Creación de estructura para el aprendizaje de patrones sonoros simples mediante Memoria Temporal Jerárquica

Abstract

Este proyecto de fin de carrera tiene como objetivo la creación de una infraestructura tanto física como de software que facilite y economice la investigación robótica sobre el aprendizaje cognitivo. Además, del desarrollo de herramientas de software que simplifiquen el uso de sonido en investigación robótica. Para ello, se ha diseñado y construido un robot. La estructura del mismo ha sido elaborada usando software de diseños 3D para poder ser generada a través de impresoras 3D. El fin de esta decisión recae en poder facilitar su reproducción por todos aquellos que así lo deseen. Por otro lado, el hardware usado es el más económico posible a excepción de aquellos componentes que tienen un especial interés para su investigación como posible hardware dentro del mundo de la robótica. El diseño en general está inspirado en las teorías de robótica social y cognitiva, siguiendo a su vez el principio de economía en el diseño. A nivel de software, se ha desarrollado una serie de herramientas que permiten simular entornos virtuales sonoros y procesar los sonidos generados internamente por una computadora. Además, se ha creado un software para el aprendizaje robótico no supervisado, basándose en modelos matemáticos que se aproximan al funcionamiento cerebral del ser humano. Por último, se ha realizado un experimento a modo de entrenamiento de la estructura de aprendizaje para evaluar si era posible con la infraestructura software creada, y como sistema de evaluación el de la efectividad de las teorías aplicadas, poder reconocer el tono emocional en el que alguien está hablando independientemente del idioma usado. Como resultado, se ha obtenido un robot completo con los elementos esenciales que permiten la investigación en aprendizaje robótico en robots físicos. Siendo además este robot de un precio de fabricación bajo y modular. Asimismo, en la parte de software se han extraído un conjunto de gráficas que muestran el rendimiento y la eficiencia de los modelos y software creados. Como conclusión, se puede subrayar que se ha conseguido un sistema con el potencial de detectar los tonos emocionales de los hablantes con una exactitud notable aunque sería necesario un mayor desarrollo y optimización para una mejor precisión.