Menos datos y más vistas: Síntesis geométrica de vistas para mejorar la generalización en tareas de manipulación robótica

Simple item page
dc.catalogadorgjm
dc.contributor.advisorSoto Arriaza, Álvaro Marcelo
dc.contributor.advisorToro Icarte, Rodrigo Andrés
dc.contributor.authorFlorea Matei, Daniel Vlad
dc.contributor.otherPontificia Universidad Católica de Chile. Escuela de Ingeniería
dc.date.accessioned2026-01-19T16:15:08Z
dc.date.available2026-01-19T16:15:08Z
dc.date.issued2025
dc.descriptionTesis (Master of Science in Engineering)--Pontificia Universidad Católica de Chile, 2025.
dc.description.abstractLa eficiencia en el uso de datos sigue siendo un desafío critico en tareas de manipulación robótica, dado que la recopilación y anotación de datos de entrenamiento resulta costosa en tiempo y recursos. Trabajos previos han abordado este problema mediante distintas técnicas de aumento de datos, incluyendo perturbaciones sobre imágenes, métodos contrafactuales y enfoques basados en modelos generativos. No obstante, estos métodos no resuelven el problema fundamental de la generalización a nuevas perspectivas de cámara, ya que las políticas entrenadas desde puntos de vista fijos presentan caídas significativas en su desempeño cuando se evalúan desde nuevos ángulos. En este trabajo, proponemos una nueva técnica de síntesis de vistas, aprovechando imágenes de profundidad y reconstrucciones geométricas para generar vistas adicionales de trayectorias robóticas durante el entrenamiento, sirviendo de aumento espacial de datos. A diferencia de los enfoques previos basados en modelos generativos, nuestro método conserva la escala métrica y la geometría de la escena, asegurando observaciones físicamente consistentes. Al sintetizar múltiples vistas geométricamente consistentes a partir de una única trayectoria registrada, ampliamos de manera efectiva el conjunto de datos de entrenamiento sin necesidad de recolectar nuevas demostraciones. Los resultados experimentales muestran que las políticas entrenadas con nuestro enfoque logran una mejor generalización en diversas tareas de manipulación, en comparación con políticas entrenadas desde una o múltiples perspectivas, reduciendo considerablemente la dependencia de grandes volúmenes de datos. Este trabajo evidencia el potencial de la síntesis de vistas como una herramienta escalable y eficiente para avanzar en la eficiencia de datos en el aprendizaje robótico.
dc.fechaingreso.objetodigital2026-01-19
dc.format.extentviii, 42 páginas
dc.fuente.origenSRIA
dc.identifier.doi10.7764/tesisUC/ING/107755
dc.identifier.urihttps://doi.org/10.7764/tesisUC/ING/107755
dc.identifier.urihttps://repositorio.uc.cl/handle/11534/107755
dc.information.autorucEscuela de Ingeniería; Soto Arriaza, Álvaro Marcelo; 0000-0001-9378-397X; 73678
dc.information.autorucEscuela de Ingeniería; Toro Icarte, Rodrigo Andrés; 0000-0002-7734-099X; 170373
dc.information.autorucEscuela de Ingeniería; Florea Matei, Daniel Vlad; S/I; 1087279
dc.language.isoen
dc.nota.accesocontenido completo
dc.rightsacceso abierto
dc.subjectManipulación robótica
dc.subjectVisión 3D
dc.subjectEficiencia de datos
dc.subject.ddc600
dc.titleMenos datos y más vistas: Síntesis geométrica de vistas para mejorar la generalización en tareas de manipulación robótica
dc.typetesis de maestría
sipa.codpersvinculados73678
sipa.codpersvinculados170373
sipa.codpersvinculados1087279
Files
Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
TESIS_DFlorea.pdf
Size:
7.57 MB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
1.98 KB
Format:
Item-specific license agreed upon to submission
Description:
Download
Collections
ING Tesis magíster