Datos heterogéneos aplicados al entrenamiento de un algoritmo de planificación de rutas basado en aprendizaje por refuerzo

Abstract

[ES] El constante desarrollo de la Inteligencia Artificial ha propiciado que esta se haya convertido en una de las principales tecnologías existentes en la actualidad, debido al amplio abanico de beneficios que ofrece tanto a la sociedad como a la industria y los negocios. Muchas son las ramas que tiene, siendo una de las principales la conocida como Machine Learning, que está consiguiendo importantes avances en el desarrollo de robots autónomos, gracias a algoritmos de Reinforcement Learning. Este trabajo de fin de grado pretende continuar con el desarrollo de este campo, focalizando el trabajo en el tratamiento de datos heterogéneos para el entrenamiento de dos redes neuronales, que se encargarán de entrenar a robots mediante un algoritmo de Reinforcement Learning, con el fin de que estos puedan alcanzar diferentes metas a largo de un entorno establecidos. Para alcanzar este objetivo se trabajará a partir de un algoritmo base, con el fin de conseguir que el robot funcione correctamente independientemente del sensor que proporcione los datos a las redes neuronales, mediante la transformación de datos heterogéneos a un mismo formato común, compatible con estas redes neuronales. Por otra parte, también se trabajará para que el robot sea computacionalmente lo más sencillo posible, descentralizando ciertos procesos fuera del robot, de forma que el entrenamiento de las redes neuronales sea llevado a cabo en un servidor externo, que estará constantemente intercambiando información con el robot. Esto se llevará a cabo mediante la técnica de paralelización con la que se consigue utilizar diferentes núcleos del CPU en paralelo, de esta forma se libera a este de la carga computacional del entrenamiento, y se reducen los procesos que debe realizar