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

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] 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.