- Rodríguez Lera, Francisco Javier
- Martín Rico, Francisco
- Guerrero Higueras, Ángel Manuel
- Matellán Olivera, Vicente
[ES] La conciencia del contexto en los programas de vida asistida para personas mayores es una piedra angular en el escenario actual de robots de servicio no personalizados distribuidos por todo el mundo. Esta investigación propone un sistema de conciencia del contexto para la interpretación de una escena humano-robot basado en siete contextos primarios y en la Asociación Americana de Terapia Ocupacional. El sistema de conocimiento del contexto aquí definido propone un mecanismo de inferencia para el reconocimiento de la actividad basado en redes bayesianas jerárquicas. Sin embargo, cuando aumenta la información procedente de los sensores, también aumenta el coste computacional asociado. Por ello, es necesaria una evaluación de diferentes modelos de redes bayesianas para disminuir su impacto sobre el rendimiento del robot. Se han modelado y probado dos modelos topológicos utilizando la aplicación OpenMarkov: un enfoque de dos niveles de una capa de entrada-observaciones y la capa de reconocimiento de la actividad, y un modelo de tres capas que separa una capa de contextos primarios, la capa de entrada-observaciones y la capa de reconocimiento de la actividad. Los resultados cualitativos y cuantitativos presentados muestran un mejor rendimiento en términos de memoria y memoria en un modelo de tres capas. Además, se presenta su efecto en una arquitectura híbrida de una plataforma robótica., [EN] Context awareness in ambient assisted living programmes for the elderly is a cornerstone in the current scenario of noncustomized service robots distributed around the world. This research proposes a context-awareness system for a human–robot scene interpretation based on seven primary contexts and the American Occupational Therapy Association. The context-awareness system defined here proposes an inference mechanism for the activity recognition supported on hierarchical Bayesian networks. However, when the information from sensors increases, the computational cost associated also increases. Thus, an evaluation of different Bayesian network models is necessary for decreasing its impact over the robot performance. Two topological models have been modelled and tested using OpenMarkov application: a two-level approach of an input–observations layer and the activity recognition layer, and a three-layer model setting apart a primary contexts layer, the input–observations layer, and the activity recognition layer. The qualitative and quantitative results presented here show better performance in terms of memory and memory in a three-layer model. Besides, its effect on a hybrid architecture of a robotic platform is presented., SI, Junta de Castilla y León and FEDER funds, Spain, under Research Grant LE028P17