Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo

El proyecto explora las oportunidades que ofrece el aprendizaje automático por refuerzo al campo de la robótica mediante la implementación del algoritmo por refuerzo profundo DDPG, inspirado en los gradientes de políticas deterministas, para evaluarlo en una serie de entornos diferentes, con diferen...

Descripción completa

Detalles Bibliográficos
Autor: Urcera I Martín, Guillermo
Tipo de recurso: tesis de maestría
Fecha de publicación:2018
País:España
Institución:Universitat Politècnica de Catalunya (UPC)
Repositorio:UPCommons. Portal del coneixement obert de la UPC
Idioma:español
OAI Identifier:oai:upcommons.upc.edu:2117/117602
Acceso en línea:https://hdl.handle.net/2117/117602
Access Level:acceso abierto
Palabra clave:Machine learning
Robots
Aprenentatge automàtic
Àrees temàtiques de la UPC::Informàtica
id ES_5a76776e48b52f442febd2da9cd861d5
oai_identifier_str oai:upcommons.upc.edu:2117/117602
network_acronym_str ES
network_name_str España
repository_id_str
spelling Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzoUrcera I Martín, GuillermoMachine learningRobotsAprenentatge automàticRobotsÀrees temàtiques de la UPC::InformàticaEl proyecto explora las oportunidades que ofrece el aprendizaje automático por refuerzo al campo de la robótica mediante la implementación del algoritmo por refuerzo profundo DDPG, inspirado en los gradientes de políticas deterministas, para evaluarlo en una serie de entornos diferentes, con diferentes arquitecturas y parámetros. También se compara su rendimiento con el del planificador de última generación KPIECE en el campo de la planifi- cación de movimientos. El proyecto se diseña con un enfoque práctico, con posibilidad de llegar a implementar los métodos estudiados en robots reales.Universitat Politècnica de CatalunyaRosell Gratacòs, Jan20182018-04-2720182018-05-29master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesisapplication/zipapplication/pdfhttps://hdl.handle.net/2117/117602reponame:UPCommons. Portal del coneixement obert de la UPCinstname:Universitat Politècnica de Catalunya (UPC)Españolspaopen accesshttp://purl.org/coar/access_right/c_abf2http://creativecommons.org/licenses/by-nc-nd/3.0/es/info:eu-repo/semantics/openAccessoai:upcommons.upc.edu:2117/1176022026-05-27T15:37:01Z
dc.title.none.fl_str_mv Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
title Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
spellingShingle Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
Urcera I Martín, Guillermo
Machine learning
Robots
Aprenentatge automàtic
Robots
Àrees temàtiques de la UPC::Informàtica
title_short Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
title_full Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
title_fullStr Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
title_full_unstemmed Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
title_sort Generación de trayectorias robóticas mediante aprendizaje profundo por refuerzo
dc.creator.none.fl_str_mv Urcera I Martín, Guillermo
author Urcera I Martín, Guillermo
author_facet Urcera I Martín, Guillermo
author_role author
dc.contributor.none.fl_str_mv Rosell Gratacòs, Jan
dc.subject.none.fl_str_mv Machine learning
Robots
Aprenentatge automàtic
Robots
Àrees temàtiques de la UPC::Informàtica
topic Machine learning
Robots
Aprenentatge automàtic
Robots
Àrees temàtiques de la UPC::Informàtica
description El proyecto explora las oportunidades que ofrece el aprendizaje automático por refuerzo al campo de la robótica mediante la implementación del algoritmo por refuerzo profundo DDPG, inspirado en los gradientes de políticas deterministas, para evaluarlo en una serie de entornos diferentes, con diferentes arquitecturas y parámetros. También se compara su rendimiento con el del planificador de última generación KPIECE en el campo de la planifi- cación de movimientos. El proyecto se diseña con un enfoque práctico, con posibilidad de llegar a implementar los métodos estudiados en robots reales.
publishDate 2018
dc.date.none.fl_str_mv 2018
2018-04-27
2018
2018-05-29
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv https://hdl.handle.net/2117/117602
url https://hdl.handle.net/2117/117602
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2

http://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2

http://creativecommons.org/licenses/by-nc-nd/3.0/es/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/zip
application/pdf
dc.publisher.none.fl_str_mv Universitat Politècnica de Catalunya
publisher.none.fl_str_mv Universitat Politècnica de Catalunya
dc.source.none.fl_str_mv reponame:UPCommons. Portal del coneixement obert de la UPC
instname:Universitat Politècnica de Catalunya (UPC)
instname_str Universitat Politècnica de Catalunya (UPC)
reponame_str UPCommons. Portal del coneixement obert de la UPC
collection UPCommons. Portal del coneixement obert de la UPC
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869408708486758400
score 15,300719

Similares en LA Referencia