Application and use of quality metrics for the prediction of grasp success and evaluation of artificial hands

Abstract

Artificial manipulation has been one of the main areas of interest in robotics for decades. Finding a proper grasp to seize objects and design robotic hands capable of such grasps are two of the main problems in such field. This thesis analyze the use of quality metrics to evaluate grasp hypothesis. Different classification algorithms are used with such metrics to predict the success of grasp hypothesis. These algorithms are applied to evaluate artifical hands and their performance to grasp objects.

La manipulación ha sido una de las grandes áreas de interés en la rootica durante décadas. Encontrar una forma de agarre adecuada para manipular objetos y disear manos capaces de dichos agarres son dos de los principales problemas en este campo. En esta tesis se analia el uso de distintas métricas de calidad para evaluar las hipótesis de agarre y, mediante algoritmos de aprendizaje automico, predecir el éxito de los mismos. Por último, dichos algoritmos son utilizados para evalaur diseños de manos y sus capacidades para agarrar objetos. Los experimentos llevados a cabo en esta tesis se han realizado tanto en entornos de simulación como con robots reales.