Metodología para el etiquetado de base de datos de un manipulador serial de seis grados de libertad mediante PyBullet

Ficha Técnica

Desafío técnico

La recolección manual de datos físicos etiquetados para entrenar modelos de Deep Learning en robótica es costosa, imprecisa y propensa a errores humanos y desincronización.

Solución desarrollada

Se diseñó e implementó un entorno de simulación virtual en PyBullet enfocado en el manipulador de arquitectura abierta PAROL6 (6 GDL).

Sistema de visión sintética

Integración de un sistema multivista con tres estaciones de captura (dos laterales y una cenital) para eliminar puntos ciegos y garantizar redundancia de datos.

Resultados

Generación automatizada de un dataset máster de 10.000 muestras con correspondencia determinística entre las imágenes RGB y las etiquetas de estado cinemático (pose 7D en cuaterniones y variables articulares).

Rol: Investigador principal y autor del trabajo de grado.

Contribución clave: Desarrollo del pipeline de generación masiva en Python, sincronización del modelo óptico de Zhang con OpenGL y validación cinemática del gemelo digital.

Trabajo de Grado: Metodología para el etiquetado de bases de datos de un manipulador serial de seis grados de libertad mediante Pybullet

🔗 Handle ID: 11059/16924