CARMEN (Resumen)

Actualmente, debido al progresivo envejecimiento de la sociedad y la mejora de la sanidad, existe un elevado número de personas con discapacidades físicas y/o cognitivas que se vuelven dependientes. Al mismo tiempo, los recursos humanos y materiales para prestar apoyo a este grupo son bastante reducidos, lo que deviene en una pérdida de calidad de vida y en la necesidad de ingreso en centros de cuidado. Para evitar los trastornos personales, sociales y económicos que esto provoca, hay una fuerte corriente en el sexto y séptimo Programa Marco Europeo en Tecnología Informática y de las Telecomunicaciones que incide en el empleo de éstas para asistir a personas con necesidades especiales. En particular, la falta de movilidad es una de las discapacidades con mayor impacto en la calidad de vida de una persona. No es de extrañar, por tanto, que la mayoría de los dispositivos de ayuda en el hogar sean para la movilidad o soporte en el baño.

Sin embargo, un grupo importante de usuarios de sistemas de ayuda a la movilidad no pueden siquiera utilizar dispositivos comunes como andadores o sillas de ruedas. En algunos casos, los problemas ocasionados por lesiones específicas, como apraxia post-isquemia, hacen que estas discapacidades vayan más allá de la fuerza física, lo que impide incluso que se desplacen con sillas de ruedas a motor. Es en estos casos donde la robotización de sillas de ruedas resulta conveniente. En nuestro caso, hemos robotizado una silla Meyra Runner mediante encoders en las ruedas, un sistema de joystick externo, un láser Hokuyo y un PC industrial (ver aquí detalles de montaje).

2. CONTROL COMPARTIDO

Una silla de ruedas robotizada no es más que un robot con cierta autonomía que dispone también de una interfaz de usuario para su guiado. En principio, la silla podría llegar a cualquier objetivo que el usuario sea capaz de indicar por si sola, igual que cualquier robot autónomo móvil. Sin embargo, no es recomendable que actue por si sola, sino que el usuario debería intentar ejercer tanto control como sea posible, ya que, no sólo el usuario sentirá que no posee control real sobre sus acciones, sino que los médicos han indicado que la falta de uso de capacidades residuales lleva a su pérdida completa. Así pues, los sistemas de control de las sillas de este tipo se acogen al paradigma del denominado control compartido, donde usuario y robot comparten éste a lo largo de la trayectoria. La práctica totalidad de los sistemas de control compartido se basan en cambiar el control de usuario a robot o viceversa, bien cuando se detecte una determinada condición en el entorno (ej. cruzar una puerta, doblar una esquina...), bien cuando el usuario así lo decida. La principal desventaja de estos sistemas es que el usuario nunca practica los movimientos que encuentra complejos, por lo que podría perder las habilidades residuales relacionadas con estos. Además, hay marcadas discontinuidades en el control que requieren atención especial durante la navegación.

3. APORTACIONES

APORTACIÓN I: CONTROL COLABORATIVO

Para combatir este problema, la presente tesis propone una variante del control compartido denominada control colaborativo. Se trata de un sistema reactivo que puede funcionar como capa de bajo nivel en una arquitectura híbrida y que combina en forma de vectores en todo momento los comandos humanos y del robot -de acuerdo a cualquier algoritmo de navegación reactiva, en nuestro caso Campos de Potencial- en un único comando emergente. En la suma se pesan ambos vectores por sus respectivas eficiencias locales, calculadas éstas de acuerdo a factores puntuales que se pueden medir en cualquier instante por sí mismos y que corresponden aproximadamente a las propiedades de una función de navegación: suavidad, seguridad y direccionalidad.

a) vectores en el cálculo del control colaborativo (VR, VH y VC para robot, humano y compartido); y b) ángulos necesarios para medir localmente la suavidad (R), seguridad(G) y direccionalidad(B): la eficiencia global de un punto se estima a partir de su valor RGB

En concreto, se mide la eficiencia de un comando determinado en función de cuánto habría que girar el movil, cómo de cerca nos dejaría de los obstáculos y cuánto nos acerca a nuestro objetivo. Dicho objetivo puede venir prefijado por una agenda deliberada o extrapolado a partir de los comandos del usuario desde el último punto de inflexión de su función de curvatura. En general, cuanto mejor conduce el usuario, más control tiene sobre la silla en si y el robot se encarga del resto. Este sistema se probó con éxito con un grupo de 18 pacientes internos con distinto grado de discapacidad, tanto física como cognitiva, en la Fondazione Santa Lucia (FSL) bajo la supervisión del equipo médico (ver métricas empleadas para caracterizar a la población objetivo) En conjunto los usuarios mantuvieron su eficiencia media por encima del 80% durante las pruebas, que incluían cruzar puertas y navegar en pasillo en paralelo a la pared.

a) CARMEN wheelchair; b) Casa Agevole (test environment)

Los resultados de estos experimentos, sin embargo, mostraron que los pacientes con mejores facultades físicas y cognitivas tenían una eficiencia menor al resto en las trayectorias propuestas. Tras analizar los datos, se concluyó que ello ocurría porque se daban cuenta de que la silla no seguía exactamente sus comandos y luchaban activamente contra la asistencia, incluso en casos en que sus comandos eran claramente contraproducentes como intentar colisionar con una pared. En estos pacientes la eficiencia se decrementaba con el tiempo de uso de la silla y muchos indicaban finalmente que "no funcionaba" cuando evitaba maniobras peligrosas. Para cuantizar este efecto se propuso una métrica nueva: el Desacuerdo, o ángulo entre el vector proporcionado por el usuario y la dirección emergente en la silla. El Desacuerdo tiene siempre un valor base que depende de las características mecánicas propias del vehículo -en nuestro caso en torno al 15-20%-, ya que éste no puede responder de inmediato a un comando del usuario, pero en nuestros experimentos para algunos usuarios llegaba a sobrepasar el 50%. Para reducirlo, se optó por diseñar un algoritmo de navegación que mimetizara la forma de conducir del usuario.

Resultados para la paciente 17 (demencia severa, capacidades físicas residuales mínimas) en modo colaborativo. Se incluyen eficiencias en RGB para control humano, PFA y colaborativo (izquierda) y sombra del joystick en los tres casos (derecha)

APORTACIÓN II: ADAPTACIÓN AL USUARIO

Predecir cómo un usuario puede conducir una silla de ruedas no resulta trivial, mucho menos en una población objetivo con discapacidades físicas y/o cognitivas, que pueden influir en varios aspectos de su control. Por ello, en lugar de buscar un modelo genérico para cada tipo de discapacidad, se optó por diseñar un sistema de aprendizaje que personalizara el modelo de navegación del robot todo lo posible a cada usuario y sus particularidades. Para ello, se decidió emplear un modelo de aprendizaje reactivo a bajo nivel usando Razonamiento Basado en Casos (CBR). Este tipo de aprendizaje se basa en asociar a cada patrón de entrada una solución apropiada a las circunstancias -en nuestro caso a partir de la respuesta del usuario o del control compartido en función de la eficiencia del primero-, indicándose asimismo la eficiencia de dicha solución. Dada una situación cualquiera, CBR siempre devolverá el caso más parecido de que disponga, aunque pueda distar mucho de la situación actual. Bajo estas circunstancias, se hace necesario mutar el caso disponible mediante una función de adaptación, que en nuestro caso hemos basado en PFA. En concreto, se empleó como descriptor del caso la posición relativa de móvil, objetivo y obstáculos, así como la dirección actual de la silla, dado que no se trata de un vehículo holonómico. La distancia empleada en nuestro CBR es una variante de Mahalanobis, que compara las envolventes del descriptor de entrada y los casos disponibles para que la disposición global de los obstáculos tenga más peso que las distancias exactas a cada uno de ellos. La salida empleada es bien el comando que proporciona el usuario, bien -caso de que su eficiencia sea muy baja- el comando emergente del control colaborativo basado en PFA. Finalmente, la adaptación se basa, como se ha comentado, en combinar la salida del caso proporcionado por el CBR con el repulsor del campo de potencial en ese punto, para así garantizar la correcta evitación de obstáculos bajo cualquier circunstancia. El movimiento emergente de este sistema es una concatenación de casos al uso que se acerca a la forma de conducir del usuario siempre que sea posible. Cuando el sistema converge después de un rato de uso, el control colaborativo emplea una combinación de los comandos del usuario -que reflejan su voluntad actual-, CBR -que reflejan su respuesta más usual a la presente situación- y, en el peor de los casos, PFA -que refleja lo que haría el robot si el usuario no es capaz de lidiar con la situación en curso-. Para evitar pequeñas discontinuidades cuando se cambia de PFA a CBR, además se dotó al sistema de cierta inercia temporal mediante una ventana desplazante, que suaviza mediante composición de gaussianas estas trancisiones. La respuesta final se adapta al usuario todo lo posible y, de hecho, en un experimento posterior con 9 nuevos pacientes en Casa Agevole (FSL) se constató que, efectivamente, en los pacientes con mejores capacidades físicas y cognitivas el Desacuerdo se reducía significativamente, no empeorando en ninguna circunstancia en los pacientes extremos en los que la base de casos aprendidos prácticamente convergía a un PFA. Cabe resaltar que la base de casos resultante de muestrear la conducción sin asistencia de un paciente determinado nos permite crear un simulador de pacientes de ese tipo bastante cercano a la realidad, a efectos de probar distintas trayectorias y pruebas bajo simulación, lo que se ha implementado con éxito.

Resultados para paciente 26 con control colaborativo con aprendizaje. Se incluye a la derecha el Desacuerdo ( :) :| :( ) y el porcentaje de control humano/robot)

APORTACIÓN III: MODULACIÓN POR ENVOLVENTE

El principal problema de este sistema radicaba en que algunos usuarios necesitaban más ayuda de la aportada como tónica general, no como respuesta reactiva a una situación o situaciones específicas. En estos casos, en ocasiones no eran capaces de terminar las trayectorias propuestas, bien porque no podían producir físicamente ningún comando adecuado a la situación, bien porque cognitivamente no recordaban donde ir. En estos casos, podía producirse una caida en mínimos locales del campo de potencial global del control colaborativo. Para eliminar este problema se optó por modular con una envolvente la función de control. El valor de la envolvente K(i) se calcula de acuerdo a la media de eficiencia del usuario desde la última discontinuidad en ésta, para el comando del usuario, y 1-K(i) para el comando de la máquina. Esta medida proporciona al sistema cierta inercia a cambios puntuales y, además, permite que en zonas donde la eficiencia se mantiene baja se eleve la cantidad de ayuda proporcionada. De forma análoga, si un usuario está guiando la silla adecuadamente durante cierto tiempo, también se decrementará la ayuda que se le ofrece. Así, la ayuda se modula dónde y cuándo se necesita.

Resultados con joystick trabado hacia delante y control colaborativo a) sin modulación; b) con modulación

Nuevas pruebas con 12 pacientes, de nuevo en Casa Agevole, demostraron que la implementación final del sistema era la que mejores resultados ofrecía, no sólo en cuanto a eficiencia, sino también a Desacuerdo y a parámetros como longitud final del camino o tiempo necesario para recorrerlo. Además, en general la cantidad de ayuda que el sistema necesitaba ofertar a los usuarios era en media inferior a las pruebas anteriores. Para comprobar qué efecto tenía esta asistencia modulada desde el punto de vista del usuario para que mejorara en su conducción, se llevaron a cabo varias pruebas más, esta vez por miembros del equipo de trabajo, guiando la silla a ciegas en trayectorias complejas. Todos los voluntarios en estas pruebas coincidieron en que el joystick estaba más rígido cuando intentaban ir en una dirección incorrecta, aunque éste no era háptico. En realidad, lo que el usuario percibe en estos casos es una reducción en la velocidad del vehículo cuando crece el Desacuerdo, lo que se conoce en la literatura como realimentación pseudoháptica. Esta percepción es la que se determinó que ayudaba a los usuarios con problemas cognitivos a "recordar" cual era su ruta: la que ofrecía mejor velocidad con menor esfuerzo.

Resultados para usuario a ciegas en modo colaborativo con modulación y aprendizaje

En total, se efectuaron pruebas en FSL con más de 70 pacientes con distintos grados de discapacidad física y/o cognitiva a lo largo de 3 años, recogiéndose toda la información acerca de su conducción sin asistencia -salvo por una capa de seguridad de bajo nivel que detiene la silla si hay riesgo de colisión- y en los distintos modos de control colaborativo a medida que éste evolucionaba. Los mejores resultados, tal como se ha comentado, los ofreció el sistema con capacidad de aprendizaje, transiciones suavizadas y modulación por eficiencia, si bien se probaron otras variantes como modulación a partir de las constantes biométricas del usuario extraidas mediante un sensor vestible via Bluetooth. Todos los resultados se validaron mediate tests ANOVA y pasaron la evaluación de los usuarios mediante cuestionaros PIADS. En todos los casos, el resultado fue muy satisfactorio.

El paso siguiente a la modulación sería establecer una arquitectura de agentes inteligente capaz de conciliar la eficiencia media del paciente, su estado de acuerdo a los sensores que vista, su condición de acuerdo a los médicos y la agenda, si la tiene, de su actividad diaria (sesiones de rehabilitación, aseo, etc). Este trabajo queda abierto para una capa de control deliberativa, ya que el sistema propuesto se ha construido como capa reactiva en una arquitectura híbrida ascendente de control distribuido (DLA).

APORTACIÓN IV:PERFIL DE DISCAPACIDAD

Finalmente, dado el enorme volumen de datos disponible, se pensó en que tal vez se podría resolver el problema de la inicialización (cold start) si fuésemos capaces de construir a partir de la experiencia un perfil aproximado del usuario. Esta información también podría ser útil para modular la asistencia y como apoyo al diagnóstico. Para ello, se procedió a aplicar técnicas de minado de datos a las trazas recogidas de todos los pacientes en modo de guiado sin asistencia. Primero se dividieron todas las situaciones físicas que afrontaron los usuarios a nivel local en 6 clases, tal como se propone en (Minguez et al, 2009), de acuerdo a las posiciones relativas de obstáculos y robots. Dentro de cada clase, se volvió a aplicar un segundo clustering, esta vez de acuerdo a las posiciones relativas del objetivo y el móvil y a la dirección actual de éste, que nos devolvió 32 clases.

Perfil de capacidad de un usuario tipo

El medoide de cada una de ellas se calculó a partir de la media ponderada entre sus elementos y la eficiencia de éstos, de forma que no corresponde a la solución más eficiente, sino a la más frecuente también. Cada uno de estos medoides corresponde a un comportamiento nuclear necesario para resolver las situaciones que nuestros voluntarios encontraron en las pruebas y tiene una eficiencia asociada que puede ser mayor o menor, pero que rara vez se acerca a 1 -es necesario recordar que nuestros voluntarios tenían todos cierto nivel de discapacidad, pero ni siquiera un usuario completamente sano podría alcanzar la eficiencia máxima en la mayoría de las situaciones-. Este proceso sólo se lleva a cabo una vez y, a partir de él, se evaluan los resultados propios de cada usuario, comprobando a qué subclase pertenece cada una de las situaciones a que se enfrenta y con qué eficiencia, relativa al medoide referencia, es capaz de resolverla. La ausencia de determinadas clases o una eficiencia media muy baja en algunos subconjuntos se ha conseguido relacionar con enfermedades específicas con efectos muy definidos, como hictus en un hemisferio determinado, que provoca semiparálisis en el lado contrario del cuerpo.

Perfil de un voluntario con isquemia en el hemisferio derecho: a) sin ayuda; b) con ayuda; c) comparativa.

Para extraer conclusiones médicas más detalladas sería necesaria la ayuda de profesionales médicos. Sin embargo, para calcular cuánto modular la ayuda en un determinado entorno, basta con estudiar la eficiencia prevista de acuerdo al perfil del usuario en dicha situación y modificar k(i) en consecuencia.

4. PUBLICACIONES

TRABAJOS PRELIMINARES

1. U. Cortés, R. Annicchiarico, J. Vázquez-Salceda, C. Urdiales, L. Canamero, M. López, M. Sánchez-Marre, and C. Caltagirone, “e-tools: the use of assistive technologies to enhance disabled and senior citizens’ autonomy,” e-Health: Application of Computing Science in Medicine and Health Care (ISBN:970-36-0118-9), pp. 119–132, 2003.

2. C. Urdiales, A. Poncela, R. Annicchirico, F. Rizzi, F. Sandoval, and C. Caltagirone, A topological map for scheduled navigation in a hospital environment, pp. 228–243, 2003.

3. C. Urdiales, A. Bandera, E. J. Pérez, A. Poncela, and F. Sandoval, Hierarchical planning in a mobile robot for map learning and navigation. Physica Verlag, pp. 2165–2188, 2003.

4. U. Cortés, R. Annicchiarico, F. Campana, J. Vázquez-Salceda, C. Urdiales, L. Canamero, M. López, M. Sánchez-Marré, S. D. Vincenzo, and C. Caltagirone, “Intelligenza artificiale in medicina: progetto di una piattaforma mobile inserita in un ambiente intelligente per l’assistenza ai disabili e agli anziani,” Recenti Progressi in Medicina, vol. 95, no. 4, pp. 190–195, 2004.

5. C. Urdiales, E.J. Pérez, F. Sandoval, ”A time stamp control strategy for CBR based reactive navigation in dynamic environments with priorities”, Proc. of IEEE Int. Conf. Agent Technology (IAT’04), Beijing (China), 2004 (Nominated to best conference paper)

6. C. Urdiales and U. Cortés, “Situated robotics: from learning to teaching by imitation,” Cognitive Processing, vol. 6, no. 3, pp. 196–201, 2005.

TRABAJOS DE LA TESIS

6. C. Urdiales, E. Pérez, J.Vázquez-Salceda, M.Sánchez-Marré, and F. Sandoval, “A purely reactive navigation scheme for dynamic environments using case-based reasoning,” Autonomous Robots, vol. 39, no. 5, pp. 67–78, 2006.

7. R. Vázquez-Martin, E. Pérez, C. Urdiales, J. del Toro, and F. Sandoval, “Hybrid navigation guidance for intelligent mobiles,” IEEE ITS Society Newsletter, vol. 4, no. 8, pp. 24–30, 2006.

8. U. Cortés, R. Annicchiarico, A. Villar, C. Barrué, C. Urdiales, and C. Caltagirone, “Refocusing e-tools: Towards a patient’s oriented vision,” in Proc. of 17th European Conference on Artificial Intelligence (ECAI’06), Trento, Italy, 2006.

9. C. Urdiales, A. Poncela, I. Sánchez-Tato, and F. Sandoval, “Efficiency based reactive shared control for collaborative human/robot navigation,” in Proc. of the IEEE Conference on Intell. Robots and Systems (IROS’07), San Diego, USA, 2007.

10. C. Urdiales, A. Poncela, F. Galluppi, M. Olivetti, and F. Sandoval, “Control compartido a nivel reactivo basado en eficiencia,” in Proc. of the URSI 2007 (URSI’07), Sta Cruz de Tenerife, Spain, 2007.

11. B. Fernández-Espejo, A. Poncela, C. Urdiales, and F. Sandoval, “Collaborative emergent navigation based on biometric weighted shared control,” in Proc. of the IWANN 2007, LNCS 4507, San Sebastian, Spain, pp. 814–821, 2007.

12. U. Cortés, C. Urdiales, R. Annicchiarico, C. Barrue , A. B. Martinez, and C. Caltagirone, Assistive Wheelchair Navigation: A Cognitive View. Springer Berlin / Heidelberg, pp. 165–187, 2007.

13. I. Sánchez-Tato, J. del Toro, E. Perez, C. Urdiales, U. Cortés, R. Annicchiaricco, F. Sandoval, and C. Caltagirone, “Collaborative control for personalized mobility assistance to persons with physical/cognitive disabilities,” in Proc. of IROS-2007-Workshop on Assistive Technologies (IROS’07), San Diego, USA, 2007.

14. C. Urdiales, J. M. Peula, C. Barrué, U. Cortés, F. Sandoval, C. Caltagirone, and R. Annichiaricco, “An adaptive scheme for wheelchair navigation collaborative control,” in Proc. of Fall Symposium of Asociation for the Advancement of Artificial Intelligence (AAAI’08), Arlington, US, 2008.

15. F. Galluppi, C. Urdiales, A. Poncela, I. Sanchez-Tato, F. Sandoval, and M. Olivetti, “A study on human performance in a cooperative local navigation robotic system,” in Proc. of CoMA Workshop (WETICE’08), Roma, Italy, 2008 (Best conference paper).

16. C. Urdiales, J. M. Peula, C. Barrué, E. J. Pérez, I.Sánchez-Tato, J. del Toro, U. Cortés, F. Sandoval, R. Annicchiarico, and C. Caltagirone, “A new collaborative shared control strategy for continuous elder/robot assisted navigation,” in Proc. of Int. Conf. of Int. Society for Geronthology 2008 (ISG’08), Pisa, Italy, 2008.

17. C. Urdiales, J. Peula, M. Fdez-Carmona, R. Annicchiaricco, F. Sandoval, and C. Caltagirone, “Adaptive collaborative assistance for wheelchair driving via CBR learning,” in Proc. of 2009 IEEE Conf. on Robotics for Rehabilitation (ICORR’09), Kyoto, Japan, 2009.

18. L. Duran, M. Fernandez-Carmona, C. Urdiales, J. Peula, and F. Sandoval, “Conventional joystick vs wiimote for holonomic wheelchair control,” in Proc. of Int. Workshop on Artificial Neural Networks (IWANN’09), Salamanca, Spain, 2009.

19. M. Fernandez-Carmona, B. Fernandez-Espejo, J. Peula, C. Urdiales, and F. Sandoval, “Efficiency based collaborative controlmodulated by biometrics for wheelchair assisted navigation,” in Proc. of 2009 IEEE Conf. on Robotics for Rehabilitation (ICORR’09), Kyoto, Japan, 2009.

20. C. Urdiales, J. Peula, U. Cortés, C. Barrue, B. Fernández-Espejo, R. Annichiaricco, F. Sandoval, and C. Caltagirone, “A metrics review for performance evaluation on assisted wheelchair navigation,” in Proc. of Int. Workshop on Artificial Neural Networks (IWANN’09), Salamanca, Spain, 2009.

21. F. Galluppi, C. Urdiales, F. Sandoval and M. Olivetti, "A study on a shared control navigation system: human/robot collaboration for assisting people in mobility, Cognitive Processing, 10(2), pp.215-218, 2009

22. Poncela, A., Urdiales, C., Pérez-Rodríguez, E. J. & Sandoval, F., "A new efficiency-weighted strategy for continuous human/robot cooperation in navigation". IEEE Trans. on Systems, Man and Cybernetics-Part A: Systems and Humans, Vol. 39, No. 3, 2009

23. C. Urdiales, M. Fernández-Carmona, J. Peula, R. Annicchiaricco, F. Sandoval, and C. Caltagirone, “Efficiency based modulation for wheelchair driving collaborative control,” in Proc. of 2010 IEEE Conf. on Robotics for Rehabilitation (ICRA’10) (nominated best paper), Anchorage, USA, 2010.

24. C. Urdiales, M. Fdez-Carmona, J. Peula, R. Annichiaricco, F. Sandoval, and C. Caltagirone, “A collaborative control scheme for haptics-based blind wheelchair driving,” in Proc. of 2010 National Robotic Conference, Karpacz, Poland, 2010 (invited paper).

25. U. Cortés, R. Annicchiarico, C. Urdiales, A. B. Martínez, C. Barrue, and C. Caltagirone, “Assistive technologies for the new generation of senior citizens. the SHARE-IT approach,” International Journal of Computers in Healthcare, vol. 1, no. 1, 2010.

26. C. Urdiales, B. Fernández-Espejo, R. Annicchiaricco, F. Sandoval, and C. Caltagirone, “Biometric modulated collaborative control for a robotic mobile platform,” IEEE Trans. on Neural Systems and Rehabilitation Eng., 18(4), 2010.

27. G. Peinado, C. Urdiales, J.M. Peula, M. Fdez-Carmona, R. Annicchiaricco, F. Sandoval and C. Caltagirone “Navigation skills based profiling for collaborative wheelchair control”, 2011 IEEE Conf. on Robotics for Rehabilitation (ICRA’11) Shangai, China, 2011 (accepted).

28. C. Urdiales, J. Peula, C. Barrue, E. Perez, I. Sanchez-Tato, J. del Toro, F. Galluppi, U. Cortés, R. Annichiaricco, C. Caltagirone, and F. Sandoval, “A new multi-criteria optimization strategy for shared control in wheelchair assisted navigation,” Submitted to Autonomous Robots (accepted).

29. C. Urdiales, M. Fdez-Carmona, J. Peula, U. Cortés, R. Annichiaricco, C. Caltagirone and F. Sandoval, “Wheelchair collaborative control for disabled users navigating indoors,” Submitted to Artificial Intelligence in Medicine (acepted).

30. J. Peula, C. Urdiales, I. Herrero, M. Fdez-Carmona, and F. Sandoval, “Case base reasoning based emulation of persons with disabilities for wheelchair navigation,” Submitted to Artificial Intelligence in Medicine (under review).

31. C. Urdiales, "The bare necessities: adaptive assistance for wheelchair control" Submitted to AI-Communications (accepted).

5. ENTREGABLES

Durante el desarrollo de esta tesis se han producido los siguientes entregables:

Silla robotizada CARMEN (Open Hardware)
Arquitectura de control compartido (Creative Commons)
Sistema de aprendizaje por experiencia
Perfil de discapacidad base (benchmarking)
Ficheros de datos raw con resultados de más de 70 pacientes diagnosticados de FSL

6. MOVILIDAD

ESTANCIAS DE INVESTIGACIÓN

Fondazione Santa Lucia, Roma:

Visitas de una semana cada cuatro meses durante 2007-2009 para pruebas

Estancia obligatoria para la obtención del doctorado europeo en 2010

Se mantiene actualmente firmado un acuerdo de colaboración bilateral en virtud al trabajo de esta tesis

KEMLg, Barcelona:

Cursos de doctorado en Inteligencia Artificial

Tutorías

Redacción de proyectos de investigación

Reuniones de proyectos de investigación

VISITAS DE CONTACTO

Fundación ESCLAT (España)

Fundación Matía (España)

Fundación Ana Aslan (Rumanía)

Dr Seth Teller, MIT, Massachussets

Dr Simon Parsons, NYC University (New York)

Dr Thomas Roefl, DFKI (Bremen)

Dr Koon Guan Seah, A*Star (Singapur)

Dr Krzystoff Tchon, University of Wroclaw (Poland)

CHARLAS INVITADAS

• Robotica aplicada al servicio de personas con discapacidad (Charla en la FIB, UPC), Abril 2006

• Wireless technology for medical applications, (Nuove Tecnologie per il supporto e la riabilitazione del disabile), Roma, Mayo 2006

• Wireless Network Technology and Sensor Networks (ENGAGE (2nd European Union - Southeast Asia ICT Research Collaboration Conference )), Jakarta, Septiembre 2006

• RFID based Adaptive non-intrusive Monitorization for TeleCare, (ENGAGE (3rd European Union - Southeast Asia ICT Research Collaboration Conference )), Bangkok, Enero 2007

• Sharing-it: A collaborative environment to learn and enhance Assistive Technologies learn and enhance Assistive Technologies (ENGAGE (3rd European Union - Southeast Asia ICT Research Collaboration Conference )), Bangkok, Enero 2007

• A shared control strategy for continuous mobility eAssistance collaboration, (ENGAGE (3rd European Union - Southeast Asia ICT Research Collaboration Conference )), Penang, Febrero 2007

• The SHARE-IT project, (The International Course and Workshop on Bioethical Aspects Related to the Ambient Assisted Living for Patients with Cognitive and or Physical Disabilities), Bucharest, Romania, november 2009

7. DIFUSION

Blog de difusión de la tesis: Social Assistive Robots (http://socialassistiverobots.blogspot.com/)
Charla invitada "Robots: de los automatas al asistente inteligente" (X ciclo de conferencias "Presente y futuro de la ciencia y la tecnología 2007" Conferencia del Area de Cultura del Ayuntamiento de Málaga), Málaga, Marzo 2007
Creación de una representación interactiva VRML on-line de la historia de la robótica
Diseño y dibujo del poster "History of the bots" (Linea temporal de la robótica)
Participación por invitación en la exposición "Los nuevos esclavos cibernéticos" (Parque de las Ciencias (Granada) y Principia (Málaga)
Aparición frecuente en prensa, como en la revista Bulevar, diario Sur, el Mundo, Qué, el Observador, Uciencia ... (más recortes)
Entrevistas en Onda Cero en Perfiles y Partiendo de Cero
Aparición en Canal Sur en programas de difusión (Tesis) y noticiarios

8. PARTICIPACIÓN EN PROYECTOS Y CONTRATOS RELACIONADOS

Más datos en la web del grupo ISIS

PLATEA (Plataforma inalámbrica de banda ancha para monitorización y teleasistencia domiciliaria) ((PETRI). Ref.: 95-1005.OP) (Investigadora)
ASSIST (Arquitectura de servicios inteligente de soporte a personas con necesidades especiales) (TEC2006-11689-C03-01/TCM.)(Coordinadora)
Arquitectura de servicios inteligente de soporte a la independencia mediante robots (TEC2008-06734-C02-01/TEC)(Coordinadora)
Plataforma inalámbrica de banda ancha para monitorización y teleasistencia domiciliaria (Contrato 8.06/58.2436 (CITIC)) (Investigadora)
Investigación en tecnología y arquitectura de sensores inteligentes (Contrato 8.06/58.2537 (CETECOM)) (Investigadora)
SHARE-IT (Supported Human Autonomy for Recovery and Enhancement of Cognitive and Motor Habilitéis using Information Technologies.)(IST-045088. Ref. 8.06.UE/59.6027) (Investigadora y líder de Work Package)
MIND (Abordaje multidisciplinar de la enfermedad de Alzheimer) (Contrato 8.06/5.58.3145-1 (GEROZERLAN)) (Investigadora principal)
MIND II (Abordaje multidisciplinar de la enfermedad de Alzheimer) (Contrato 8.06/5.58.3145-2 (BILBOMATICA)) (Investigadora principal)
AmIVital (Contrato 8.06/5.58.2767 (TID)) (Investigadora)
AmIVital II (Contrato 8.06/5.58.2768 (Telvent)) (Investigadora)
SIAD (Proyecto de Excelencia JA) (Investigadora)
ARMONIA (Contrato Plan Avanza (Novasoft) Identificador por asignar) (Investigadora principal)
TELEADM (Teleasistencia Avanzada, Domótica y Multimedia) (Contrato 8.06/5.58.2758 (TID))(Investigadora)
Red de Agentes Físicos (REDAF) (TIN2006-27679-E) (Investigadora)

9. OTROS MÉRITOS

- La tesis ha sido aceptada para su publicación como libro por Springer Verlag bajo el título "Assistive technology for the aging society" como parte de las series "Intelligent Systems Reference Library"

- El artículo “A study on human performance in a cooperative local navigation robotic system,” (WETICE’08) fue elegido uno de los mejores de la conferencia y los artículos "”A time stamp control strategy for CBR based reactive navigation in dynamic environments with priorities” (IAT'04) y "Efficiency based modulation for wheelchair driving collaborative control" (ICRA'10) estuvieron nominados entre los mejores de las conferencias.

-Solicitud de dos patentes relacionadas (en curso) en el año 2008:

• Claros Moreno, D., Domínguez Durán, M. Á., del Toro Lasanta, J. C., Urdiales, C. & Sandoval Hernández, F. (2008). System for Locating Minors in Large Retail Facilities (P200703081).[Más] [Versión en línea]

• Fernández Carmona, M. Urdiales, C. del Toro Lasanta, J. C., Sandoval Hernández, F. & Fernández Espejo, B. (2008). RFID-Based Object Tracking for the Visually Impaired (P20070379) [Más]

- Dirección de 14 PFC leídos desde 2006, entre ellos Dña. Blanca Fdez-Espejo y D. Gerardo Reveriego Sierra, premios INDRA'07 e INFOGLOBAL'09 del COIT, respectivamente.

- Tutorización del trabajo de master del alumno de intercambio ERASMUS D. Franceco Galluppi, con quien se publicaron varios trabajos.

- Organización de los siguientes workshops:

• "Assistive Technologies and e-Health" (IWANN’07)

• "Ageing well in the Knowledge Society (AKS)" (IWANN’09)

- Participación por invitación en los siguientes cursos de verano:

• Tecnología aplicada a la movilidad asistida para personas con discapacidad motora (Curso de Nuevas Tecnolog´ıas al Servicio de las Personas con dependencias, cursos de verano de la UNIA-06), Malaga, Julio 2006

• Tecnologías asistenciales para apoyo al envejecimiento (Curso organizado por el KEMLg, UPC), Abril-Mayo, 2007

• Apoyo a la autonomía personal y mejora de las habilidades motoras y cognitivas (Curso de Inteligencia Ambiental para Apoyo a la Salud y a la Vida Independiente, Universidad de Granada: Cursos de verano), Julio 2008

- Co-editora del libro Agent technology and eHealth (Cortes, Annicchiarico and Urdiales eds.), Whitestein Series in Sofware Agent Technologies and Automatic Computing, 2008

- Editora asociada de la revista JoPha (ISSN:1888-0258)

Google Sites

Report abuse