- -

Aprendizaje por refuerzo mediante métodos de búsqueda de política en sistemas electromecánicos

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Aprendizaje por refuerzo mediante métodos de búsqueda de política en sistemas electromecánicos

Show simple item record

Files in this item

dc.contributor.advisor Sala Piqueras, Antonio es_ES
dc.contributor.advisor Armesto Ángel, Leopoldo es_ES
dc.contributor.author Pastor Alcaraz, José Manuel es_ES
dc.date.accessioned 2017-02-07T12:42:23Z
dc.date.available 2017-02-07T12:42:23Z
dc.date.created 2016-09-28
dc.date.issued 2017-02-07 es_ES
dc.identifier.uri http://hdl.handle.net/10251/77698
dc.description.abstract [EN] The aim of this master thesis is to study the state of art of reinforment learning, particularly those based on policy search methods and to apply such techniques to a 3DOFs inverted pendulum mechanism. The controller must learn an "optimal control" policy that maximizes the reward (as a cost function) without using any model. The controller will learn on-policy or off-policy a closed loop feedback control law to set the pendulum on its marginally stable vertical position. This work is oriented to students who want to extend further work on his/her PhD. thesis in complex robot systems. es_ES
dc.description.abstract [ES] El objetivo de la tesina es estudiar las técnicas de aprendizaje por refuerzo con métodos basados en búsqueda de políticas para sistemas electromecánicos, pudiendo se estas aplicarse a una plataforma de 3 DOFs de péndulo invertido. En las técnicas de aprendizaje por refuerzo el controlador debe aprender cual es la política de "control óptima" que maximiza su recompensa (definida mediante una función de coste) sin la utilización de ningún modelo. El controlador aprenderá en línea o fuera de línea una ley de control en bucle cerrado mediante experimentación hasta que consiga colocar el péndulo en su posición vertical de equilibrio inestable. La tesina está enfocada a futuros doctorandos que quieran realizar la tesis en este ámbito, con extensión a sistemas robóticos más complejos. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reserva de todos los derechos es_ES
dc.subject Reinforcement learning es_ES
dc.subject Policy search es_ES
dc.subject Optimal control es_ES
dc.subject Robotics es_ES
dc.subject Control es_ES
dc.subject Aprendizaje por refuerzo es_ES
dc.subject Búsqueda de política es_ES
dc.subject Control óptimo es_ES
dc.subject Robótica es_ES
dc.subject.classification INGENIERIA DE SISTEMAS Y AUTOMATICA es_ES
dc.subject.other Máster Universitario en Automática e Informática Industrial-Màster Universitari en Automàtica i Informàtica Industrial es_ES
dc.title Aprendizaje por refuerzo mediante métodos de búsqueda de política en sistemas electromecánicos es_ES
dc.type Tesis de máster es_ES
dc.rights.accessRights Cerrado es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Ingeniería de Sistemas y Automática - Departament d'Enginyeria de Sistemes i Automàtica es_ES
dc.description.bibliographicCitation Pastor Alcaraz, JM. (2016). Aprendizaje por refuerzo mediante métodos de búsqueda de política en sistemas electromecánicos. http://hdl.handle.net/10251/77698 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\39612 es_ES


This item appears in the following Collection(s)

Show simple item record