Seminario de Informática ‘Mirian Andrés’. Evaluating Input Data Structures for CNN-Based Assembly Action Recognition Using Projected Distance Features

En esta charla se hablará sobre métodos de reconocimiento de acciones humanas basados en esqueletos para optimizar procesos de ensamblaje industrial. En este estudio se propone el uso de distancias proyectadas entre articulaciones del torso superior sobre planos cartesianos, superando la efectividad de las medidas euclidianas tradicionales. La investigación evalúa cómo diferentes estructuras de tensores de entrada en redes neuronales convolucionales (CNN) afectan la precisión del sistema.

Se demuestra que una configuración multicanal captura mejor la evolución temporal y las relaciones espaciales, logrando una efectividad cercana al 90% y que la estructura de los datos de entrada desempeña un papel fundamental a la hora de determinar la eficacia de las arquitecturas basadas en CNNs.

Estos avances buscan mejorar la colaboración entre humanos y robots, garantizando la seguridad del trabajador y la eficiencia en entornos de Manufactura 5.0.