Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/10478
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorJuan Manuel Ramos Arreguínes_ES
dc.contributorMarco Antonio Aceves Fernándezes_ES
dc.contributorEfrén Gorrostieta Hurtadoes_ES
dc.contributorSaúl Tovar Arriagaes_ES
dc.contributorJesús Carlos Pedraza Ortegaes_ES
dc.creatorRoberto de Jesús Alfaro Lópezes_ES
dc.date.accessioned2024-05-09T21:16:50Z-
dc.date.available2024-05-09T21:16:50Z-
dc.date.issued2023-12-01-
dc.identifier.urihttps://ri-ng.uaq.mx/handle/123456789/10478-
dc.descriptionEl presente documento detalla la creación de un sistema de evasión de obstáculos para un robot móvil tipo Ackermann, utilizando el aprendizaje por refuerzo con el algoritmo DQN. Detalla los principios teóricos que fundamentan este enfoque y describe la metodología aplicada para configurar el entorno de entrenamiento y realizar simulaciones. El sistema se implementó utilizando un sensor LiDAR 2D y una cámara RGB-D, que proporcionaron al robot una percepción ambiental efectiva. Se hace énfasis en la configuración de los hiperparámetros de entrenamiento, la estructura de la red neuronal, la función de recompensas, y los espacios de observación y acción, elementos claves para el rendimiento exitoso del agente. Finalmente, se presentan ejemplos ilustrativos del desempeño del robot, tanto en entornos simulados como en condiciones reales, demostrando la efectividad y aplicabilidad del sistema desarrollado en situaciones prácticas.es_ES
dc.formatpdfes_ES
dc.format.extent1 recurso en línea (72 páginas)es_ES
dc.format.mediumcomputadoraes_ES
dc.language.isospaes_ES
dc.publisherUniversidad Autónoma de Querétaroes_ES
dc.relation.requiresSies_ES
dc.rightsopenAccesses_ES
dc.subjectAprendizaje por refuerzoes_ES
dc.subjectRed neuronales_ES
dc.subjectDQNes_ES
dc.subjectRobot Móviles_ES
dc.subjectLiDARes_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleDetección de Obstáculos y Planeación de Ruta para un Vehículo Autónomoes_ES
dc.typeTesis de maestríaes_ES
dc.creator.tidORCIDes_ES
dc.contributor.tidCVUes_ES
dc.creator.identificadorhttps://orcid.org/0009-0009-9078-258Xes_ES
dc.contributor.identificador225043es_ES
dc.contributor.roleDirectores_ES
dc.contributor.roleSecretarioes_ES
dc.contributor.roleVocales_ES
dc.contributor.roleSuplentees_ES
dc.contributor.roleSuplentees_ES
dc.degree.nameMaestría en Ciencias en Inteligencia Artificiales_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelMaestríaes_ES
dc.format.supportrecurso en líneaes_ES
dc.matricula.creator309294es_ES
dc.folioIGMAC-309294es_ES
Colección: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
IGMAC-309294 (PDF).pdf1.22 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.