Entrenamiento de IA para aplicación a robótica industrial: Generación de elementos mediante geometrías para entorno virtual

Hualde Otamendi, Mikel, Barberena Tabar, Estíbaliz, Iriarte Goñi, Xabier y Saldaña Barroso, Oier(2022) .Entrenamiento de IA para aplicación a robótica industrial: Generación de elementos mediante geometrías para entorno virtual. XV Congreso Iberoamericano de Ingeniería Mecánica.En: Universidad Politécnica de Madrid. (2022-11-22)

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Abs_85_181852.pdf Entrenamiento de IA para application/pdf 537.02KB

Título de la Conferencia XV Congreso Iberoamericano de Ingeniería Mecánica
Fecha de inicio de la Conferencia 2022-11-22
Fecha fín de la Conferencia 2022-11-24
Lugar de la Conferencia Universidad Politécnica de Madrid
Fecha de presentación de la Ponencia 2022
Titulo Entrenamiento de IA para aplicación a robótica industrial: Generación de elementos mediante geometrías para entorno virtual
Autor(es) Hualde Otamendi, Mikel
Barberena Tabar, Estíbaliz
Iriarte Goñi, Xabier
Saldaña Barroso, Oier
Materia(s) Ingeniería Mecánica
Robótica
Resumen La introducción de la Inteligencia Artificial y las Redes Neuronales en la industria resulta muy ventajosa, ya que posibilita la automatización de muchas tareas repetitivas que precisan de sentidos físicos. Las Redes Neuronales requieren ser entrenadas con datasets, que consisten en imágenes y datos numéricos de interés. No obstante, el desarrollo de técnicas de generación de datasets para componentes industriales se está realizando de manera independiente y aislada entre empresas, con sus consiguientes dificultades. Este artículo aporta una metodología sencilla y económica para la generación de datasets de objetos industriales que presenten cierta aleatoriedad en su disposición o forma, que ha sido llevada a la práctica en dos componentes distintos de dos empresas reales. La creación de estos datasets es muy versátil, pudiendo utilizarlos posteriormente para entrenar Redes Neuronales con distintos fines, como la generación de trayectorias para brazos robóticos o la Detección de Objetos, entre otros.
Abstract The use of Artificial Intelligence and Neural Networks in the industry is very advantageous, due to the fact that it enables the automation of many repetitive tasks that require human senses. Neural Networks are trained employing datasets, which consist of images and some data of interest. Nevertheless, the development of dataset generation techniques for industrial components is being carried out in an independent and isolated way among companies, with its consequent difficulties. This paper provides a simple and economical methodology for the generation of datasets of industrial objects that show some randomness in their layout or shape. This methodology has been put into practice in two different components belonging to two real companies. The creation of these datasets is very versatile, being able to use them to train different Neural Networks, such as the generation of trajectories for robotic arms or Object Detection, among others.
Palabra clave Modelos 3D
Dataset
Red Neuronal
Detección de Objetos
Robótica Industrial
Editor(es) Universidad Nacional de Educación a Distancia (España)
Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
Fecha 2022
Formato application/pdf
Identificador bibliuned:congresoCIBIM-2022UPMEspana-Mhualde
https://doi.org/10.5944/bicim2022.062
Idioma spa
Versión de la publicación publishedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso conferenceObject
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 298 Visitas, 167 Descargas  -  Estadísticas en detalle
Creado: Fri, 09 Dec 2022, 19:01:27 CET