- -

An Artificial Intelligence framework for air navigation based on Deep Reinforcement Learning

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

An Artificial Intelligence framework for air navigation based on Deep Reinforcement Learning

Show simple item record

Files in this item

dc.contributor.advisor Vila Carbó, Juan Antonio es_ES
dc.contributor.author Navarro García, Luis es_ES
dc.date.accessioned 2021-09-02T08:43:05Z
dc.date.available 2021-09-02T08:43:05Z
dc.date.created 2021-07-21
dc.date.issued 2021-09-02 es_ES
dc.identifier.uri http://hdl.handle.net/10251/171238
dc.description.abstract [EN] Air traffic has been continuously rising. The expected exponential growth of unmanned traffic, like for delivery services, can result in an uncontrollable airspace that might rely on finding solutions that depend on more automation. Adding Artificial Intelligence to the question might result in a good step into the future of Air Navigation given its recent advancements. This project covers some theory of Artificial Intelligence in order to understand a basic series of concepts prior to the explanation of Deep Reinforcement Learning as the choice of Artificial Intelligence to be used in the project. This type of Artificial Intelligence is then implemented into a workflow that makes it possible to test the application of Deep reinforcement Learning at the end before discussing the results. es_ES
dc.description.abstract [ES] El trafico aéreo no ha parado de aumentar. Se espera, además, un aumento exponencial del número de aeronaves no tripuladas, para servicios como el "delivery", que pueden acarrear que el espacio aéreo se convierta en incontrolable y donde soluciones como aumentar el nivel de automatización podrían ser clave. Añadir Inteligencia Artificial a la cuestión podría resultar en un buen paso hacia delante en el futuro de la Navegación Aérea dado sus avances en los últimos años. El trabajo cubre algo de teoría sobre Inteligencia Artificial para poder comprender una serie de conceptos previos a la explicación del Aprendizaje Reforzado Profundo como elección de tipo de Inteligencia Artificial a desarrollar en el proyecto. Este tipo de Inteligencia Artificial es luego implementado en un entorno que hace posible la aplicación de Aprendizaje Reforzado Profundo a la Navegación Aérea para posteriormente realizar una serie de experimentos y discutir sus resultados. es_ES
dc.format.extent 100 es_ES
dc.language Inglés es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento - Compartir igual (by-sa) es_ES
dc.subject Aprendizaje reforzado profundo es_ES
dc.subject Navegación aérea es_ES
dc.subject Redes neuronales es_ES
dc.subject Inteligencia Artificial es_ES
dc.subject RLlib es_ES
dc.subject BlueSky es_ES
dc.subject Artificial Intelligence es_ES
dc.subject Air navigation es_ES
dc.subject Neural networks es_ES
dc.subject Proximal policy optimization es_ES
dc.subject Deep reinforcement learning es_ES
dc.subject.classification ARQUITECTURA Y TECNOLOGIA DE COMPUTADORES es_ES
dc.subject.other Grado en Ingeniería Aeroespacial-Grau en Enginyeria Aeroespacial es_ES
dc.title An Artificial Intelligence framework for air navigation based on Deep Reinforcement Learning es_ES
dc.title.alternative Creación de un entorno de Inteligencia Artificial para navegación aérea basado en Aprendizaje Profundo por Refuerzo. es_ES
dc.type Proyecto/Trabajo fin de carrera/grado es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Informática de Sistemas y Computadores - Departament d'Informàtica de Sistemes i Computadors es_ES
dc.contributor.affiliation Universitat Politècnica de València. Escuela Técnica Superior de Ingeniería del Diseño - Escola Tècnica Superior d'Enginyeria del Disseny es_ES
dc.description.bibliographicCitation Navarro García, L. (2021). An Artificial Intelligence framework for air navigation based on Deep Reinforcement Learning. Universitat Politècnica de València. http://hdl.handle.net/10251/171238 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\140909 es_ES


This item appears in the following Collection(s)

Show simple item record