Las implementaciones existentes en la actualidad sobre sensores virtuales no emplean un marco comun matematicamente riguroso. Por ello, en este trabajo tenemos como objetivo homogeneizar el soporte teorico de los sensores virtuales a bajo nivel, es decir, tratando directamente sus datos en bruto, de tal modo que puedan ser empleados en diagnostico de fallos, recuperacion de datos y otras funcionalidades sin cambiar el paradigma de base. La inferencia bayesiana constituye una manera gen ́erica y rigurosa de abordar este problema; ademas, nos permite integrar conocimiento procedente de diversas fuentes (los propios dispositivos sensoriales, sentido comun humano, datos del entorno, etc.) y se puede hibridar con otras metodolog ́ıas como las redes neuronales o la logica borrosa. Dado que el potencial de esta solucion es considerablemente amplio, nos centramos aqu ́ı en el diagnostico de aver ́ıas, recuperacion de datos y funcionalidades de integracion de conocimiento externo. Nuestros resultados con un robot movil real equipado con dos sensores de proximidad y con otros dispositivos mas simples, demuestran que este marco tiene muchas posibilidades de mejorar el sistema sensorial de un robot por medio de t ́ecnicas de razonamiento de alto nivel.
Buscar en Dimension