones cinemáticas y grados de libertad, el modelado matemático mediante transformaciones homogéneas y la convención de Denavit-Hartenberg, la cinemática inversa con sus singularidades, y la caracterización del espacio de trabajo mediante métodos analíticos y numéricos. A partir de estos fundamentos, el libro documenta tres estudios de escala creciente: el control adaptativo de un manipulador paralelo 2RRR mediante redes neuronales de base radial, la estimación de pose de un manipulador UR5 simulado con redes convolucionales, y RGBJointsNet, un clasificador multimodal de zonas de operación para una celda colaborativa de dos manipuladores UR5 que combina visión por computador y estado cinemático articular, eje central de la obra. Con rigor metodológico y reproducibilidad verificable, se presentan resultados experimentales completos; incluyendo estudios de ablación, comparación de arquitecturas visuales y análisis de eficiencia, además de un apéndice con ejercicios resueltos de cinemática y otro sobre cadenas de Markov aplicadas a confiabilidad.
Texto completo 166 páginas con texto de 188
Leer la tesis completa Ficha en el repositorio
Contenido
- 1.1. PLANTEAMIENTO DEL PROBLEMAp. 19
- 1.3.1. Objetivo generalp. 21
- 1.6. FUNDAMENTOSp. 23
- 1.9. GRADOS DE LIBERTAD Y MOVILIDADp. 26
- 1.12. EL MANIPULADORp. 31
- TRANSFORMACIONES HOMOGÉNEAS Y DENAVIT-HARTENBERGp. 37
- 2.2. ROTACIONESp. 40
- 2.4. MATRIZ DE TRANSFORMACIÓN HOMOGÉNEAp. 44
- 2.6. MATRIZ DE TRANSFORMACIÓN DHp. 48
- 2.8. CINEMÁTICA DIRECTA DHp. 51
- CINEMÁTICA INVERSA DE MANIPULADORESp. 61
- 3.2. ANÁLISIS DEL MANIPULADOR PLANAR 2Rp. 64
- 3.4. MÉTODOS NUMÉRICOS PARA CINEMÁTICA INVERSAp. 71
- 4.2. ESPACIO DE TRABAJO DEL MANIPULADOR PLANAR 2Rp. 82
- 4.3. MÉTODOS ANALÍTICOS PARA CARACTERIZACIÓNp. 84
- VISIÓN POR COMPUTADOR EN MANIPULADORESp. 99
- 5.1. FUNDAMENTOSp. 23
- METODOLOGÍAp. 109
- 6.1.1. Modelado cinemático del manipulador 2RRRp. 112
- 6.1.3. Ley de adaptación para actualización en línea de pesosp. 114
- 6.2. METODOLOGÍA DE ESTIMACIÓN DE POSE BASADA EN CNNp. 116
- 6.2.1. Ecosistema de simulación ROS/Gazebop. 116
- 6.3.1. Entorno de simulación y disposición de la celdap. 121
- 6.3.2. Taxonomía de clasificación de zonasp. 122
- 6.3.6. Preprocesamiento y aumento de datosp. 126
- 6.4. Integración metodológica y base teóricap. 127
- 7.2.4. Resultadosp. 56
- 7.3.3. Resultadosp. 56
- 7.4.1. Convergencia del entrenamientop. 138
- 7.4.4. Ejemplo cualitativo de inferenciap. 141
- 7.4.6. Comparación de backbones visualesp. 143
- 7.4.8. Visualización Grad-CAMp. 145
- 7.4.9. Capacidad en tiempo real y eficiencia computacionalp. 145
- 7.5. CONCLUSIONESp. 146
- 7.5.1. Síntesis de resultados de control adaptativop. 147
- 7.5.4. Conceptualizaciónp. 148
- 7.5.5. Limitacionesp. 148
- A.1. EJERCICIO 1: CINEMÁTICA DIRECTAp. 153
- A.3. EJERCICIO 3: CARACTERIZACIÓN DEL ESPACIO DE TRABAJOp. 159
- B.2. ESTADOS, TRANSICIONES Y PROBABILIDADESp. 169
- B.3. MATRIZ DE TRANSICIÓNp. 170
- los cuatro grados de libertadp. 27
- sistemas de coordenadasp. 32
- al marco fijo {0}p. 40
- producen orientaciones finales distintasp. 42
- trasladado respecto al marco {0}p. 45
- (ángulo)p. 48
- 5.1. Sistema integrado de visión y manipulación robóticap. 106
- 6.4. Estructura de la cascada CNNp. 119
- 6.3. Sistema de estimación de posep. 118
- de activación [4]p. 145
- probabilidades de transiciónp. 169
- 2.1. Parámetros DH para manipulador planar 3R. El asterisco indica variables articularesp. 50
- 6.3. Posiciones de las cámarasp. 122
- 6.4. Taxonomía de zonasp. 122
- 6.5. Fases de adquisición de datosp. 123
- 6.7. División del datasetp. 124
- 6.8. Parámetros de RGBJointsNetp. 126
- de pose del manipulador UR5 [3]p. 137
- 7.4. Desempeño por clase y global en el conjunto de prueba (N_test = 24,438 imágenes) [4]p. 139
- modelo propuesto [4]p. 139
- columna [4]p. 143
- multiplicación-acumulación [4]p. 146