Desarrollo de un Software de Robótica Social para la Asistencia de Personas en Operación de Funciones de Domótica Basado en Ros

Vista sencilla de ítem
dc.contributor.advisorRojas, Armado Mateus
dc.contributor.advisorAmaya, Sindy Paola
dc.contributor.authorHerrera Quiñones, Laura Alejandra
dc.contributor.authorRodríguez Ramírez, Marlon Sebastián
dc.contributor.corporatenameUniversidad Santo Tomásspa
dc.contributor.cvlachttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000796425spa
dc.contributor.googlescholarhttps://scholar.google.com/citations?hl=es&user=Gg2sofAAAAAJspa
dc.contributor.orcidhttps://orcid.org/0000-0002-1714-1593spa
dc.coverage.campusCRAI-USTA Bogotáspa
dc.date.accessioned2024-05-20T18:32:08Z
dc.date.available2024-05-20T18:32:08Z
dc.date.issued2023-12-12
dc.descriptionEste trabajo de grado tiene como objetivo principal proporcionar asistencia a aquellas poblaciones que enfrentan dificultades en la interacción con la tecnología en su vida diaria. Para lograr este propósito, se ha desarrollado un software diseñado para ayudar a las personas a controlar funciones relacionadas con BAC (Building Automation Control). Durante el desarrollo de este proyecto, se han integrado modalidades auditivas, visuales y de texto al sistema. La información recopilada a través de estas modalidades ha ampliado la percepción del sistema en su entorno. Esta información adicional se utiliza para deducir detalles importantes y complementarios relacionados con las funciones solicitadas por el usuario. Para la implementación, se han empleado diversas herramientas y repositorios de código abierto que se han integrado en el entorno de ROS (Robot Operating System). Esto ha permitido establecer comunicaciones entre nodos, procesar datos y extraer características. Posteriormente, los datos se someten a un preprocesamiento y se preparan para un modelo de lenguaje al cual se le aplicó un Fine-tuning. Este modelo se encarga de discernir los dispositivos y el nivel de complejidad de las instrucciones proporcionadas. Finalmente, estas solicitudes se envían a un servidor ubicado en un microcontrolador (el cuál sirve como prototipo para Controlador de Automatización Directa- DDC y sistema de Automatización Industrial- ISA) que ejecuta las acciones requeridas en dispositivos reales dentro de una vivienda a escala. Todas las comunicaciones entre el servidor y el cliente se realizan siguiendo el protocolo BACnetspa
dc.description.abstractThis thesis aims to provide assistance to populations facing challenges in their daily interaction with technology. To achieve this goal, a software has been developed to assist individuals in controlling functions related to Building Automation Control (BAC). Throughout the project development, auditory, visual, and text modalities have been integrated into the system. The information gathered through these modalities has expanded the system’s perception of its environment. This additional information is used to deduce important and complementary details related to the user’s requested fun ctions. For the implementation, various open-source tools and repositories have been employed and integrated into the Robot Operating System (ROS) environment. This has facilitated communication between nodes, data processing, and feature extraction. Subsequently, the data undergo preprocessing and are prepared for a language model that has undergone fine-tuning. This model is responsible for discerning the devices and the level of complexity of the provided instructions. Finally, these requests are sent to a server located on a microcontroller (which serves as a prototype for Direct Digital Control- DDC and Industrial Automation System- ISA) that executes the required actions on real devices within a scaled-down household. All communications between the server and the client are conducted following the BACnet protocolspa
dc.description.degreelevelPregradospa
dc.description.degreenameIngeniero Electronicospa
dc.format.mimetypeapplication/pdfspa
dc.identifier.citationHerrera Quiñoes, L. A. y Rodríguez Ramírez, M. S. (2023). Desarrollo de un Software de Robótica Social para la Asistencia de Personas en Operación de Funciones de Domótica Basado en Ros. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional.spa
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/55139
dc.language.isospaspa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.facultyFacultad de Ingeniería Electrónicaspa
dc.publisher.programPregrado Ingeniería Electrónicaspa
dc.relation.referencesGi Hyun Lim. «Shared representations of actions for alternative suggestion with incomplete information». En: Robotics and Autonomous Systems 116 (jun. de 2019), págs. 38-50. issn: 09218890. doi: 10.1016/j.robot. 2019.02.005.spa
dc.relation.referencesYang Baoyao, Andy J. Ma y Pong C. Yuen. «Learning domain-shared group-sparse representation for un supervised domain adaptation». En: Pattern Recognition 81 (2018), págs. 615-632. issn: 0031-3203. doi: https://doi.org/10.1016/j.patcog.2018.04.027. url: https://www.sciencedirect.com/science/ article/pii/S0031320318301614.spa
dc.relation.referencesNaimeh Alipour y Jafar Tahmoresnezhad. «Heterogeneous domain adaptation with statistical distribution alignment and progressive pseudo label selection». En: Applied Intelligence 52.7 (mayo de 2022), págs. 8038-8055. issn: 1573-7497. doi: 10.1007/s10489-021-02756-x. url: https://doi.org/10.1007/s10489-021-02756- x.spa
dc.relation.referencesSilvia Lago Martínez. «Brecha digital, inclusión y apropiación de tecnologías». En: (2019).spa
dc.relation.referencesMariana Ramos. Radiografía de la Era Digital en Colombia (CNC 2020). 2020. url: https://www.centronacionaldeconsultoria. com/post/radiografia-de-la-era-digital-en-colombia-cnc-2020.spa
dc.relation.referencesAna Rivoir. «Personas mayores y tecnologías digitales». En: Miradas críticas de la apropiación en América Latina (2019), pág. 51.spa
dc.relation.referencesJuan José Gómez Acosta et al. «Documento marco Proyección social». En: (2016).spa
dc.relation.referencesLa Asamblea General adopta la Agenda 2030 para el Desarrollo Sostenible - Desarrollo Sostenible. url: https : / / www . un . org / sustainabledevelopment / es / 2015 / 09 / la - asamblea - general - adopta - la - agenda-2030-para-el-desarrollo-sostenible/ (visitado 20-10-2022).spa
dc.relation.referencesWilfredo Graterol et al. «Emotion Detection for Social Robots Based on NLP Transformers and an Emotion Ontology». en. En: Sensors (Basel) 21.4 (feb. de 2021).spa
dc.relation.referencesJuan David Granados Figueroa. «Aplicación de técnicas de Machine Learning para hacer análisis de polaridad de sentimientos en texto para detectar tendencias de opinión en plataformas online». En: (2020), pág. 70. url: http://hdl.handle.net/11634/34933.spa
dc.relation.referencesMasahiro Suzuki y Yutaka Matsuo. «A survey of multimodal deep generative models». En: Advanced Robotics 36.5-6 (2022), págs. 261-278. issn: 15685535. doi: 10.1080/01691864.2022.2035253. arXiv: 2207.02127.spa
dc.relation.referencesQuoc Tuan Truong y Hady W. Lauw. «VistaNet: Visual aspect attention network for multimodal sentiment analysis». En: 33rd AAAI Conference on Artificial Intelligence, AAAI 2019, 31st Innovative Applications of Artificial Intelligence Conference, IAAI 2019 and the 9th AAAI Symposium on Educational Advances in Artificial Intelligence, EAAI 2019 (2019), págs. 305-312. issn: 2159-5399. doi: 10 . 1609 / aaai . v33i01 . 3301305.spa
dc.relation.referencesJohan David Diaz Mendivelso y Marco Javier Suarez Baron. «Análisis social aplicando técnicas de lenguaje natural a información extraída de twitter». En: Scientia et Technica 24.3 (sep. de 2019), págs. 496-503. doi: 10.22517/23447214.21731. url: https://revistas.utp.edu.co/index.php/revistaciencia/article/ view/21731spa
dc.relation.referencesCamillo Lugaresi et al. MediaPipe: A Framework for Building Perception Pipelines. 2019. arXiv: 1906.08172 [cs.DC].spa
dc.relation.referencesAlpha Cephei Inc. VOSK Offline Speech Recognition API. url: https://alphacephei.com/en/.spa
dc.relation.referencesWataru Noguchi et al. «Superposition mechanism as a neural basis for understanding others». En: Scientific Reports 12.1 (dic. de 2022). issn: 20452322. doi: 10.1038/s41598-022-06717-3.spa
dc.relation.referencesMina Jafari et al. «LMISA: A lightweight multi-modality image segmentation network via domain adaptation using gradient magnitude and shape constraint». En: Medical Image Analysis 81 (oct. de 2022), pág. 102536. issn: 13618415. doi: 10.1016/j.media.2022.102536. url: https://linkinghub.elsevier.com/retrieve/ pii/S1361841522001839spa
dc.relation.referencesHumberto Rojas Pinilla. «Memorias /International Engineering Seminar IES UNISANGIL 2015 Desarro llo rural y sostenibilidad». En: (2015), pág. 70. url: https : / / unisangil . edu . co / phocadownload / investigaciones_doc/memorias_IES_2015_ISSN_2422_5088_volumen_2.pdf#page=40.spa
dc.relation.referencesLuis Vicente Colorado Franco y Narcisa Pilar Colorado Franco. «Cálculo del margen de tolerancia permisible aplicando el factor de experiencia de buque en la transferencia marítima de petróleo crudo y derivados del petróleo». En: Revista Científica y Tecnológica UPSE 7.1 (2020), págs. 14-20. issn: 1390-7638. doi: 10.26423/ rctu.v7i1.507.spa
dc.relation.referencesMatías Pizarro. «INMÓTICA Y GESTIÓN ENERGÉTICA BAJO EL ESTÁNDAR KNX». En: (2018).spa
dc.relation.referencesHugo Touvron et al. Llama 2: Open Foundation and Fine-Tuned Chat Models. 2023. arXiv: 2307 . 09288 [cs.CL].spa
dc.relation.referencesOpenAI. GPT-4 Technical Report. 2023. arXiv: 2303.08774 [cs.CL].spa
dc.relation.referencesAlex Krizhevsky, Ilya Sutskever y Geoffrey E. Hinton. «ImageNet classification with deep convolutional Neural Networks». En: Communications of the ACM 60.6 (2017), págs. 84-90. doi: 10.1145/3065386spa
dc.relation.referencesIan Goodfellow, Yoshua Bengio y Aaron Courville. Deep Learning. http://www.deeplearningbook.org. MIT Press, 2016.spa
dc.relation.referencesYann LeCun, Yoshua Bengio y Geoffrey Hinton. «Deep learning». En: Nature 521.7553 (2015), págs. 436-444. doi: 10.1038/nature14539.spa
dc.relation.referencesHaoyang Zeng et al. «Convolutional neural network architectures for predicting DNA–protein binding». En: Bioinformatics 32.12 (jun. de 2016), págs. i121-i127. issn: 1367-4803. doi: 10 . 1093 / bioinformatics / btw255. eprint: https : / / academic . oup . com / bioinformatics / article - pdf / 32 / 12 / i121 / 49020280 / bioinformatics\_32\_12\_i121.pdf. url: https://doi.org/10.1093/bioinformatics/btw255spa
dc.relation.referencesIsrael Rivera Zárate, Miguel Hernández Bolaños y Patricia Pérez Romero. «REDES NEURONALES RECU RRENTES PARA EL PROCESAMIENTO DE SECUENCIAS CODIFICADO EN PYTHON». En: ().spa
dc.relation.referencesCarlos Arana. Redes neuronales recurrentes: Análisis de los modelos especializados en datos secuenciales. Inf. téc. Serie Documentos de Trabajo, 2021spa
dc.relation.referencesKamilya Smagulova y Alex Pappachen James. «A survey on LSTM memristive neural network architectures and applications». En: The European Physical Journal Special Topics 228.10 (2019), págs. 2313-2324.spa
dc.relation.referencesCamilo Ferro, Nathalia Celis Mayorga y Alejandro Casallas García. Llenado de series de datos de 2014 a 2019 de PM2.5 por medio de una red neuronal y una regresión lineal. Ago. de 2020. doi: 10.13140/RG.2.2. 35092.53126.spa
dc.relation.referencesGrega Vrbančič y Vili Podgorelec. «Transfer Learning With Adaptive Fine-Tuning». En: IEEE Access 8 (2020), págs. 196197-196211. doi: 10.1109/ACCESS.2020.3034343spa
dc.relation.referencesurl: https://huggingface.co/docs/transformers/trainingspa
dc.relation.referencesSholom Weiss et al. Text Mining: Predictive Methods for Analyzing Unstructured Information. 1.a ed. Springer, 2004. isbn: 0387954333; 9780387954332. url: libgen.li/file.php?md5=341a70158173878be25bf6b3d4c0458f.spa
dc.relation.referencesTania Pereira, António Cunha y Hélder P. Oliveira. «Special Issue on Novel Applications of Artificial Intelligen ce in Medicine and Health». En: Applied Sciences 13.2 (2023). issn: 2076-3417. doi: 10.3390/app13020881. url: https://www.mdpi.com/2076-3417/13/2/881.spa
dc.relation.referencesHermann Merz et al. Building Automation: Communication Systems with EIB/KNX, Lon und Bacnet. Sprin ger, 2018.spa
dc.relation.referencesCrea Modelos de Aprendizaje Automático de Nivel de Producción Con Tensorflow. url: https : / / www . tensorflow.org/?gclid=Cj0KCQiApKagBhC1ARIsAFc7Mc7EZw9yJT5a2YSkRk07HexJlIlZarZJ8J84vPkxzsyd2ePZw0tCp5waAk3HEALw_ wcB&hl=es-419.spa
dc.relation.referencesWelcome to Python.org. url: https://www.python.org/.spa
dc.relation.referencesBernardo Ronquillo Japon. Hands-on ROS for Robotics Programming. url: https://www.oreilly.com/ library/view/hands-on-ros-for/9781838551308/64354160-9145-44e4-9fe6-bbba39ac5385.xhtml.spa
dc.relation.referencesDavid Pérez Román. «Robot Móvil Controlado por ROS Mobile Robot Powered by ROS». En: ().spa
dc.relation.referencesRobot operating system. url: https://www.ros.org/.spa
dc.relation.referencesLearn. url: https://scikit-learn.org/stable.spa
dc.relation.referencesBAC0: BAC0 is a Python 3 (3.6 and over) scripting application that uses BACpypes to process BACnet™ messages on an IP network. This library brings out simple commands to browse a BACnet network, read properties from BACnet devices, or write to them. https://github.com/ChristianTremblay/BAC0.git. Consultado el 30 de agosto de 2023. 2023.spa
dc.relation.referencesPeiyuan Jiang et al. «A Review of Yolo Algorithm Developments». En: Procedia Computer Science 199 (2022). The 8th International Conference on Information Technology and Quantitative Management (ITQM 2020 2021): Developing Global Digital Economy after COVID-19, págs. 1066-1073. issn: 1877-0509. doi: https://doi.org/10.1016/j.procs.2022.01.135. url: https://www.sciencedirect.com/science/ article/pii/S1877050922001363.spa
dc.relation.referencesSysteme der Gebäudeautomation (GA) - Teil 3: Funktionen (ISO 16484-3:2005); Deutsche Fassung EN ISO 16484-3:2005spa
dc.relation.referencesJacob Devlin et al. BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. 2019. arXiv: 1810.04805 [cs.CL]spa
dc.rightsCC0 1.0 Universal*
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/publicdomain/zero/1.0/*
dc.subject.keywordAIspa
dc.subject.lembIngeniería Electrónicaspa
dc.subject.lembTecnologíaspa
dc.subject.lembPoblaciónspa
dc.subject.lembAuditivospa
dc.subject.lembUsuariosspa
dc.subject.proposalProgramaciónspa
dc.subject.proposalInteligencia Artificialspa
dc.subject.proposalRobóticaspa
dc.titleDesarrollo de un Software de Robótica Social para la Asistencia de Personas en Operación de Funciones de Domótica Basado en Rosspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de gradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Thumbnail USTA
Nombre:
Carta_aprobacion_Biblioteca_.pdf
Tamaño:
168.83 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Miniatura
Nombre:
migración_tesis.pdf
Tamaño:
3.4 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Thumbnail USTA
Nombre:
Carta_autorizacion_autoarchivo_autor_2024_.pdf
Tamaño:
1.03 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Thumbnail USTA
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Pregrado Ingeniería Electrónica