Mappa visomotoria basata sulla legge di Hering e sul motor babbling per una testa ridondante attiva e un braccio a 3 gradi di libertà

With this dissertation we propose a bioinspired controller to calculate the visuomotor mapping of a simplified humanoid robot model. The physical system is characterized from human inspired mechanic constraint and composed from an active stereo vision system joined to a robotic arm, both redundant. The active head and the cameras are moved from a controller that draw his inspiration from the Hering’s law of equal innervation. The system, thanks to the cameras, is able to perceive a feature in the space, to establish the joint angles to foveate it and then to learn the mapping between the foveation angles and the final configuration of the joints of the arm to reach the objective. The mapping is obtained through a radial basis function neural network using as input the foveation angles. The network training is executed following the motor babbling schema using a 10-fold Cross-validation to confirm his reliability.

Con questo elaborato mostriamo un controllore bio-ispirato in grado di calcolare il mapping visomotorio di un modello di robot umanoide semplificato. Il sistema fisico è caratterizzato da vincoli meccanici compatibili con caratteristiche umane e composto da un apparato di stereovisione attivo unito ad un braccio robotico, entrambi ridondanti. La testa e le telecamere sono mosse da un controllore biologicamente plausibile basato sulla legge dell’uguale innervazione di Hering. Complessivamente il sistema, grazie alle telecamere, è in grado di percepire una feature nello spazio, calcolare gli angoli dei giunti per fovearla ed eseguire il mapping fra gli angoli di foveazione e la configurazione finale dei giunti del braccio per raggiungere l’obiettivo. Il visuomotor mapping è ottenuto tramite una rete neurale a radial basis functions usando come input gli angoli di foveazione della testa. L’addestramento della rete è eseguito seguendo lo schema del motor babbling utilizzando una Cross-validation a 10-fold per verificarne la robustezza.