Control de navegación de un dron usando aprendizaje por refuerzo

Este proyecto de grado tratará sobre el problema de la navegación de un robot móvil y específicamente de un dron en simulación usando técnicas de aprendizaje por refuerzo. Para lograr la navegación de drones por medio de técnicas de machine learning, se trabajó con Q-Learning tabular y en segunda instancia, con la técnica de DQN: Deep Q Network. Para este proyecto se usó el simulador: V-rep (Coppelia-Sim) , el lenguaje de programación Python y una librería para la implementación del algoritmo DQN: stable baselines3. En este documento se mostrará el proceso para realizar cada una de las dos implementaciones. Los resultados fueron buenos en el algoritmo tabular y también con el DQN, dando este último como el mejor algoritmo. Se consiguió que el dron en simulación lograra ir de un punto A a un punto B esquivando obstáculos mediante la política aprendida. Esta política hace que el dron llegue al objetivo obteniendo una tasa de éxito de 90 %, esta medición se realizó sobre 1000. En el siguiente link se pueden observar los resultados obtenidos y las pruebas adicionales realizadas: https://youtu.be/N7BogcedDzo

• Autores: Villamil Paz, Santiago
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/53431
• Acceso en línea: http://hdl.handle.net/1992/53431
• Palabra clave: Drones; Aprendizaje por refuerzo (Aprendizaje automático); Ingeniería
• Rights: openAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf