Cinemática inversa para un robot planar 2R basada en una red neuronal con datos sintéticos a través de un enfoque de ensamble de modelos

摘要

Este artículo presenta el desarrollo de un modelo basado en redes neuronales, entrenado con datos sintéticos, para reemplazar la cinemática inversa geométrica de un robot planar 2R. Este enfoque busca simplificar la implementación de cinemáticas, reduciendo el tiempo de desarrollo y el uso de recursos computacionales. El modelo se creó en Google Colab (Python) utilizando TensorFlow/Keras, facilitando su creación y entrenamiento. Además, el sistema integra procesamiento de imágenes en tiempo real para reconocer y seguir contornos, los cuales el robot traza posteriormente. Se implementó un movimiento lineal y vertical mediante un mecanismo piñón-cremallera, permitiendo el trazo discontinuo entre los contornos de una imagen. Los resultados, promediando tres modelos de red neuronal, muestran alta precisión en la predicción de los ángulos de las dos primeras articulaciones del robot 2R, con un RMSE de 0.2293 y 0.0739 respecto a la cinemática inversa geométrica.