{pt_PT=Deep Learning and Soft Tasking - Towards Respbots (Responsive Collaboration Robotics)} {} EVALUATED

Detalhes: {pt=Apesar do recente sucesso de algoritmos de última geração de detecção de objecto usando aprendizagem profunda, as aplicações práticas deste métodos e a existência de produtos que fazem uso desta tecnologia ainda é bastante limitada. Neste trabalho é avaliada a possibilidade de aplicar esta tecnologia a um robô de manipulação, que possa ser vendido ao público a baixo preço. Para esse efeito, 2 cenários diferentes são usados, um referente a um ambiente doméstico e outro que pretende simular um laboratório de electrónica. Também são estudadas duas filosofias diferentes para os dados de treino. No primeiro caso, uma base de dados curada para o efeito é usada para recolher informação, enquanto no segundo caso a informação é recolhida através de pesquisas na internet e processada pelo autor. Ademais, vários métodos de detecção de objecto são testados (Faster R-CNN, YOLO, SSD) com o intuito de avaliar a viabilidade prática desta tecnologia, mas também para avaliar qual dos métodos seria o melhor para consumar este objectivo. Assim sendo, este trabalho pode ser visto como uma prova de conceito do uso de algoritmos de detecção de objecto com aprendizagem profunda num robô de manipulação de pequenas dimensões., en=Despite the recent success of state-of-the-art deep learning algorithms in object detection, the practical applications of these methods and the availability of products which make use of this technology is still very limited. In this work it is evaluated the possibility of applying this technology to a table-top pick and place robot, which can be marketed at a low price to the general public. To that end, two different scenarios are used, one referent to an household environment and another dedicated to simulating an electronics laboratory. It is also studied two different philosophies for the training data. In the first case a purposely curated dataset is used to collect the data, while on the second the data is collected from standard internet searches and processed by the author. Furthermore, several object detection methods (Faster R-CNN, YOLO, SSD) are tested in order to evaluate the practical feasibility of this technology but also to evaluate which method would be best in order to consummate this objective. In light of that, this work can be seen as a proof of concept of using deep learning based object detection algorithms in a pick and place robot of small dimensions.}

Discussão: janeiro 26, 2021, 9:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

João Pedro Neves da Silva (ist178930)

ORIENTADOR

Mário António Da Silva Neves Ramalho

Departamento de Engenharia Mecânica (DEM)

Professor Auxiliar