Ingeniero Civil Eléctrico / En la última década se ha observado un aumento importante en las aplicaciones relacio-
nadas a la robótica a nivel mundial. Adicionalmente, estas aplicaciones ya no se encuentran
únicamente en laboratorios o en fábricas, donde se pueden mantener condiciones controladas,
sino que también se presentan en distintas situaciones cotidianas. Entre las distintas catego-
rías de robots, destaca fuertemente la robótica móvil, debido a su alto potencial de impacto
social. Aquellos robots que forman parte de esta categoría, potencialmente pueden resolver
una cantidad muy variada de problemas, debido a su capacidad de realizar interacciones
complejas con un entorno dinámico, el cual puede incluir interacciones con seres humanos
u otros agentes robóticos. Sin embargo, la capacidad de resolver problemas por parte de
un agente robótico suele estar limitada por el conocimiento y las habilidades del diseñador.
Se identifica entones la necesidad de incorporar metodologías generales que permitan a los
agentes robóticos adquirir las habilidades necesarias para poder realizar las labores que les
son asignadas.
En el presente trabajo se estudia el uso del Aprendizaje Reforzado como herramienta de
uso general para que los agentes robóticos adquieran las habilidades necesarias para reali-
zar su labor. Son objetivo de especial interés, no solo la capacidad de resolver problemas
particulares, sino que además estudiar la capacidad de generalización de las soluciones, y la
escalabilidad de ésta herramienta.
La metodología propuesta consiste en el uso del fútbol robótico como caso de estudio,
debido a su complejidad como problema, al mismo tiempo de su facilidad de evaluación.
Se identifican problemas de diversa complejidad y naturaleza en este contexto, identificando
cuales son las características que son generales a distintos problemas, permitiendo extraer re-
sultados de interés a otras aplicaciones. Para resolver los problemas identificados, se utilizan
distintos algoritmos del Aprendizaje Reforzado, tanto tradicionales como modernos, haciendo
hincapié en los beneficios de cada uno.
Los resultados permiten perfilar al Aprendizaje Reforzado como una herramienta útil en el
contexto de la robótica móvil. Algoritmos tradicionales son capaces de solucionar problemas
sencillos de manera altamente eficiente y utilizando bajos recursos. Por otro lado, las técni-
cas modernas permiten abordar problemas mucho más complejos, previamente considerados
intratables de manera directa. Finalmente, el uso de esta metodología presenta un potencial
todavía no explorado a profundidad, sin conocer todavía el límite en sus aplicaciones. Se
identifica entonces un amplio campo de desarrollo para futuros trabajos e investigación.
Identifer | oai:union.ndltd.org:UCHILE/oai:repositorio.uchile.cl:2250/152970 |
Date | January 2018 |
Creators | Lobos Tsunekawa, Kenzo Ignacio |
Contributors | Ruiz del Solar, Javier, Tobar Henríquez, Felipe, Caba Rutte, Andrés |
Publisher | Universidad de Chile |
Source Sets | Universidad de Chile |
Language | Spanish |
Detected Language | Spanish |
Type | Tesis |
Rights | Attribution-NonCommercial-NoDerivs 3.0 Chile, http://creativecommons.org/licenses/by-nc-nd/3.0/cl/ |
Page generated in 0.0015 seconds