Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.

Trajectory planning in autonomous mobile robots is an open problem because, when working in dynamic environments, it is very expensive to program the entire navigation system for a particular application or, failing that, it would be very difficult for the programmer to correctly predict the changes...

Full description

Saved in:

Bibliographic Details
Main Author:	Carreño Puentes, Sergio Manuel
Other Authors:	Erazo Ordoñez, Christian
Format:	Trabajo de grado (Pregrado y/o Especialización)
Language:	spa
Published:	Universidad Antonio Nariño 2022
Subjects:	Aprendizaje por refuerzo, aprendizaje automático, aprendizaje profundo, neurona artificial, redes neuronales, robots autónomos Reinforcement learning, machine learning, deep learning, artificial neuron, neural networks, autonomous robots.
Online Access:	http://repositorio.uan.edu.co/handle/123456789/7242
Tags:	Add Tag No Tags, Be the first to tag this record!

_version_	1812648199388659712
author	Carreño Puentes, Sergio Manuel
author2	Erazo Ordoñez, Christian
author_facet	Erazo Ordoñez, Christian Carreño Puentes, Sergio Manuel
author_sort	Carreño Puentes, Sergio Manuel
collection	DSpace
description	Trajectory planning in autonomous mobile robots is an open problem because, when working in dynamic environments, it is very expensive to program the entire navigation system for a particular application or, failing that, it would be very difficult for the programmer to correctly predict the changes in the environment. In order to contribute to this field, this document shows the process of designing an intelligent controller based on reinforced learning and more specifically using the Q-learning algorithm to drive two mobile robots through a simulated environment, and that autonomously manage to learn the trajectory that will take them to a target position without having prior knowledge about the work environment
format	Trabajo de grado (Pregrado y/o Especialización)
id	repositorio.uan.edu.co-123456789-7242
institution	Repositorio Digital UAN
language	spa
publishDate	2022
publisher	Universidad Antonio Nariño
record_format	dspace
spelling	repositorio.uan.edu.co-123456789-72422024-10-09T23:16:10Z Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles. Carreño Puentes, Sergio Manuel Erazo Ordoñez, Christian Aprendizaje por refuerzo, aprendizaje automático, aprendizaje profundo, neurona artificial, redes neuronales, robots autónomos Reinforcement learning, machine learning, deep learning, artificial neuron, neural networks, autonomous robots. Trajectory planning in autonomous mobile robots is an open problem because, when working in dynamic environments, it is very expensive to program the entire navigation system for a particular application or, failing that, it would be very difficult for the programmer to correctly predict the changes in the environment. In order to contribute to this field, this document shows the process of designing an intelligent controller based on reinforced learning and more specifically using the Q-learning algorithm to drive two mobile robots through a simulated environment, and that autonomously manage to learn the trajectory that will take them to a target position without having prior knowledge about the work environment La planeación de trayectorias en los robots móviles autónomos es un problema abierto debido a que, al trabajar en ambientes dinámicos, resulta muy costoso programar todo el sistema de navegación para una aplicación particular o en su defecto resultaría muy complicado, para el programador, lograr predecir de manera acertada los cambios en el entorno. A fin de contribuir a este campo, en el presente documento se muestra el proceso de diseño de un controlador inteligente basado en aprendizaje reforzado y más concretamente utilizando el algoritmo Q-learning para lograr conducir dos robots móviles a través de un entorno simulado, y que de manera autónoma logren aprender la trayectoria que los llevará a una posición objetivo sin poseer conocimiento previo sobre el ambiente de trabajo. Ingeniero(a) Electrónico(a) Pregrado Presencial Investigación 2022-11-15T15:11:21Z 2022-11-15T15:11:21Z 2022-06-07 Trabajo de grado (Pregrado y/o Especialización) info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_7a1f http://purl.org/coar/version/c_970fb48d4fbd8a85 http://repositorio.uan.edu.co/handle/123456789/7242 Ambhore, S. (2020). A Comprehensive Study on Robot Learning from Demonstration. 2nd International Conference on Innovative Mechanisms for Industry Applications, ICIMIA 2020 - Conference Proceedings, Icimia, 291–299. https://doi.org/10.1109/ICIMIA48430.2020.9074946 Arias Rivera, M. (2018). Autonomous Navigation by Reinforcement Learning Artola Moreno, Á. (2019). Clasificación de imágenes usando redes neuronales convolucionales en Python. Universidad de Sevilla. Baker, B., Kanitscheider, I., Mrkov, T., Wu, Y., Powell, G., McGrew, B., & Mordatch, I. (2019). Emergent Tool Use From Multi-Agent Autocurricula. Bañó, A. (2003). Análisis y diseño del control de posición de un robot móvil con tracción diferencial. http://deeea.urv.cat/public/PROPOSTES/pub/pdf/333pub.pdf Bellemare, M., Candido, S., Castro, P. S., Gong, J., Machado, M., Subhodeep, M., Ponda, S., & Eang, Z. (2020). Autonomous navigation of stratospheric balloons using reinforcement learning. Nature 588, 77–82. Calvo, D. (2017a). Clasificación de redes neuronales artificiales. https://www.diegocalvo.es/clasificacion-de-redes-neuronales-artificiales/ Calvo, D. (2017b). Red Neuronal Convolucional CNN. https://www.diegocalvo.es/red-neuronalconvolucional/ Clinic, M. (2021). Célula nerviosa (neurona). https://www.mayoclinic.org/es-es/nerve-cellneuron/img-20007830 Contreras, L. (2003). Estudio e Implementación de algunos comportamientos básicos de un animal en un robot de tipo genérico [Tesis profesional, Universidad de las Américas Puebla]. http://catarina.udlap.mx/u_dl_a/tales/documentos/lis/contreras_o_l instname:Universidad Antonio Nariño reponame:Repositorio Institucional UAN repourl:https://repositorio.uan.edu.co/ spa Acceso abierto Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) https://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 application/pdf application/pdf application/pdf Colombia(Bogotá,Dc) Universidad Antonio Nariño Ingeniería Electrónica Facultad de Ingeniería Mecánica, Electrónica y Biomédica Bogotá - Sur
spellingShingle	Aprendizaje por refuerzo, aprendizaje automático, aprendizaje profundo, neurona artificial, redes neuronales, robots autónomos Reinforcement learning, machine learning, deep learning, artificial neuron, neural networks, autonomous robots. Carreño Puentes, Sergio Manuel Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.
title	Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.
title_full	Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.
title_fullStr	Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.
title_full_unstemmed	Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.
title_short	Diseño y simulación de un controlador inteligente utilizando aprendizaje por refuerzo Q-learning para la navegación autónoma de dos robots móviles.
title_sort	diseno y simulacion de un controlador inteligente utilizando aprendizaje por refuerzo q learning para la navegacion autonoma de dos robots moviles
topic	Aprendizaje por refuerzo, aprendizaje automático, aprendizaje profundo, neurona artificial, redes neuronales, robots autónomos Reinforcement learning, machine learning, deep learning, artificial neuron, neural networks, autonomous robots.
url	http://repositorio.uan.edu.co/handle/123456789/7242
work_keys_str_mv	AT carrenopuentessergiomanuel disenoysimulaciondeuncontroladorinteligenteutilizandoaprendizajeporrefuerzoqlearningparalanavegacionautonomadedosrobotsmoviles