Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano

El desarrollo de vehículos inteligentes ha estado aumentando a una velocidad ace-lerada en los recientes años, lo que ha permitido perfeccionar sus capacidades en sistemas de manejo autónomo. Muchas de estas mejoras están relacionadas hacia sistemas de manejo asistido y manejo autónomo. Dichos avanc...

Full description

Autores:: García Cano, Juan Camilo

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2019

Institución:: Universidad Autónoma de Bucaramanga - UNAB

Repositorio:: Repositorio UNAB

Idioma:: spa

id	UNAB2_930aa494cd72b306be9f3cb66e8eed6f
oai_identifier_str	oai:repository.unab.edu.co:20.500.12749/12046
network_acronym_str	UNAB2
network_name_str	Repositorio UNAB
repository_id_str
dc.title.spa.fl_str_mv	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
dc.title.translated.spa.fl_str_mv	Development of a smart vehicle simulation for autonomous navigation through an urban environment
title	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
spellingShingle	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano Systems engineer Technological innovations Supervised Learning Deep Learning Algorithm Experience Automatic learning Unsupervised learning Reinforced learning Data Science Training Artificial Intelligence Artificial Neural Networks Model Computer Vision Software Machine theory Simulation methods Ingeniería de sistemas Innovaciones tecnológicas Teoría de las máquinas Métodos de simulación Aprendizaje supervisado Aprendizaje profundo Algoritmo Experiencia Aprendizaje automático Aprendizaje no supervisado Aprendizaje por refuerzo Ciencia de datos Entrenamiento Inteligencia artificial Redes neuronales artificiales Modelo Visión por computadora Software
title_short	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
title_full	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
title_fullStr	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
title_full_unstemmed	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
title_sort	Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano
dc.creator.fl_str_mv	García Cano, Juan Camilo
dc.contributor.advisor.spa.fl_str_mv	Ayala Angarita, John Andrés Ortiz Beltrán, Ariel Orlando
dc.contributor.author.spa.fl_str_mv	García Cano, Juan Camilo
dc.contributor.cvlac.*.fl_str_mv	https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001459925
dc.contributor.researchgate.*.fl_str_mv	https://www.researchgate.net/profile/Ariel_Ortiz_Beltran
dc.subject.keywords.eng.fl_str_mv	Systems engineer Technological innovations Supervised Learning Deep Learning Algorithm Experience Automatic learning Unsupervised learning Reinforced learning Data Science Training Artificial Intelligence Artificial Neural Networks Model Computer Vision Software Machine theory Simulation methods
topic	Systems engineer Technological innovations Supervised Learning Deep Learning Algorithm Experience Automatic learning Unsupervised learning Reinforced learning Data Science Training Artificial Intelligence Artificial Neural Networks Model Computer Vision Software Machine theory Simulation methods Ingeniería de sistemas Innovaciones tecnológicas Teoría de las máquinas Métodos de simulación Aprendizaje supervisado Aprendizaje profundo Algoritmo Experiencia Aprendizaje automático Aprendizaje no supervisado Aprendizaje por refuerzo Ciencia de datos Entrenamiento Inteligencia artificial Redes neuronales artificiales Modelo Visión por computadora Software
dc.subject.lemb.spa.fl_str_mv	Ingeniería de sistemas Innovaciones tecnológicas Teoría de las máquinas Métodos de simulación
dc.subject.proposal.spa.fl_str_mv	Aprendizaje supervisado Aprendizaje profundo Algoritmo Experiencia Aprendizaje automático Aprendizaje no supervisado Aprendizaje por refuerzo Ciencia de datos Entrenamiento Inteligencia artificial Redes neuronales artificiales Modelo Visión por computadora Software
description	El desarrollo de vehículos inteligentes ha estado aumentando a una velocidad ace-lerada en los recientes años, lo que ha permitido perfeccionar sus capacidades en sistemas de manejo autónomo. Muchas de estas mejoras están relacionadas hacia sistemas de manejo asistido y manejo autónomo. Dichos avances, han permitido a los vehículos alcanzar un nivel de precisión altísimo en su ambiente diseñado. Para esta mejora es importantes la integración y simulación de sistemas basados en di-ferentes configuraciones. En este documento, se presenta una propuesta que per-mite el diseño y pruebas de sistemas de control para la automatización parcial de un vehículo, con el uso de un software que imita condiciones de los sectores urba-nos. Esta propuesta se centra en el rápido desarrollo experimental de estos siste-mas por parte de diseñadores e ingenieros de vehículos autónomos. Esta propuesta permite una captura de datos rápida, en un entorno simulado, para mejorar y opti-mizar el entrenamiento de datos con algoritmos de aprendizaje automático.
publishDate	2019
dc.date.issued.none.fl_str_mv	2019-11-08
dc.date.accessioned.none.fl_str_mv	2021-01-26T13:57:10Z
dc.date.available.none.fl_str_mv	2021-01-26T13:57:10Z
dc.type.driver.none.fl_str_mv	info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv	Trabajo de Grado
dc.type.coar.none.fl_str_mv	http://purl.org/coar/resource_type/c_7a1f
dc.type.redcol.none.fl_str_mv	http://purl.org/redcol/resource_type/TP
format	http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv	http://hdl.handle.net/20.500.12749/12046
dc.identifier.instname.spa.fl_str_mv	instname:Universidad Autónoma de Bucaramanga - UNAB
dc.identifier.reponame.spa.fl_str_mv	reponame:Repositorio Institucional UNAB
dc.identifier.repourl.spa.fl_str_mv	repourl:https://repository.unab.edu.co
url	http://hdl.handle.net/20.500.12749/12046
identifier_str_mv	instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co
dc.language.iso.spa.fl_str_mv	spa
language	spa
dc.relation.references.spa.fl_str_mv	1) Shikunov, M., Panov, A.I. Hierarchical Reinforcement Learning Approach for the Road Intersection Task (2020) Advances in Intelligent Systems and Computing, 948, pp. 495-506. 2) Chehri, A., Mouftah, H.T. Autonomous vehicles in the sustainable cities, the beginning of a green adventure (2019) Sustainable Cities and Society, 51, art. No. 101751, 3) Gong, F., Chen, C. Vehicle automatic driving control system based on image recognition (2019) E3S Web of Conferences, 118, art. No. 02029, 4) Elshaer, A.M., Elrakaiby, M.M., Harb, M.E. Autonomous Car Implementation Based on CAN Bus Protocol for IoT Applications (2019) Proceedings - 2018 13th International Conference on Computer Engineering and Systems, ICCES 2018, art. no. 8639206, pp. 275-278 5) Curiel-Ramirez, L.A., Ramirez-Mendoza, R.A., Izquierdo-Reyes, J., Bustamante-Bello, M.R., Navarro-Tuch, S.A. Hardware in the loop framework proposal for a semi-autonomous car architecture in a closed route environment (2019) International Journal on Interactive Design and Manufacturing, 13 (4), pp. 1647-1658. 6) Panetta, K. The Gartner Hype Cycle highlights the 29 emerging technologies CIOs should experiment with over the next year (2019), https://www.gartner.com/smarterwithgartner/5-trends-ap-pear-on-the-gartner-hype-cycle-for-emerging-technologies-2019/ 7) Jose de Oliveira, Duong, K. AirSim on Unity: Experiment with autonomous vehicle simulation (2018), https://blogs.unity3d.com/es/2018/11/14/airsim-on-unity-experiment-with-autonomous-ve-hicle-simulation/ 8) Bryson, J.J., "La última década y el futuro del impacto de la IA en la sociedad" (2018), en ¿Hacia una nueva Ilustración? Una década trascendente, Madrid, BBVA. 9) Unity Technologies Windridge City (2019), https://assetstore.unity.com/packages/3d/environments/road-ways/windridge-city-132222?_ga=2.168928418.2009152738.1575133531-613739051.1524617893 10) Guillaume WheelDrive (2019), https://github.com/Unity-Technologies/VehicleTools/blob/master/As-sets/Scripts/WheelDrive.cs 11) Goy, C. Juliani, A. RayPerception3D (2019), https://github.com/Unity-Technologies/ml-agents/blob/mas-ter/UnitySDK/Assets/ML-Agents/Examples/SharedAssets/Scripts/RayPerception3D.cs 12) Chollet, F. Cómo el aprendizaje automático difiere de la programación general (2019), http://www.da-tasea.com.cn/info_detail_1693.html 13) German Ros, Laura Sellar, Joanna Materzynska, David Vazquez, Antonio M. Lopez The SYNTHIA Dataset: A Large Collection of Synthetic Images for Semantic Segmenta-tion of Urban Scenes (2017), http://synthia-dataset.net/wp-content/up-loads/2016/06/gros_cvpr16-1.pdf 14) Microsoft. AirSim on Unity (2019), https://github.com/microsoft/AirSim/tree/master/Unity 15) Quei-An Chen. Kwea123_RL_Unity_test (2018), https://github.com/kwea123/RL/tree/master/ai/unity_test 16) Steven. Autonomous vehicle training environment with configurable difficulty based on ML-Agents v0.6 (2019), https://github.com/karta1297963/AutoBench 17) Kardell, S. Kuosku, M. Autonomous vehicle control via deep reinforcement learning (2017), https://pdfs.seman-ticscholar.org/0044/0fbe53b0b099a7fa1a4714caf401c8663019.pdf 18) Christian P. Janssen, Wayne D. Gray. When, What, and How Much to Reward in Reinforcement Learning-Based Models of Cog-nition (2011), https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1551-6709.2011.01222.x 19) Ministerio de Transporte. Registro Nacional de accidentalidad (2017), https://www.datos.gov.co/Transporte/Regis-tro-Nacional-de-accidentalidad-2017/y5un-e4em 20) Fery Daniel Cure Aarón. EL SISTEMA DE RESPONSABILIDAD CIVIL PARA VEHÍCULOS AUTÓNOMOS EN COLOMBIA (2019), https://repository.javeriana.edu.co/bitstream/handle/10554/42361/Te-sis%20FERY%20CURE.pdf?sequence=1&isAllowed=y 21) EC Autos autónomos: Las empresas que vienen desarrollando estos vehículos (2018), https://elcomercio.pe/tecnologia/actualidad/autos-autonomos-empresas-vienen-desarro-llando-vehiculos-noticia-505990-noticia/ 22) Javier A. Alonso, Xuebo Z. Chen. Estudio y simulación de un vehículo auto pilotado en Unity 5 haciendo uso de algoritmos de aprendizaje automático (2018), https://eprints.ucm.es/50223/1/032.pdf 23) Alexey Dosovitskiy, German Ros, Felipe Codevilla, Antonio López, Vladlen Koltun. CARLA: An Open Urban Driving Simulator (2017), http://proceedings.mlr.press/v78/doso-vitskiy17a/dosovitskiy17a.pdf 24) U.S Department of Transportation, National Highway Traffic Safety Administration. National Motor Vehicle Crash Causation Survey (2008), https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/811059 25) Dirección General de Tráfico, Ministerio del Interior. Cuestiones de seguridad vial, Conducción eficiente, Medio ambiente y Contaminación (2015), http://www.dgt.es/Galerias/seguridad-vial/formacion-vial/cursos-para-profesores-y-directores-de-autoescuelas/XVIII-Curso-de-Profesores/Seguridad-Vial.pdf
dc.rights.uri.*.fl_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.rights.local.spa.fl_str_mv	Abierto (Texto Completo)
dc.rights.accessrights.spa.fl_str_mv	info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.*.fl_str_mv	Atribución-NoComercial-SinDerivadas 2.5 Colombia
rights_invalid_str_mv	http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) http://purl.org/coar/access_right/c_abf2 Atribución-NoComercial-SinDerivadas 2.5 Colombia
eu_rights_str_mv	openAccess
dc.format.mimetype.spa.fl_str_mv	application/pdf
dc.coverage.spatial.spa.fl_str_mv	Colombia
dc.publisher.grantor.spa.fl_str_mv	Universidad Autónoma de Bucaramanga UNAB
dc.publisher.faculty.spa.fl_str_mv	Facultad Ingeniería
dc.publisher.program.spa.fl_str_mv	Pregrado Ingeniería de Sistemas
institution	Universidad Autónoma de Bucaramanga - UNAB
bitstream.url.fl_str_mv	https://repository.unab.edu.co/bitstream/20.500.12749/12046/1/2020_Tesis_Juan_Camilo_Garcia_Cano.pdf https://repository.unab.edu.co/bitstream/20.500.12749/12046/2/2020_Licencia_Juan_Camilo_Garcia_Cano.pdf https://repository.unab.edu.co/bitstream/20.500.12749/12046/3/license.txt https://repository.unab.edu.co/bitstream/20.500.12749/12046/4/2020_Tesis_Juan_Camilo_Garcia_Cano.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/12046/5/2020_Licencia_Juan_Camilo_Garcia_Cano.pdf.jpg
bitstream.checksum.fl_str_mv	ebc244492f3c4b5e7409b443782403d7 d2144162dc08dcc1780791b2f5a668c8 8a4605be74aa9ea9d79846c1fba20a33 f36d98a43f0d34198189e460adf771ad 29d9631c672672c58d6f8db62d98f5d5
bitstream.checksumAlgorithm.fl_str_mv	MD5 MD5 MD5 MD5 MD5
repository.name.fl_str_mv	Repositorio Institucional \| Universidad Autónoma de Bucaramanga - UNAB
repository.mail.fl_str_mv	repositorio@unab.edu.co
_version_	1814277843782205440
spelling	Ayala Angarita, John AndrésOrtiz Beltrán, Ariel OrlandoGarcía Cano, Juan Camilohttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001459925https://www.researchgate.net/profile/Ariel_Ortiz_BeltranColombia2021-01-26T13:57:10Z2021-01-26T13:57:10Z2019-11-08http://hdl.handle.net/20.500.12749/12046instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coEl desarrollo de vehículos inteligentes ha estado aumentando a una velocidad ace-lerada en los recientes años, lo que ha permitido perfeccionar sus capacidades en sistemas de manejo autónomo. Muchas de estas mejoras están relacionadas hacia sistemas de manejo asistido y manejo autónomo. Dichos avances, han permitido a los vehículos alcanzar un nivel de precisión altísimo en su ambiente diseñado. Para esta mejora es importantes la integración y simulación de sistemas basados en di-ferentes configuraciones. En este documento, se presenta una propuesta que per-mite el diseño y pruebas de sistemas de control para la automatización parcial de un vehículo, con el uso de un software que imita condiciones de los sectores urba-nos. Esta propuesta se centra en el rápido desarrollo experimental de estos siste-mas por parte de diseñadores e ingenieros de vehículos autónomos. Esta propuesta permite una captura de datos rápida, en un entorno simulado, para mejorar y opti-mizar el entrenamiento de datos con algoritmos de aprendizaje automático.1. INTRODUCCIÓN ........................................................................................................................ 7 2. OBJETIVOS DE LA INVESTIGACIÓN .................................................................................... 8 2.1. OBJETIVO GENERAL ....................................................................................................................... 8 2.2. OBJETIVOS ESPECÍFICOS .............................................................................................................. 8 3. PLANTEAMIENTO DEL PROBLEMA Y JUSTIFICACIÓN ................................................. 9 4. MARCO REFERENCIAL ......................................................................................................... 10 4.1. MARCO TEÓRICO ......................................................................................................................... 10 4.1.1. REDES NEURONALES ........................................................................................................................ 10 4.1.2. APRENDIZAJE DE MAQUINA .......................................................................................................... 11 4.1.3. APRENDIZAJE POR REFUERZO ..................................................................................................... 12 4.1.4. MOTOR DE VIDEOJUEGOS UNITY ................................................................................................ 13 4.1.5. TENSORFLOW ...................................................................................................................................... 13 4.2 TAXONOMÍA Y DEFINICIONES DE LOS TÉRMINOS RELACIONADOS CON LOS SISTEMAS DE AUTOMATIZACIÓN DE LA CONDUCCIÓN DE VEHÍCULOS DE CARRETERA. .......................................................................................................................................... 14 4.3. MARCO CONCEPTUAL ................................................................................................................ 15 4.3.1. AMBIENTE ............................................................................................................................................. 15 4.3.2. AGENTE INTELIGENTE .................................................................................................................... 15 4.3.3. C# ............................................................................................................................................................... 15 4.3.4. PYTHON .................................................................................................................................................. 15 4.3.5. RIGIDBODY ............................................................................................................................................ 15 4.3.6. RAYCAST ................................................................................................................................................. 16 4.3.7. GAMEOBJECT ........................................................................................................................................ 16 4.3.8. TRANSFORM ......................................................................................................................................... 16 4.3.9. LIDAR SYSTEM ..................................................................................................................................... 16 4.3.10. KERAS ................................................................................................................................................... 16 4.3.11. MODELO DE REFERENCIA ........................................................................................................... 16 4.3.12. CONVERGENCIA................................................................................................................................ 17 4.3.13. GRADIENTE ........................................................................................................................................ 17 4.3.14. HEURÍSTICA ....................................................................................................................................... 17 4.3.15. INFERENCIA ....................................................................................................................................... 17 4.3.16. ITERACIÓN .......................................................................................................................................... 17 4.3.17. MODELO ............................................................................................................................................... 17 4.3.18. ACCIDENTE DE TRANSITO ........................................................................................................... 18 4.3.19. RECOMPENSA ACUMULADA ....................................................................................................... 18 4.3.20. LONGITUD DEL EPISODIO ............................................................................................................ 18 4.3.21. ENTROPÍA ........................................................................................................................................... 18 4.3.22. TASA DE APRENDIZAJE ................................................................................................................. 18 4.3.23. VALOR ESTIMADO ........................................................................................................................... 18 4.3.24. CURIOSIDAD ....................................................................................................................................... 18 4.3.25. PÉRDIDA DE PÓLIZA ...................................................................................................................... 18 4.3.26. PÉRDIDA DE VALOR ....................................................................................................................... 19 4.3.27. PÉRDIDA FUTURA ........................................................................................................................... 19 4.3.28. PÉRDIDA INVERSA .......................................................................................................................... 19 4.4. ESTADO DEL ARTE ...................................................................................................................... 20 5. METODOLOGÍA ..................................................................................................................... 24 5.1. ALCANCE GENERAL ..................................................................................................................... 25 5.2. SELECCIÓN CASOS ESPECÍFICOS ............................................................................................. 25 5.3. DISEÑO DE VERSIONES DE SOFTWARE INTELIGENTE ................................................... 30 5.3.1. DISEÑO PROTOTIPO AUTÓNOMO AGENTE LÍNEA RECTA ............................................... 31 5.3.2. DISEÑO PROTOTIPO BUSCADOR RECOMPENSA PLANO .................................................. 33 5.3.3. DISEÑO PROTOTIPO NAVEGADOR URBANO 3D ................................................................... 36 5.4. DESARROLLO DE VERSIONES DE AGENTES INTELIGENTES ......................................... 41 5.4.1. PROTOTIPO LÍNEA RECTA ............................................................................................................. 41 5.4.2. PROTOTIPO BUSCADOR RECOMPENSA PLANO .................................................................... 48 5.4.3. PROTOTIPO NAVEGADOR URBANO 3D .................................................................................... 61 6. CONCLUSIONES ...................................................................................................................... 71 7. TRABAJO FUTURO ................................................................................................................ 75 8. REFERENCIAS ......................................................................................................................... 77PregradoThe development of intelligent vehicles has been increasing at an accelerated speed in recent years, which has allowed them to perfect their skills in autonomous driving systems. Many of these improvements are related to assisted driving and autono-mous driving systems. These advances have allowed vehicles to achieve a very high level of accuracy in their designed environment. For this improvement, the integra-tion and simulation of systems based on different configurations is important. In this document, a proposal is presented that allows the design and testing of control sys-tems for the partial automation of a vehicle, with the use of software that imitates conditions of urban sectors. This proposal focuses on the rapid experimental devel-opment of these systems by designers and engineers of autonomous vehicles. This proposal allows a fast data capture, in a simulated environment, to improve and op-timize data training with automatic learning algorithms.application/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Atribución-NoComercial-SinDerivadas 2.5 ColombiaDesarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbanoDevelopment of a smart vehicle simulation for autonomous navigation through an urban environmentIngeniero de SistemasUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería de Sistemasinfo:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1fhttp://purl.org/redcol/resource_type/TPSystems engineerTechnological innovationsSupervised LearningDeep LearningAlgorithmExperienceAutomatic learningUnsupervised learningReinforced learningData ScienceTrainingArtificial IntelligenceArtificial Neural NetworksModelComputer VisionSoftwareMachine theorySimulation methodsIngeniería de sistemasInnovaciones tecnológicasTeoría de las máquinasMétodos de simulaciónAprendizaje supervisadoAprendizaje profundoAlgoritmoExperienciaAprendizaje automáticoAprendizaje no supervisadoAprendizaje por refuerzoCiencia de datosEntrenamientoInteligencia artificialRedes neuronales artificialesModeloVisión por computadoraSoftware1) Shikunov, M., Panov, A.I. Hierarchical Reinforcement Learning Approach for the Road Intersection Task (2020) Advances in Intelligent Systems and Computing, 948, pp. 495-506.2) Chehri, A., Mouftah, H.T. Autonomous vehicles in the sustainable cities, the beginning of a green adventure (2019) Sustainable Cities and Society, 51, art. No. 101751,3) Gong, F., Chen, C. Vehicle automatic driving control system based on image recognition (2019) E3S Web of Conferences, 118, art. No. 02029,4) Elshaer, A.M., Elrakaiby, M.M., Harb, M.E. Autonomous Car Implementation Based on CAN Bus Protocol for IoT Applications (2019) Proceedings - 2018 13th International Conference on Computer Engineering and Systems, ICCES 2018, art. no. 8639206, pp. 275-2785) Curiel-Ramirez, L.A., Ramirez-Mendoza, R.A., Izquierdo-Reyes, J., Bustamante-Bello, M.R., Navarro-Tuch, S.A. Hardware in the loop framework proposal for a semi-autonomous car architecture in a closed route environment (2019) International Journal on Interactive Design and Manufacturing, 13 (4), pp. 1647-1658.6) Panetta, K. The Gartner Hype Cycle highlights the 29 emerging technologies CIOs should experiment with over the next year (2019), https://www.gartner.com/smarterwithgartner/5-trends-ap-pear-on-the-gartner-hype-cycle-for-emerging-technologies-2019/7) Jose de Oliveira, Duong, K. AirSim on Unity: Experiment with autonomous vehicle simulation (2018), https://blogs.unity3d.com/es/2018/11/14/airsim-on-unity-experiment-with-autonomous-ve-hicle-simulation/8) Bryson, J.J., "La última década y el futuro del impacto de la IA en la sociedad" (2018), en ¿Hacia una nueva Ilustración? Una década trascendente, Madrid, BBVA.9) Unity Technologies Windridge City (2019), https://assetstore.unity.com/packages/3d/environments/road-ways/windridge-city-132222?_ga=2.168928418.2009152738.1575133531-613739051.152461789310) Guillaume WheelDrive (2019), https://github.com/Unity-Technologies/VehicleTools/blob/master/As-sets/Scripts/WheelDrive.cs11) Goy, C. Juliani, A. RayPerception3D (2019), https://github.com/Unity-Technologies/ml-agents/blob/mas-ter/UnitySDK/Assets/ML-Agents/Examples/SharedAssets/Scripts/RayPerception3D.cs12) Chollet, F. Cómo el aprendizaje automático difiere de la programación general (2019), http://www.da-tasea.com.cn/info_detail_1693.html13) German Ros, Laura Sellar, Joanna Materzynska, David Vazquez, Antonio M. Lopez The SYNTHIA Dataset: A Large Collection of Synthetic Images for Semantic Segmenta-tion of Urban Scenes (2017), http://synthia-dataset.net/wp-content/up-loads/2016/06/gros_cvpr16-1.pdf14) Microsoft. AirSim on Unity (2019), https://github.com/microsoft/AirSim/tree/master/Unity15) Quei-An Chen. Kwea123_RL_Unity_test (2018), https://github.com/kwea123/RL/tree/master/ai/unity_test16) Steven. Autonomous vehicle training environment with configurable difficulty based on ML-Agents v0.6 (2019), https://github.com/karta1297963/AutoBench17) Kardell, S. Kuosku, M. Autonomous vehicle control via deep reinforcement learning (2017), https://pdfs.seman-ticscholar.org/0044/0fbe53b0b099a7fa1a4714caf401c8663019.pdf18) Christian P. Janssen, Wayne D. Gray. When, What, and How Much to Reward in Reinforcement Learning-Based Models of Cog-nition (2011), https://onlinelibrary.wiley.com/doi/pdf/10.1111/j.1551-6709.2011.01222.x19) Ministerio de Transporte. Registro Nacional de accidentalidad (2017), https://www.datos.gov.co/Transporte/Regis-tro-Nacional-de-accidentalidad-2017/y5un-e4em20) Fery Daniel Cure Aarón. EL SISTEMA DE RESPONSABILIDAD CIVIL PARA VEHÍCULOS AUTÓNOMOS EN COLOMBIA (2019), https://repository.javeriana.edu.co/bitstream/handle/10554/42361/Te-sis%20FERY%20CURE.pdf?sequence=1&isAllowed=y21) EC Autos autónomos: Las empresas que vienen desarrollando estos vehículos (2018), https://elcomercio.pe/tecnologia/actualidad/autos-autonomos-empresas-vienen-desarro-llando-vehiculos-noticia-505990-noticia/22) Javier A. Alonso, Xuebo Z. Chen. Estudio y simulación de un vehículo auto pilotado en Unity 5 haciendo uso de algoritmos de aprendizaje automático (2018), https://eprints.ucm.es/50223/1/032.pdf23) Alexey Dosovitskiy, German Ros, Felipe Codevilla, Antonio López, Vladlen Koltun. CARLA: An Open Urban Driving Simulator (2017), http://proceedings.mlr.press/v78/doso-vitskiy17a/dosovitskiy17a.pdf24) U.S Department of Transportation, National Highway Traffic Safety Administration. National Motor Vehicle Crash Causation Survey (2008), https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/81105925) Dirección General de Tráfico, Ministerio del Interior. Cuestiones de seguridad vial, Conducción eficiente, Medio ambiente y Contaminación (2015), http://www.dgt.es/Galerias/seguridad-vial/formacion-vial/cursos-para-profesores-y-directores-de-autoescuelas/XVIII-Curso-de-Profesores/Seguridad-Vial.pdfORIGINAL2020_Tesis_Juan_Camilo_Garcia_Cano.pdf2020_Tesis_Juan_Camilo_Garcia_Cano.pdfTesisapplication/pdf2515151https://repository.unab.edu.co/bitstream/20.500.12749/12046/1/2020_Tesis_Juan_Camilo_Garcia_Cano.pdfebc244492f3c4b5e7409b443782403d7MD51open access2020_Licencia_Juan_Camilo_Garcia_Cano.pdf2020_Licencia_Juan_Camilo_Garcia_Cano.pdfLicenciaapplication/pdf61410https://repository.unab.edu.co/bitstream/20.500.12749/12046/2/2020_Licencia_Juan_Camilo_Garcia_Cano.pdfd2144162dc08dcc1780791b2f5a668c8MD52metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repository.unab.edu.co/bitstream/20.500.12749/12046/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD53open accessTHUMBNAIL2020_Tesis_Juan_Camilo_Garcia_Cano.pdf.jpg2020_Tesis_Juan_Camilo_Garcia_Cano.pdf.jpgIM Thumbnailimage/jpeg5055https://repository.unab.edu.co/bitstream/20.500.12749/12046/4/2020_Tesis_Juan_Camilo_Garcia_Cano.pdf.jpgf36d98a43f0d34198189e460adf771adMD54open access2020_Licencia_Juan_Camilo_Garcia_Cano.pdf.jpg2020_Licencia_Juan_Camilo_Garcia_Cano.pdf.jpgIM Thumbnailimage/jpeg9121https://repository.unab.edu.co/bitstream/20.500.12749/12046/5/2020_Licencia_Juan_Camilo_Garcia_Cano.pdf.jpg29d9631c672672c58d6f8db62d98f5d5MD55metadata only access20.500.12749/12046oai:repository.unab.edu.co:20.500.12749/120462021-04-29 06:48:05.624open accessRepositorio Institucional \| Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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

Desarrollo de una simulación de vehículo inteligente para la navegación autónoma a través de un entorno urbano

Publicaciones similares