Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo
La conducción autónoma permite a un vehículo el desplazamiento de un lugar a otro sin la intervención humana. Esta tarea de definición simple conlleva todo un reto tecnológico para el cual están definidos niveles en los que se clasifica cuan versátil es algún tipo de intento por alcanzar esta autono...
- Autores:
-
Gándara Vega, Lucas
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2020
- Institución:
- Universidad Militar Nueva Granada
- Repositorio:
- Repositorio UMNG
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unimilitar.edu.co:10654/37992
- Acceso en línea:
- http://hdl.handle.net/10654/37992
- Palabra clave:
- ROBOTICA
ALGORITMOS
Autonomous driving
Obstacle avoidance
Reinforcement learning
Conducción autónoma
Evasión de obstáculos
Aprendizaje por refuerzo
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/4.0/
| id |
UNIMILTAR2_7421ed8c7b89b9f92ad3f3724aef99b2 |
|---|---|
| oai_identifier_str |
oai:repository.unimilitar.edu.co:10654/37992 |
| network_acronym_str |
UNIMILTAR2 |
| network_name_str |
Repositorio UMNG |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| dc.title.translated.spa.fl_str_mv |
Algorithm for dynamic obstacle avoidance with a mobile robot with reinforcement learning |
| title |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| spellingShingle |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo ROBOTICA ALGORITMOS Autonomous driving Obstacle avoidance Reinforcement learning Conducción autónoma Evasión de obstáculos Aprendizaje por refuerzo |
| title_short |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| title_full |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| title_fullStr |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| title_full_unstemmed |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| title_sort |
Desarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzo |
| dc.creator.fl_str_mv |
Gándara Vega, Lucas |
| dc.contributor.advisor.none.fl_str_mv |
Velasco Vivas, Alexandra Velasco Toledo, Nelson |
| dc.contributor.author.none.fl_str_mv |
Gándara Vega, Lucas |
| dc.subject.lemb.spa.fl_str_mv |
ROBOTICA ALGORITMOS |
| topic |
ROBOTICA ALGORITMOS Autonomous driving Obstacle avoidance Reinforcement learning Conducción autónoma Evasión de obstáculos Aprendizaje por refuerzo |
| dc.subject.keywords.spa.fl_str_mv |
Autonomous driving Obstacle avoidance Reinforcement learning |
| dc.subject.proposal.spa.fl_str_mv |
Conducción autónoma Evasión de obstáculos Aprendizaje por refuerzo |
| description |
La conducción autónoma permite a un vehículo el desplazamiento de un lugar a otro sin la intervención humana. Esta tarea de definición simple conlleva todo un reto tecnológico para el cual están definidos niveles en los que se clasifica cuan versátil es algún tipo de intento por alcanzar esta autonomía con números del 1 al 5, donde 1 es un vehículo sin autonomía alguna y 5 es un vehículo con autonomía completa. Actualmente los vehículos más avanzados han sido desarrollados por empresas como Waymo o Tesla y se encuentran en el nivel 3, estos cuentan con la capacidad de monitorizar el entorno para responder con ciertas situaciones imprevistas por lo que el vehículo será capaz de seguir una ruta y evadir cierto tipo de obstáculos inesperados. Este interés de lograr la autonomía de los vehículos se genera a partir de las cifras de muertes en accidentes automovilísticos que asciende a más de 1.3 millones en todo el mundo en el año 2016 donde el 99% de estos accidentes se atribuyen a un error humano o a una desatención al camino. El presente trabajo busca entonces, dar una solución parcial al problema de la evasión de obstáculos aplicado en un robot móvil con técnicas de aprendizaje por refuerzo profundo. |
| publishDate |
2020 |
| dc.date.issued.none.fl_str_mv |
2020-12-11 |
| dc.date.accessioned.none.fl_str_mv |
2021-04-10T02:08:45Z |
| dc.date.available.none.fl_str_mv |
2021-04-10T02:08:45Z |
| dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Pregrado |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.coar.*.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10654/37992 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Militar Nueva Granada |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional Universidad Militar Nueva Granada |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unimilitar.edu.co |
| url |
http://hdl.handle.net/10654/37992 |
| identifier_str_mv |
instname:Universidad Militar Nueva Granada reponame:Repositorio Institucional Universidad Militar Nueva Granada repourl:https://repository.unimilitar.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
E. Masehian y D. Sedighizadeh, «Classic and Heuristic Approaches in Robot Motion Planning – A Chronological Review,» International Journal of Mechanical, Industrial Science and Engineering, vol. 1, nº 5, p. 7, 2007. Waymo, «Waymo,» Waymo LLC, 2019-2020. [En línea]. Available: https://waymo.com. [Último acceso: 19 10 2020]. O. SOUISSI, R. BENATITALLAH, D. DUVIVIER, A. ARTIBA, N. BELANGER y P. FEYZEAU, «Path Planning: A 2013 Survey,» IEEE-IESM, p. 8, 2013. K. MaEek, I. Petrovic y N. Peric, «A reinforcement learning approach to obstacle avoidance of mobile robots,» IEEE, p. 5, 2020. «Robotis.,» 2020. [En línea]. Available: http://emanual.robotis.com/docs/en/edu/bioloid/premium/. «Génération Robots,» 2020. [En línea]. Available: https://www.generationrobots.com/en/. «Arduino,» Arduino, 2020. [En línea]. Available: https://store.arduino.cc/usa/arduino-robot. [Último acceso: 02 03 2020]. «Lego,» LEGO System A/S, DK-7190 Billund, Dinamarca., 2020. [En línea]. Available: https://www.lego.com/es-es. [Último acceso: 20 02 2020]. «FESTO,» Festo Didactic SE, 2020. [En línea]. Available: https://ip.festo-didactic.com/InfoPortal/Robotino/Overview/EN/index.html. [Último acceso: 20 02 2020]. «iClebo Kobuki,» Kobuki, 2015. [En línea]. Available: http://kobuki.yujinrobot.com/about2/. [Último acceso: 21 02 2020]. «ROS Components,» ROS Components, 2016. [En línea]. Available: https://www.roscomponents.com/es/robots-moviles/9-turtlebot-2.html#/3d_sensor-no/controlador-no/estacion_de_carga-no/tipo_de_cable-europa_cee_7_16/bateria_adicional-no/disco_extra-no/montaje-no/brazo_robotico-no/cursos-no/brazo_robotico_montaje_y_configur. [Último acceso: 2020 02 21]. «Robotis e-manual,» Jekyll & Minimal Mistakes., 2020. [En línea]. Available: http://emanual.robotis.com/docs/en/platform/turtlebot3/features/#worlds-most-popular-ros-platform. [Último acceso: 2020 02 21]. «ASUS,» ASUSTeK Computer Inc., 2020. [En línea]. Available: https://www.asus.com/es/3D-Sensor/Xtion_PRO_LIVE/. [Último acceso: 22 02 2020]. «RASPBERRY PI,» RASPBERRY PI FOUNDATION, 2020. [En línea]. Available: https://www.raspberrypi.org/documentation/hardware/camera/. [Último acceso: 2020 02 22]. «Intel RealSense,» Intel Corporation, 2020. [En línea]. Available: https://www.intelrealsense.com/lidar-camera-l515/. [Último acceso: 2020 02 22]. Y. Pyo, C. Hancheol, L. Jung y D. Lim, ROS Robot Programming, 2017, p. 487. R. Smith, «Open Dynamic Engine,» Slashdot Media, [En línea]. Available: http://www.ode.org. [Último acceso: 29 06 2020]. «Bullet Real-Time Physics Simulation,» WordPress, [En línea]. Available: https://pybullet.org/wordpress/. [Último acceso: 28 07 2020]. M. Sherman y P. Eastman, «Simbody: Multibody Physics API,» Viewfarm, [En línea]. Available: https://simtk.org/projects/simbody. [Último acceso: 28 06 2020]. «Dynamic Animation and Robotics Toolkit,» Georgia Tech and Carnegie Mellon University, 29 05 2020. [En línea]. Available: http://dartsim.github.io. [Último acceso: 29 06 2020]. A. Agrawal, B. Aashay, A. Rohitkumar, A. T. Lima, J. Shuvrangshu y G. Debasish, «Accurate Prediction and Estimation of 3D-Repetitive-Trajectories,» Indian institute of Science, vol. 1, p. 12, 2020 «ROS documentation API,» Apache Server at docs.ros.org Port 80, 2020. [En línea]. Available: http://docs.ros.org/melodic/api/. [Último acceso: 2020 03 3]. «Robotis e-manual,» Jekyll & Minimal Mistakes., 2020. [En línea]. Available: http://emanual.robotis.com/docs/en/dxl/ax/ax-12a. [Último acceso: 2020 03 02]. G. Chen y j. Liu, «Hindawi,» 2019. [En línea]. Available: https://doi.org/10.1155/2019/1932812. [Último acceso: 25 03 2020]. J.-C. Latombe y J. Barraquand, «Robot Motion Planning: A Distributed Representation,» The International Journal of Robotics Research, p. 24, 1991. J.-D. De Boissonat, A. Cérézo y J. Leblond, «Shortest paths of bounded curvature in the plane,» Journal of Intelligent and Robotic Systems, p. 11, 1994. H. B. LID Gang, G. J. Wang Hong y N. N. LI Yan, «A Route Planning Method Based on Improved Artificial Potential Field Algorithm,» IEEE, p. 5, 2011. D. Ferguson y A. Stentz, «Field D*: An Interpolation-based Path Planner and Replanner,» Carnegie Mellon University. I. Noreen, A. Khan y Z. Habib, «A Comparison of RRT, RRT* and RRT*-Smart Path Planning Algorithms,» International Journal of Computer Science and Network Security, vol. 16, nº 10, p. 8, 2016. University of Southern California, «Gazebo,» Open Source Robotics Foundation, 2014. [En línea]. Available: http://gazebosim.org. [Último acceso: 26 03 2020]. A. Suwandi Ahmad y A. D. Wahyudi Sumari , «Cognitive Artificial Intelligence: Brain-Inspired Intelligent Computation in Artificial Intelligence,» IEEE, p. 7, 2017. S. Grigorescu, B. Trasnea, T. Cocias y G. Macesanu, «A Survey of Deep Learning Techniques for Autonomous Driving,» Journal of Field Robotics, p. 39, 2019. B. Paden, M. ˇC´ap, S. Z. Yong, D. Yershov y E. Frazzoli, «A Survey of Motion Planning and Control Techniques for Self-Driving Urban Vehicles,» IEEE, vol. 1, nº 1, p. 23, 2016. H.-z. Zhuang, H. Li y S.-x. Du, «Real-tie Path Plannig of Mobile Robots in Dynamic Uncertain Environment,» Proceedings of the 6th World Congress on Intelligent Control, p. 6, 2006. G. Mester, «Obstacle Avoidance of Mobile Robots in Unknown Environments,» 5th International Symposium on Intelligent Systems and Informatics, p. 5, 2007. OpenAI, «OpenAI,» 2020. [En línea]. Available: https://gym.openai.com/docs/. C. Cáceres, J. M. Rosário y D. Amaya, «Approach of Kinematic Control for a Nonholonomic Wheeled Robot using Artificial Neural Networks and Genetic Algorithms,» IEEE, p. 6, 2017. CodeReclaimers, «NEAT-Python,» 2020. [En línea]. Available: https://neat-python.readthedocs.io/en/latest/. [Último acceso: 04 15 2020]. Google, «TensorFlow,» 2020. [En línea]. Available: https://www.tensorflow.org. [Último acceso: 14 04 2020]. B. d. podologiadeportiva, «Podologia Deportiva,» 2018. [En línea]. Y. Bengio, J. Louradour, R. Collobert y J. Weston, «Curriculum Learning,» Association for Computing Machinery, p. 8, 2009. L. Haidong, L. Jiongcheng, G. Xiaoming , L. Binghao, L. Yuting y L. Xinglong, «Research on overfitting of deep learning,» IEEE, p. 4, 2019. |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.accessrights.*.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.creativecommons.spa.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International |
| dc.rights.local.spa.fl_str_mv |
Acceso abierto |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ http://purl.org/coar/access_right/c_abf2 Attribution-NonCommercial-NoDerivatives 4.0 International Acceso abierto |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
applicaction/pdf |
| dc.coverage.sede.spa.fl_str_mv |
Calle 100 |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería en Mecatrónica |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Militar Nueva Granada |
| institution |
Universidad Militar Nueva Granada |
| bitstream.url.fl_str_mv |
http://repository.unimilitar.edu.co/bitstream/10654/37992/2/license.txt http://repository.unimilitar.edu.co/bitstream/10654/37992/1/GandaraVegaLucas2020.pdf http://repository.unimilitar.edu.co/bitstream/10654/37992/3/GandaraVegaLucas2020.pdf.jpg |
| bitstream.checksum.fl_str_mv |
a609d7e369577f685ce98c66b903b91b 6fc77d99d946b18ccb1bb8e78b09f39b 97b1a0d6219cad60782d02add2a239e2 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional UMNG |
| repository.mail.fl_str_mv |
bibliodigital@unimilitar.edu.co |
| _version_ |
1837098356844789760 |
| spelling |
Velasco Vivas, AlexandraVelasco Toledo, NelsonGándara Vega, LucasIngeniero en Mecatrónica2021-04-10T02:08:45Z2021-04-10T02:08:45Z2020-12-11http://hdl.handle.net/10654/37992instname:Universidad Militar Nueva Granadareponame:Repositorio Institucional Universidad Militar Nueva Granadarepourl:https://repository.unimilitar.edu.coLa conducción autónoma permite a un vehículo el desplazamiento de un lugar a otro sin la intervención humana. Esta tarea de definición simple conlleva todo un reto tecnológico para el cual están definidos niveles en los que se clasifica cuan versátil es algún tipo de intento por alcanzar esta autonomía con números del 1 al 5, donde 1 es un vehículo sin autonomía alguna y 5 es un vehículo con autonomía completa. Actualmente los vehículos más avanzados han sido desarrollados por empresas como Waymo o Tesla y se encuentran en el nivel 3, estos cuentan con la capacidad de monitorizar el entorno para responder con ciertas situaciones imprevistas por lo que el vehículo será capaz de seguir una ruta y evadir cierto tipo de obstáculos inesperados. Este interés de lograr la autonomía de los vehículos se genera a partir de las cifras de muertes en accidentes automovilísticos que asciende a más de 1.3 millones en todo el mundo en el año 2016 donde el 99% de estos accidentes se atribuyen a un error humano o a una desatención al camino. El presente trabajo busca entonces, dar una solución parcial al problema de la evasión de obstáculos aplicado en un robot móvil con técnicas de aprendizaje por refuerzo profundo.Autonomous driving allows a vehicle to move from one place to another without human intervention. This simple definition task entails a whole technological challenge for which levels are defined in which it is classified how versatile is some kind of attempt to achieve this autonomy with numbers from 1 to 5, where 1 is a vehicle without any autonomy and 5 is a vehicle with full autonomy. Currently the most advanced vehicles have been developed by companies such as Waymo or Tesla and are at level 3, these have the ability to monitor the environment to respond to certain unforeseen situations so the vehicle will be able to follow a route and evade certain kinds of unexpected obstacles. This interest in achieving the autonomy of vehicles is generated from the figures of deaths in car accidents that amount to more than 1.3 million worldwide in 2016 where 99% of these accidents are attributed to human error or an inattention to the road. The present work then seeks to provide a partial solution to the problem of obstacle avoidance applied in a mobile robot with deep reinforcement learning techniques.Pregradoapplicaction/pdfspahttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 InternationalAcceso abiertoDesarrollo de un algoritmo para la evasión de obstáculos dinámicos con un robot móvil con técnica de aprendizaje con refuerzoAlgorithm for dynamic obstacle avoidance with a mobile robot with reinforcement learningROBOTICAALGORITMOSAutonomous drivingObstacle avoidanceReinforcement learningConducción autónomaEvasión de obstáculosAprendizaje por refuerzoTesis/Trabajo de grado - Monografía - Pregradoinfo:eu-repo/semantics/bachelorThesishttp://purl.org/coar/resource_type/c_7a1fIngeniería en MecatrónicaFacultad de IngenieríaUniversidad Militar Nueva GranadaE. Masehian y D. Sedighizadeh, «Classic and Heuristic Approaches in Robot Motion Planning – A Chronological Review,» International Journal of Mechanical, Industrial Science and Engineering, vol. 1, nº 5, p. 7, 2007.Waymo, «Waymo,» Waymo LLC, 2019-2020. [En línea]. Available: https://waymo.com. [Último acceso: 19 10 2020].O. SOUISSI, R. BENATITALLAH, D. DUVIVIER, A. ARTIBA, N. BELANGER y P. FEYZEAU, «Path Planning: A 2013 Survey,» IEEE-IESM, p. 8, 2013.K. MaEek, I. Petrovic y N. Peric, «A reinforcement learning approach to obstacle avoidance of mobile robots,» IEEE, p. 5, 2020.«Robotis.,» 2020. [En línea]. Available: http://emanual.robotis.com/docs/en/edu/bioloid/premium/.«Génération Robots,» 2020. [En línea]. Available: https://www.generationrobots.com/en/.«Arduino,» Arduino, 2020. [En línea]. Available: https://store.arduino.cc/usa/arduino-robot. [Último acceso: 02 03 2020].«Lego,» LEGO System A/S, DK-7190 Billund, Dinamarca., 2020. [En línea]. Available: https://www.lego.com/es-es. [Último acceso: 20 02 2020].«FESTO,» Festo Didactic SE, 2020. [En línea]. Available: https://ip.festo-didactic.com/InfoPortal/Robotino/Overview/EN/index.html. [Último acceso: 20 02 2020].«iClebo Kobuki,» Kobuki, 2015. [En línea]. Available: http://kobuki.yujinrobot.com/about2/. [Último acceso: 21 02 2020].«ROS Components,» ROS Components, 2016. [En línea]. Available: https://www.roscomponents.com/es/robots-moviles/9-turtlebot-2.html#/3d_sensor-no/controlador-no/estacion_de_carga-no/tipo_de_cable-europa_cee_7_16/bateria_adicional-no/disco_extra-no/montaje-no/brazo_robotico-no/cursos-no/brazo_robotico_montaje_y_configur. [Último acceso: 2020 02 21].«Robotis e-manual,» Jekyll & Minimal Mistakes., 2020. [En línea]. Available: http://emanual.robotis.com/docs/en/platform/turtlebot3/features/#worlds-most-popular-ros-platform. [Último acceso: 2020 02 21].«ASUS,» ASUSTeK Computer Inc., 2020. [En línea]. Available: https://www.asus.com/es/3D-Sensor/Xtion_PRO_LIVE/. [Último acceso: 22 02 2020].«RASPBERRY PI,» RASPBERRY PI FOUNDATION, 2020. [En línea]. Available: https://www.raspberrypi.org/documentation/hardware/camera/. [Último acceso: 2020 02 22].«Intel RealSense,» Intel Corporation, 2020. [En línea]. Available: https://www.intelrealsense.com/lidar-camera-l515/. [Último acceso: 2020 02 22].Y. Pyo, C. Hancheol, L. Jung y D. Lim, ROS Robot Programming, 2017, p. 487.R. Smith, «Open Dynamic Engine,» Slashdot Media, [En línea]. Available: http://www.ode.org. [Último acceso: 29 06 2020].«Bullet Real-Time Physics Simulation,» WordPress, [En línea]. Available: https://pybullet.org/wordpress/. [Último acceso: 28 07 2020].M. Sherman y P. Eastman, «Simbody: Multibody Physics API,» Viewfarm, [En línea]. Available: https://simtk.org/projects/simbody. [Último acceso: 28 06 2020].«Dynamic Animation and Robotics Toolkit,» Georgia Tech and Carnegie Mellon University, 29 05 2020. [En línea]. Available: http://dartsim.github.io. [Último acceso: 29 06 2020].A. Agrawal, B. Aashay, A. Rohitkumar, A. T. Lima, J. Shuvrangshu y G. Debasish, «Accurate Prediction and Estimation of 3D-Repetitive-Trajectories,» Indian institute of Science, vol. 1, p. 12, 2020«ROS documentation API,» Apache Server at docs.ros.org Port 80, 2020. [En línea]. Available: http://docs.ros.org/melodic/api/. [Último acceso: 2020 03 3].«Robotis e-manual,» Jekyll & Minimal Mistakes., 2020. [En línea]. Available: http://emanual.robotis.com/docs/en/dxl/ax/ax-12a. [Último acceso: 2020 03 02].G. Chen y j. Liu, «Hindawi,» 2019. [En línea]. Available: https://doi.org/10.1155/2019/1932812. [Último acceso: 25 03 2020].J.-C. Latombe y J. Barraquand, «Robot Motion Planning: A Distributed Representation,» The International Journal of Robotics Research, p. 24, 1991.J.-D. De Boissonat, A. Cérézo y J. Leblond, «Shortest paths of bounded curvature in the plane,» Journal of Intelligent and Robotic Systems, p. 11, 1994.H. B. LID Gang, G. J. Wang Hong y N. N. LI Yan, «A Route Planning Method Based on Improved Artificial Potential Field Algorithm,» IEEE, p. 5, 2011.D. Ferguson y A. Stentz, «Field D*: An Interpolation-based Path Planner and Replanner,» Carnegie Mellon University.I. Noreen, A. Khan y Z. Habib, «A Comparison of RRT, RRT* and RRT*-Smart Path Planning Algorithms,» International Journal of Computer Science and Network Security, vol. 16, nº 10, p. 8, 2016.University of Southern California, «Gazebo,» Open Source Robotics Foundation, 2014. [En línea]. Available: http://gazebosim.org. [Último acceso: 26 03 2020].A. Suwandi Ahmad y A. D. Wahyudi Sumari , «Cognitive Artificial Intelligence: Brain-Inspired Intelligent Computation in Artificial Intelligence,» IEEE, p. 7, 2017.S. Grigorescu, B. Trasnea, T. Cocias y G. Macesanu, «A Survey of Deep Learning Techniques for Autonomous Driving,» Journal of Field Robotics, p. 39, 2019.B. Paden, M. ˇC´ap, S. Z. Yong, D. Yershov y E. Frazzoli, «A Survey of Motion Planning and Control Techniques for Self-Driving Urban Vehicles,» IEEE, vol. 1, nº 1, p. 23, 2016.H.-z. Zhuang, H. Li y S.-x. Du, «Real-tie Path Plannig of Mobile Robots in Dynamic Uncertain Environment,» Proceedings of the 6th World Congress on Intelligent Control, p. 6, 2006.G. Mester, «Obstacle Avoidance of Mobile Robots in Unknown Environments,» 5th International Symposium on Intelligent Systems and Informatics, p. 5, 2007.OpenAI, «OpenAI,» 2020. [En línea]. Available: https://gym.openai.com/docs/.C. Cáceres, J. M. Rosário y D. Amaya, «Approach of Kinematic Control for a Nonholonomic Wheeled Robot using Artificial Neural Networks and Genetic Algorithms,» IEEE, p. 6, 2017.CodeReclaimers, «NEAT-Python,» 2020. [En línea]. Available: https://neat-python.readthedocs.io/en/latest/. [Último acceso: 04 15 2020].Google, «TensorFlow,» 2020. [En línea]. Available: https://www.tensorflow.org. [Último acceso: 14 04 2020].B. d. podologiadeportiva, «Podologia Deportiva,» 2018. [En línea].Y. Bengio, J. Louradour, R. Collobert y J. Weston, «Curriculum Learning,» Association for Computing Machinery, p. 8, 2009.L. Haidong, L. Jiongcheng, G. Xiaoming , L. Binghao, L. Yuting y L. Xinglong, «Research on overfitting of deep learning,» IEEE, p. 4, 2019.Calle 100LICENSElicense.txtlicense.txttext/plain; charset=utf-83420http://repository.unimilitar.edu.co/bitstream/10654/37992/2/license.txta609d7e369577f685ce98c66b903b91bMD52ORIGINALGandaraVegaLucas2020.pdfGandaraVegaLucas2020.pdfTrabajo de gradoapplication/pdf2408316http://repository.unimilitar.edu.co/bitstream/10654/37992/1/GandaraVegaLucas2020.pdf6fc77d99d946b18ccb1bb8e78b09f39bMD51THUMBNAILGandaraVegaLucas2020.pdf.jpgGandaraVegaLucas2020.pdf.jpgIM Thumbnailimage/jpeg5421http://repository.unimilitar.edu.co/bitstream/10654/37992/3/GandaraVegaLucas2020.pdf.jpg97b1a0d6219cad60782d02add2a239e2MD5310654/37992oai:repository.unimilitar.edu.co:10654/379922021-04-15 01:04:34.02Repositorio Institucional UMNGbibliodigital@unimilitar.edu.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 |