Buscar


Mostrar el registro sencillo del ítem

dc.rights.license http://creativecommons.org/licenses/by-nc-nd/4.0 es_ES
dc.contributor Juan Manuel Ramos Arreguín es_ES
dc.contributor Marco Antonio Aceves Fernández es_ES
dc.contributor Efrén Gorrostieta Hurtado es_ES
dc.contributor Saúl Tovar Arriaga es_ES
dc.contributor Jesús Carlos Pedraza Ortega es_ES
dc.creator Roberto de Jesús Alfaro López es_ES
dc.date.accessioned 2024-05-09T21:16:50Z
dc.date.available 2024-05-09T21:16:50Z
dc.date.issued 2023-12-01
dc.identifier.uri https://ri-ng.uaq.mx/handle/123456789/10478
dc.description El 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.format pdf es_ES
dc.format.extent 1 recurso en línea (72 páginas) es_ES
dc.format.medium computadora es_ES
dc.language.iso spa es_ES
dc.publisher Universidad Autónoma de Querétaro es_ES
dc.relation.requires Si es_ES
dc.rights openAccess es_ES
dc.subject Aprendizaje por refuerzo es_ES
dc.subject Red neuronal es_ES
dc.subject DQN es_ES
dc.subject Robot Móvil es_ES
dc.subject LiDAR es_ES
dc.subject.classification INGENIERÍA Y TECNOLOGÍA es_ES
dc.title Detección de Obstáculos y Planeación de Ruta para un Vehículo Autónomo es_ES
dc.type Tesis de maestría es_ES
dc.creator.tid ORCID es_ES
dc.contributor.tid CVU es_ES
dc.creator.identificador https://orcid.org/0009-0009-9078-258X es_ES
dc.contributor.identificador 225043 es_ES
dc.contributor.role Director es_ES
dc.contributor.role Secretario es_ES
dc.contributor.role Vocal es_ES
dc.contributor.role Suplente es_ES
dc.contributor.role Suplente es_ES
dc.degree.name Maestría en Ciencias en Inteligencia Artificial es_ES
dc.degree.department Facultad de Ingeniería es_ES
dc.degree.level Maestría es_ES
dc.format.support recurso en línea es_ES
dc.matricula.creator 309294 es_ES
dc.folio IGMAC-309294 es_ES


Ficheros en el ítem

Thumbnail
Nombre: IGMAC-309294 (PDF).pdf
Tamaño: 1.193Mb
Formato: PDF
Ver/

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem