El documento aborda la integración de la inteligencia artificial en las interacciones humano-robot, destacando la importancia de desarrollar robots con capacidades de aprendizaje y adaptación a entornos industriales. Se presenta un enfoque para modelar el comportamiento humano en robots, y se discuten las etapas necesarias para implementar un sistema sensorial que permita una coordinación efectiva en espacios de trabajo compartidos. Finalmente, se concluye que la inclusión de procesos autónomos en la industria es viable, mejorando la productividad y aliviando la carga laboral.

1. 1
INTELIGENCIA ARTIFICIAL APLICADA A
INTERACCIONES HUMANO-ROBOT
Paul Fernando Delgado Espinoza
pdelgadoe@est.ups.edu.ec
Universidad Politécnica Salesiana
Cuenca-Ecuador
Resumen—En el siguiente paper se va a dar a conocer pautas
referentes e irrelevantes acerca de la inteligencia artificial; Se
presenta información muy útil para poder desarrollar y adquirir
conocimientos acerca de este tema en específico y así lograr apli-
carlo en diferentes campos de la electrónica avanzada como en las
interacciones humano-robot donde se presenta específicamente
una inteligencia neuronal que a su ves formara una estructura
independiente capaz de realizar acciones similares a las de los
humanos.
Abstract-The following paper is to raise awareness regarding
guidelines and irrelevant about artificial intelligence, useful
information is presented to develop and acquire knowledge about
this specific issue and achieve apply in different fields of advanced
Figura 1. Control de movimientos de un robot
electronics and in human-robot interactions where, specifically,
neural intelligence, which in turn form an independent structure
able to perform actions similar to those of humans.
1
I. INTRODUCCIÓN
En la actualidad existe prácticamente la necesidad de incor-
porar robots manipuladores en diferentes campos de la indus-
tria ya sea por beneficios económicos como lograr una mayor
Figura 2. Proceso de captación sensorial de un modelo humano
productividad o también para ´poder aliviar la carga laboriosa a
los que están sometidos algunos empleados. Los robots pueden
compartir conjuntamente con los humanos espacios de trabajo
que permitan el control optimo de los movimientos de un
donde pueden acoplarse de una forma colectiva o realizar
Robot.[1],[3]
tareas individualmente para ellos se debe implementar varias
Es necesario obtener un modelo de un software de modelado
etapas tales como coordinación de movimientos, aplicación de
humanoide que mediante un sistema de coordenadas referentes
sensores, en fin dispositivos que logren acoplar movimientos
a un marco inercial así de esta manera captar información
humano robots deseados., En el presente surge una iniciativa
necesaria que servirá para perspectiva que tenga el robot sobre
muy importante al tratar de implementar robots en diferentes
el espacio de interacción, es decir el espacio de trabajo. La
entornos interactivos, que a sus vez nos hacen pensar acerca de
parte motriz sensorial necesita un campo o alfombra llena de
los beneficios que lograremos al realizar estos cambios, pero
sensores que permitan captar las señales que necesitamos para
todo esto conlleva a identificar y resolver los obstáculos como
lograr la coordinación del robot, toda esta información será
normas de seguridad, control, de calidad etc., que involucra al
captada mediante conexiones eléctricas que almacenaran datos
tratar de implementar un robot a este tipo de entornos. [1]
en forma matricial.[2]
II. MODELADO HUMANOIDE
III. PROCESAMIENTO DE DATOS
Para poder hablar del acoplamiento o la coordinación de un
robot en el campo industrial primeros debemos de partir de Con el fin de realizar la ubicación y orientación del cuerpo
un modelo humano que nos brindara similares características, humano se realiza dos conjuntos de datos F1 y F2, que
en un robot en cuanto a la movilidad y desempeño en tareas corresponden a cada pie . Los dos subconjuntos pueden ser
que fuesen presentadas con o sin interacción con humanos. utilizados para obtener la orientación de cada pie después
Dadas estas pautas debemos introducir o adquirir movimientos la orientación del cuerpo. Estos tipos de redes son muy
humanos en un robot por medio de por medio de sistemas apropiados para descubrir estadísticamente características más
que formen componentes de sistemas sensoriales que permitan destacadas de variable en el tiempo los conjuntos de datos

2. 2
Figura 3. Detección, procesamiento y alamacenamiento de nodos
Figura 6. Movimientos curvos generados por la trayectoria del robot
está motivado por ordinario humano-humano interacciones
mientras que el conocimiento de una persona del de otra
persona permite predecir la intención mental de los movimien-
Figura 4. Ubicación y conexión de nodos
tos futuros y medidas preventivas, se espera que la inclusión
de tales conocimientos en el control de un robot también
promover la seguridad de sus operaciones. Para este fin, se
por lo tanto se requiere agrupar el conjunto de datos que
explica una estructura a seguir. Las entradas de la red son
representa las huellas humanas. El proceso ideal sigue la
los desplazamientos relativos de los recursos humanos en el
siguiente secuencia:[2]
últimos cuatro pasos. Para obtener un espacio de trabajo, se ge-
1. Detección de información (nodos). nera un conjunto de puntos seleccionados al azar, Mediante la
2. Agrupación de nodos. selección de un orden diferente en el que estos puntos generan
3. Asignar un nodo a cada neurona de salida. datos de entrenamiento, cada dato incluye el desplazamiento
Los conjuntos de datos debemos almacenarlos y procesarlos relativo a lo largo de los x-e y-ejes así como la orientación
en una matriz laplaciana para convertir una muestra se presenta del cuerpo.[5]
un nuevo algoritmo usando la noción de los nodos.
VI. FORMACION DE LA RED DE DATOS
IV. OBTENCIÓN DE LA UBICACIÓN DEL CUERPO
Habiendo agrupado los nodos en dos subconjuntos F1 y F2, Con el fin de obtener un conjunto de datos de entrenamiento,
por lo tanto, la orientación del cuerpo son las orientaciones un robot típico espacio de trabajo con cuatro obstáculos
de las suelas son dados por el líneas L y R que conectan predeterminado (denotado por 1,. . . , 4) . Mediante la selección
los centros de la parte delantera del pie a la talón en cada de un orden diferente en el que estos puntos se han visitado,
planta, respectivamente. Vale la pena mencionar que los nodos diferentes conjuntos de datos de entrenamiento que generan
correspondientes a la parte delantera del pie y el talón se cada dato incluye el desplazamiento relativo a lo largo de
identificaron utilizando una red SOM l. La principal ventaja los x-e y-ejes así como la orientación del cuerpo. La red se
de este modelo es proporcionar un medio simple pero preciso entrena en línea con el de Levenberg- Marquardt algoritmo
de calcular la distancia de un punto en el espacio 3-D para la [1], utilizando 15 000 conjuntos de datos de entrenamiento, en
superficie del cuerpo.[7],[10] este algoritmo, la función de energía del error se utiliza como
un indicador de los resultados durante el funcionamiento del
sistema, el error crece inesperadamente, debido a movimientos
V. PREDICCIÓN DE LA TRAYECTORIA HUMANA
inusuales de la humano, la red se iniciará una capacitación en
Los seres humanos tienden a reaccionar de manera diferente línea para unos pocos pasos.[7],[8]
hacia los robots, se espera que más natural movimiento del
robot y el comportamiento semejante a la humana ayudará a
cambiar la percepción humana y la aceptación de los robots VII. MODELO DEL CUERPO HUMANO
en entornos compartido por los seres humanos. El enfoque El cuerpo humano (cuando está de pie) puede ser consi-
derado como un unduloidlike superficie (sin considerar las
diferencias entre las piernas, brazos, y los flancos) con una
sección transversal variable en diversos alturas[2] . La principal
ventaja de este modelo es proporcionar un medio simple pero
precisa de calcular la distancia de un punto en el espacio 3-
D para la superficie del cuerpo. La distancia se mide usando
unas pseudodistancia k. El pseudodistance de un punto (x, y,
Figura 5. Espacio de trabajo interactuado por un humano y un robot z), for 0 < z h, se se define como[3]:

3. 3
[10] K. Ikuta and M. Nokata, “Safety evaluation method of design and control
of human-care robots,” Int. J. Robot. Res., vol. 22, no. 5, pp. 281–297,
2003.
[11] T. Salter, K. Dautenhahn, and R. Boekhorst, “Learning about natural
human–robot interaction styles,” J. Robot. Auton. Syst., vol. 54, no. 2,
pp. 127–134, Feb. 2006.
[12] D. Kulic and E. Croft, “Affective state estimation for human–robot
interaction,” IEEE Trans. Robot., vol. 23, no. 5, pp. 991–999, Oct. 2007.
Figura 7. Modelos humanos
1
K(x, y, z) = ||rob ||(1 − F (x, y, z) 2 ) (1)
La figura 7 muestra los modelos humanos para cuatro
opciones diferentes de estas funciones:
VIII. CONCLUSIONES
Al culminar con este trabajo de investigación puedo acotar
que es posible y muy factible incluir un proceso autónomo en
diferentes campos de la industria ya sea automotriz, farma-
céutica etc., este proceso se logra a través de una interacción
adecuada entre el hombre y la maquina en este caso un robot,
ya que existen muchas actividades que aun no pueden ser
remplazadas completamente por los robots ya sea por espacios
delimitados o carencia de movimientos como lo vimos en la
sección V. Para lograr que un robot logre realizar un proceso
autónomo sin evadir o interrumpir con el desenvolvimiento
normal de una persona se debe primero aplicar un proceso
sensorial al robot para de esta manera obtener datos que a
su vez serán procesados en un software capaz de identificar P aúl Fernando Delgado Espinoza, realizó sus estu-
dios secundarios en el “Colegio Técnico Salesiano”
ubicación, trayectoria y recorrido del robot. de la ciudad de Cuenca desde el año 2004 hasta el
Es muy factible la utilización de procesos autónomos en 2010. Obtuvo su bachillerato en la especialidad de
las industrias ya que permite obtener resultados mas fiables PLACE Mecatrónica, con el proyecto de grado “Podadora
PHOTO de cesped a radiocontrol”. Adquirió experiencia al
a los de producidos por humanos así se obtiene mejores HERE realizar labores en la calidad de pasante en la em-
recursos económicos y de esta manera aliviar las labores al presa Computron de la misma ciudad. Actualmente
obrero.[11],[12] realiza sus estudios en la “Universidad Politécnica
Salesiana” sede Cuenca en la carrera de Ingeniería
Electrónica.
R EFERENCIAS
[1] Nima Najmaei and Mehrdad R. Kermani, ”Applications of Artificial
Intelligence in Safe Human–Robot Interactions”, Cybernetics, Vol 41,
NO. 2, 1-4, april 2011.
[2] R. Bischoff and V. Graefe, “Hermes—A versatile personal robotic
assistant,” Proc. IEEE, vol. 92, no. 11, pp. 1759–1779, Nov. 2004.
[3] L. Blackmore and B. Williams, “Optimal manipulator path planning
with obstacles using disjunctive programming,” in Proc. Amer. Control
Conf., 2006, pp. 3200–3203.
[4] O. Khatib, “Real-time obstacle avoidance for manipulators and mobile
robots,” Int. J. Robot. Res., vol. 5, no. 1, pp. 90–98, 1986.
[5] M. H. Mabrouk and C. R.McInnes, “Solving the potential field local
minimum problem using internal agent states,” Robot. Auton. Syst., vol.
56, no. 12, pp. 1050–1060, Dec. 2008.
[6] Y. Yamada, “FTA-based issues on securing human safety in a human
robot coexistence system,” in Proc. IEEE SMC, 1999, vol. 2, pp.
1058–1063
[7] O. Brock and O. Khatib, “Elastic strips: A framework for motion
generation in human environments,” Int. J. Robot. Res., vol. 21, no.
12, pp. 1031–1053, 2002.
[8] A. De Santis, P. Pierro, and B. Siciliano, “The multiple virtual endeffec-
tors approach for human–robot interactions,” in Proc. 10th Int. Symp.
Adv. Robotic Kinematics, 2006, pp. 133–144.
[9] K. Ikuta and M. Nokata, “General evaluation method of safety for
humancare robots,” in Proc. IEEE Int. Conf. Robot. Autom., 1999, vol.
3, pp. 2065–2072.