Autonomous navigation of differential robot with depth camera and laser range finder using Deep Reinforcement Learning in non-stationary indoor environments

• Autor: Arce Cigüeñas, Diego Martín
• Formato: tesis doctoral
• Fecha de Publicación: 2024
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Tesis
• Lenguaje: inglés
• OAI Identifier: oai:tesis.pucp.edu.pe:20.500.12404/29645
• Enlace del recurso: http://hdl.handle.net/20.500.12404/29645
• Nivel de acceso: acceso abierto
• Materia: Innovaciones tecnológicas--Perú; Inteligencia artificial--Aplicaciones; Computadoras--Aplicaciones; Robótica--Aplicaciones industriales; https://purl.org/pe-repo/ocde/ford#2.00.00

Los sistemas inteligentes son un área de las ciencias de la computación que busca resolver problemas complejos y multidisciplinares mediante el uso de un enfoque automático mediante la captura de información a partir de la cual puede realizar acciones y evaluar su resultado con el fin de aprender de su experiencia y mejorar su desempeño y eficiencia. Estos sistemas pueden ser aplicados en robótica con fines de navegación autónoma, donde el uso de técnicas convencionales de control automático es muy complejo. Los temas con mayor potencial son el Aprendizaje por Refuerzo y el Aprendizaje Profundo, que a través de su combinación es posible resolver problemas de alta complejidad a partir del entrenamiento de marcos computacionales basados en recompensas por realizar una acción correcta o penalizaciones por acciones incorrectas. El proyecto de tesis está enfocado en dotar de la capacidad de navegación autónoma a un robot diferencial haciendo uso de una cámara de profundidad Lidar y técnicas de Aprendizaje Profundo por Refuerzo (DRL) para su uso en ambientes interiores con elementos no estacionarios. Para su desarrollo se realizará una revisión de los marcos DRL utilizados para navegación autónoma, a partir de los cuales se planteará el desarrollo de marcos basados en técnicas DRL para navegación autónoma de robots en ambientes interiores donde los elementos sean no estacionarios. Posteriormente, se propone la evaluación de los frameworks en plataformas virtuales para determinar su desempeño. Finalmente, se acondicionará una plataforma robótica con tracción diferencial y una cámara de profundidad Lidar para ser utilizada en una etapa de validación mediante experimentos en entornos reales.