Autonomous Navigation of Differential Robot with Depth Camera and Laser Range Finder Using Deep Reinforcement Learning In Non-Stationary Indoor Environments

Los sistemas inteligentes son un área de la informática que busca resolver problemas complejos y multidisciplinarios de forma automática 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 aplicarse en robótica con fines de navegación autónoma, donde el uso de técnicas de control automático convencionales 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 se centra en dotar de la capacidad de navegación autónoma a un robot diferencial haciendo uso de una cámara de profundidad Lidar y técnicas de Deep Reinforcement Learning (DRL) para su uso en entornos interiores con elementos no estacionarios. Para su desarrollo se realizará una revisión de los frameworks DRL utilizados para la navegación autónoma, a partir de los cuales se considerará el desarrollo de frameworks basados en técnicas DRL para la navegación autónoma de robots en ambientes interiores donde los elementos no son 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 a través de experimentos en entornos reales, específicamente en centros de salud.

ARCE CIGÜEÑAS ,DIEGO MARTIN