Un método de percepción del terreno para robots cuadrúpedos basado en la fusión de señales acústicas

Área de la Ciencia:

• Robótica
• Inteligencia Artificial
• Fusión de sensores

Sus antecedentes:

• La locomoción de robots cuadrúpedos exige una percepción robusta del terreno para la estabilidad.
• Los métodos actuales que utilizan datos visuales o propioceptivos luchan con oclusiones y características ambiguas.
• Se necesita un enfoque multimodal para superar las limitaciones de los sistemas de un solo sensor.

Objetivo del estudio:

• Desarrollar y evaluar un método de percepción del terreno multimodal para robots cuadrúpedos.
• Integrar características acústicas con señales propioceptivas para mejorar la conciencia ambiental.
• Mejorar la precisión y confiabilidad de la clasificación del terreno en entornos no estructurados.

Principales métodos:

• Se recopilaron datos acústicos de un sensor de sonido externo y se procesaron utilizando espectrogramas Mel.
• Se utilizaron datos propioceptivos de la Unidad de Medición Inercial (IMU) y los codificadores de juntas.
• Las características acústicas y propioceptivas se concatenaron y se introdujeron en un clasificador de Máquinas de Vectores de Soporte (SVM).
• Se optimizaron los hiperparámetros de SVM y la longitud de la ventana de tiempo para maximizar la precisión de la clasificación.

Principales resultados:

• La precisión inicial de la clasificación alcanzó el 82,52% con el enfoque multimodal, una mejora respecto al 78,28% utilizando solo señales propioceptivas.
• La optimización de los hiperparámetros de SVM y la longitud de la ventana de tiempo condujeron a un aumento significativo de la precisión.
• El método optimizado final logró una precisión de clasificación del terreno del 99,53% en terrenos de hormigón, grava, arena y alfombra.

Conclusiones:

• La integración de características acústicas con señales propioceptivas ofrece una mejora sustancial en la percepción del terreno de los robots cuadrúpedos.
• El método multimodal propuesto mejora la estabilidad del robot y la conciencia ambiental en terrenos complejos.
• Los parámetros optimizados de SVM y la longitud de la ventana de tiempo son cruciales para lograr una clasificación del terreno de alto rendimiento.