Aplicación de aprendizaje por refuerzo para el estacionamiento automático de un automóvil en un ambiente simulado

Descripción del Articulo

En el presente trabajo se propone una solución de aprendizaje por refuerzo para efectuar el estacionamiento perpendicular automático en un vehículo de cuatro ruedas. Se centra en diseñar una función de recompensas que es usada para entrenar a los algoritmos Proximal Policy Optimization y Soft Actor...

Descripción completa

Detalles Bibliográficos
Autor: Inocente Cornejo, Marcelo José
Formato: objeto de conferencia
Fecha de Publicación:2021
Institución:Universidad de Lima
Repositorio:ULIMA-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ulima.edu.pe:20.500.12724/17545
Enlace del recurso:https://hdl.handle.net/20.500.12724/17545
https://doi.org/10.26439/ciis2021.5634
Nivel de acceso:acceso abierto
Materia:Pendiente
https://purl.org/pe-repo/ocde/ford#2.02.04
Descripción
Sumario:En el presente trabajo se propone una solución de aprendizaje por refuerzo para efectuar el estacionamiento perpendicular automático en un vehículo de cuatro ruedas. Se centra en diseñar una función de recompensas que es usada para entrenar a los algoritmos Proximal Policy Optimization y Soft Actor Critic, además de la combinación de ambos en un ensamble. Finalmente, se logra obtener un éxito cercano al 99 % y una desviación final de aproximadamente un grado. Al entrenar los algoritmos con posiciones iniciales aleatorias se obtiene un desempeño pobre.
Aplicación de aprendizaje por refuerzo para el estacionamiento automático de un automóvil en un ambiente simulado
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares