Por favor, use este identificador para citar o enlazar este ítem:
https://www.innovacioneducativa.unam.mx:8443/jspui/handle/123456789/5263| Título : | Laboratorio de aprendizaje de máquina multimodal |
| Autor : | Arriola Rios, Veronica Esther |
| Fecha de publicación : | 2016 |
| Resumen : | El proyecto "Laboratorio de aprendizaje de máquina multimodal" propone el diseño de un curso práctico avanzado para la carrera de Ciencias de la Computación en el que se cubra el uso de aprendizaje de máquina en la modalidad "aprendizaje profundo". Dicho curso, además de cubrir los fundamentos teóricos de esta metodología, permitirá a los alumnos aplicarla en el campo de la robótica móvil. Actualmente la Facultad de Ciencias cuenta con un curso inicial de robótica, impartido por profesores del Departamendo de Física. Así mismo, los alumnos de Ciencias de la Computación llevan una materia de Inteligencia Artificial, obligatoria en el sexto semestre; dicha materia también es accesible a estudiantes de otras licenciaturas (Matemáticas, Física y Actuaría). Sin embargo, carecemos aún de una materia optativa adecuada para aquellos alumnos que deseen progresar en el área de la Inteligencia Artificial aplicada a Robótica. Las habilidades de resolución de problemas, programación, análsis de algoritmos, así como el conjunto de materias que llevan los estudiantes de Ciencias de la Computación, como Arquitectura de Computadoras, Sistemas Operativos y Programación Concurrente, entre otras, hacen de los alumnos de esta licenciatura, candidatos idóneos para el desarrollo de software avanzado para robótica de servicio, donde no basta con ejecutar tareas mecánicas repetitivas, sino que se requieren habilidades de aprendizaje y razonamiento adecuadas para la interacción con ambientes cotidianos y seres humanos de círculos diversos. Por este motivo es importante motivar a los alumnos a integrarse a esta rama de desarrollo tan urgente para México y el mundo, proveyéndoles la preparación y experiencia necesaria para seguir una carrera de investigación y desarrollo en el área. Con esta meta en mente, se propone integrar un laboratio donde puedan experimentar con las técnicas de aprendizaje profundo que están teniendo un profundo impacto numerosas áreas donde el aprendizaje de máquina ha permitido resolver problemas antes intratables como reconocimiento de objetos en imágenes, reconocimiento de voz, traducciones automatizadas, entre muchas otras. Es sólo cuestión de tiempo para que comencemos a ver los primeros robots que aprenden y se comunican utilizando lenguaje natural [1]. [1] LeCun, Y.; Bengio, Y. & Hinton, G. Deep learning Nature, 2015, 521, 436-444. |
| URI : | http://132.248.161.133:8080/jspui/handle/123456789/5263 |
| metadata.dc.contributor.responsible: | Arriola Rios, Veronica Esther |
| metadata.dcterms.callforproject: | 2016 |
| metadata.dc.coverage.temporal: | 2016-2017 |
| metadata.dcterms.educationLevel.SEP: | Licenciatura nivel superior |
| metadata.dc.description.objective: | Diseñar el curso práctico "Laboratorio de aprendizaje de máquina multimodal" con las características siguientes: * Un temario adecuado incluyendo los fundamentos del aprendizaje profundo (redes neuronales de varias capas, difentes configuraciones, entrenamiento, aplicaciones a problemas concretos, adición de memoria, intregación de información multimodal). * Notas básicas sobre la impartición del curso y referencias adecuadas para cada tema. * La descripción y solución de un proyecto a desarrollar a lo largo del semestre para programar un robot móvil capaz de intregrar información aprendida a través de visión, audio y tacto y expresarse utilizando lenguaje natural (Es posible obtener estos resultados dentro de un año, dado que ya se han publicado resultados satisfactorios en cada una de estas área, para ello ver el artículo de revisión [1]). * Kits de material necesario para programar y evaluar sobre una plataforma robótica real. Dicha plataforma deberá contar con: - Cámara de video. - Bocina. - 1 ó 2 micrófonos. - 1 brazo de manufactura sencilla. - Sensores de presión. - Plataforma de desplazamiento (base robótica con llantas). - Equipo de control (laptop y microcontroladores). El proyecto se realizará en equipos, lo cual permitirá completar las tareas y proporcionar equipo suficiente a los participantes. |
| metadata.dc.description.hypothesis: | Que la creación de una materia laboratorio donde los estudiantes puedan poner en práctica los últimos avances en aprendizaje de máquina sobre una plataforma robótica permitirá: * Prepararlos para participar en la investigación y desarrollo ya sea en la industria o en la academia de tecnologías derivadas del aprendizaje de máquina. * Permitirá a la Facultad de Ciencias integrarse al desarrollo de proyectos de robótica con la Facultad de Ingeniería así como con institutos como el IIMAS y CCADET, ofreciendo las grandes ventajas de la formación como científicos y desarrolladores de software que tienen los estudiantes de la licenciatura en Ciencias de la Computación. * En un futuro, las contribuciones al desarrollo de conocimiento nuevo, con la cooperación de profesores y estudiantes, y a los programas de Posgrado constituirán la continuidad de este programa. |
| metadata.dc.description.strategies: | * Se realizará una profunda revisión de la literatura para identificar las mejores técnicas para resolver cada una de las tareas que involucrará el proyecto que desarrollarán los alumnos. * De esta revisión se establecerá el balance adecuado de temas para el semestre, el tiempo que se debe dedicar a cada uno y la (o las referencias más adecuadas para ellos). * Además se generarán las notas adecuadas para cada parte del curso. * Se diseñarán: - Una base sencilla para mover al robot. Se programarán los comandos básicos de navegación (adelante, atrás, girar) en la forma de programas que podrán ser utilizados por los alumnos. - Un brazo robótico con una pinza que permita alcanzar objetos ligeros y sujetarlos. Igualmente se incluirán los programar para el control básico. * Para cada subtema de aprendizaje se procederá a programar los algoritmos y verificar su correcto funcionamiento en PC y luego con los componentes de un kit robótico. Es importante destacar que, dado que las tecnicas de aprendizaje profundo permiten que el robot adquiera las representaciones adecuadas de su entorno, no requieren los tiempos que toma usualmente realizar este paso de ingeniería del conocimiento). Para este punto se solicitará el apoyo de uno o dos becarios. * Se procederá a la integración de todas las técnicas para obtener un robot que aprenda a acercarse a objetos, agarrarlos y describirlos usando lenguaje natural. * Se delimitarán los pasos que deben resolver los estudiantes y las secciones que se les entregarán ya hechas, para que sólo se enfoquen en los temas centrales del curso (aprendizaje). * Se redactará el manual correspondiente para la realización de la práctica. * Se calcula que el curso no podrá ser impartido durante el año que durará el proyecto, sino hasta el siguiente semestre. |
| metadata.dc.description.goals: | ÚNICO AÑO: * Seleccionar los algoritmos adecuados para resolver en el curso los problemas siguientes utilizando redes neuronales: - Aprender a reconocer visualmente un pequeño conjunto de objetos. - Aprender a reconocer las palabras asociadas (señaes de voz) para los mismos objetos. - Identificar las características más significativas al ejecutar los mismos algoritmos sobre señales adquiridas de sensores de tacto al tocar cada objeto. - Combinar la información de estas tres modalidades para reconocer los objetos. * Redactar las notas correspondientes y señalar bibliografía. * Programar los algoritmos en sistemas robóticos sencillos. * Producir un manual para un proyecto semestral, realizado a lo largo de varias prácticas que serán integradas para obtener el resultado final. * Que uno o dos alumnos escriban su tesis gracias a su colaboración en este proyecto. * Publicar los resultados en el Congreso que resulte más adecuado. |
| metadata.dc.description.selfAssessment: | En lo personal considero que el proyecto ha sido un éxito. Cuatro alumnos se integraron a trabajar en el equipo de robótica, que se inaugura con este proyecto. Se adquirió el equipo necesario no sólo para el curso aquí propuesto, sino en general para trabajo académico e incluso aspectos de investigación en el área de robótica. Se impartió un Seminario de Investigación, como materia optativa para Ciencias de la Computación, en el cual alumnos del último año de la carrera participaron leyendo artículos de investigación previamente seleccionados, reproduciendo en equipo real los algoritmos estudiados y haciendo las adaptaciones necesarias. Configuramos el equipo, armamos robots, brazos robóticos y quedó diseñado el esqueleto del curso para alumnos de semestres anteriores que se ofreció aquí. Aunque algunas de las implementaciones aún tienen aspectos que mejorar, ellos han continuado su labor en servicio social o como trabajo de tesis y sus colaboraciones son ahora visibles en la página de internet del proyecto. (Salvo sus códigos, que no pueden ser publicados pues los alumnos que tomen el curso no deben tener acceso a las respuestas, además de que aún están en proceso de revisión) Adicionalmente, se cuenta ahora con el equipo y se logró diseñar el temario para una nueva materia optativa para la Facultad de Ciencias: Robótica Móvil, que si bien no está enfocada al uso de aprendizaje profundo, también es de suma importancia por cubrir los mismos temas pero desde la perspectiva de la robótica tradicional. Se buscará impartir esta materia en el semestre 2018-I. Por último, estamos trabajando para que los colaboradores participen en ComRob 2017 presentando sus contribuciones. |
| metadata.dc.description.goalsAchieved: | ÚNICO AÑO: * Seleccionar los algoritmos adecuados para resolver en el curso los problemas siguientes utilizando redes neuronales: - Aprender a reconocer visualmente un pequeño conjunto de objetos. Cumplido. - Aprender a reconocer las palabras asociadas (señales de voz) para los mismos objetos. Cumplido, aunque el alumno que está escribiendo su tesis en este tema aún trabaja en mejorar la calidad del reconocimiento (porcentaje de aciertos). - Identificar las características más significativas al ejecutar los mismos algoritmos sobre señales adquiridas de sensores de tacto al tocar cada objeto. Se optó por eliminar de momento la opción de tacto ya que aún no contamos con sensores de presión, aunque se estudia la posibilidad de añadir giroscopios también en un futuro para diseñar un módulo de propiocepción. - Combinar la información de estas modalidades para reconocer los objetos. Ya se tiene una implementación del código que realiza este trabajo en una demostración, aunque un alumno realiza su servicio social arreglando algunos errores que aún tiene. * Redactar las notas correspondientes y señalar bibliografía. Varios alumnos colaboradores y la responsable completamos la redacción de una primera versión del material para el curso. Este material se encuentra disponible en https://sites.google.com/a/ciencias.unam.mx/apredizaje-profundo-aplicado-a-robotica-inteligente/laboratorio-de-aprendizaje-de-maquina-multimodal. Estas versiones están actualmente en proceso de revisión por lo que se verá que prácticas y notas aún están separadas. * Programar los algoritmos en sistemas robóticos sencillos. Antes de redactar las instrucciones los algoritmos fueron implementados en sistemas reales, utilizando las plataformas robóticas que se adquirieron gracias al apoyo de este proyecto. Algunos de los programas aún tienen algunos errores, otros ya están verificados, pero se siguen trabajando en perfeccionarlos. Algunos alumnos realizan estas tareas como parte de su servicio social o trabajo de titulación. * Producir un manual para un proyecto semestral, realizado a lo largo de varias prácticas que serán integradas para obtener el resultado final. Las notas y manual serán en realidad un sólo texto. Aunque de momento la parte de cada colaborador se encuentra en archivos separados pues están en proceso de revisión. * Que uno o dos alumnos escriban su tesis gracias a su colaboración en este proyecto. Benjamín Torres Saavedra lleva ya un 70% de avance en su tesis. Marco Antonio Bravo García se encuentra bastante atrasado debido a problemas personales, pero continua activo. Un tercer colaborador: Vladimir Mijail Aaron Gutiérrez Valdez también registrará su trabajo de tesis derivada de este proyecto, aunque aún no ha hecho el trámite. * Publicar los resultados en el Congreso que resulte más adecuado. Dado que el año pasado nos dedicamos a comprar el equipo, configurar y redactar, será este año cuando propongamos la presentación en ComRob. |
| metadata.dcterms.provenance: | Facultad de Ciencias |
| metadata.dc.subject.DGAPA: | Ciencias de la computación |
| metadata.dc.type: | Proyecto PAPIME |
| Aparece en las colecciones: | 1. Área de las Ciencias Físico Matemáticas y de las Ingenierías |
Ficheros en este ítem:
No hay ficheros asociados a este ítem.
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.
