Professional Documents
Culture Documents
Seminario Temático I
1
Dentro de la sesión correspondiente al noveno seminario en ingeniería química de la DCNE, la ponente
comenzó su charla, con una introducción sobre los robots y la nueva tendencia de la humanidad a facilitarse
las tareas repetitivas ò aburridas, así como dejar en manos de esta nueva tecnología, las actividades
peligrosas como son desactivación de artefactos explosivos.
Dentro de las distintas áreas de investigación que existen actualmente en el ámbito de la programación, la
robótica e inteligencia artificial, la ponente nos mencionó: caracterización de movimientos humanos, la cual
consiste en capturar las principales articulaciones que usamos los humanos en el desempeño de diversas
actividades como: saludar, beber, sentarse, pararse etc. Gracias a estas ‘’capturas’’, es posible programar
parcialmente un robot para que realice una actividad en específico, como puede ser un brazo mecánico,
empleado en las armadoras de coches.
Los archivos que arroja el Kinect se encuentran en un formato de tipo RGV-D, las tres primeras letras nos
indican formato a color, el carácter D, nos habla de la profundidad, combinando ambos datos, se puede
llegar a la conclusión de que el sistema Kinect funciona de la siguiente manera: entre más obscura sea la
imagen tomada, la distancia de la persona será más cercana al sensor de infrarrojo, dicha información es
incorporada a un modelo computarizado donde a su vez se incluyen las principales articulaciones que serán
empleadas en dicha tarea.
La ponente nos comentó que su estudió se realizó utilizando 2 sistemas Kinect, los cuales se colocaron en
posiciones opuestas, con la intención de obtener mejores resultados en la caracterización de los
movimientos corporales realizados por la persona, para tener una caracterización motriz más exacta. Cabe
mencionar que empleando 2 equipos Kinect se obtienen los mejores resultados, ya que, si pensáramos en
colocar una mayor cantidad, con la premisa de tener una caracterización exacta de cada movimiento en
cada instante, nos encontraríamos que debido a que cada equipo funciona con un haz de luz infrarroja, la
interferencia sería muy elevada al momento de capturar las señales, por lo cual no resulta factible dicha
premisa.
Una vez aclarado el punto anterior, se debe mencionar que, en el trabajo presentado, la investigadora se
enfocó en 10 distintas actividades analizadas: sentarse, pararse, aplaudir, saludar, martillar, responder un
teléfono, caminar), dicha cantidad de actividades resulta ser pequeña, pero tiene su fundamento en el
número de ecuaciones matemáticas y datos que se requiere compilar y resolver, para lo cual el uso de
vectores facilita en gran medida cada uno de los cálculos.
2
Para la clasificación de los datos empleando las principales articulaciones o ‘’joins’’, se usó una metodología
llamada KNN, los resultados se compararon con otra metodología de carácter abierto ‘’open source’’
llamada K-means, los resultados comparados entre ambos clasificadores, arrojaron resultados interesantes
y muy similares para actividades específicas como: sentarse, pararse, sin embargo para otras actividades
como martillar, los resultados de la investigadora presentaron una gran incertidumbre.