Full text
![]() |
PDF
- Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB) |
Berrocal Gutiérrez, Diego (2022). Inteligencia computacional para el guiado de vehículos autónomos. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Boadilla del Monte.
Title: | Inteligencia computacional para el guiado de vehículos autónomos |
---|---|
Author/s: |
|
Contributor/s: |
|
Item Type: | Final Project |
Degree: | Grado en Matemáticas e Informática |
Date: | November 2022 |
Subjects: | |
Faculty: | E.T.S. de Ingenieros Informáticos (UPM) |
Department: | Matemática Aplicada a las Tecnologías de la Información y las Comunicaciones |
Creative Commons Licenses: | Recognition - No derivative works - Non commercial |
![]() |
PDF
- Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (4MB) |
Actualmente la inteligencia artificial está tomando un importante papel en nuestras vidas y cada vez se está integrando más en el día a día. Todas las aplicaciones que utilizamos en la vida cotidiana, o incluso los datos que proporcionamos, se analizan y utilizan para conseguir entender el comportamiento de las personas y sus hábitos. En el mundo de la automoción existe un objetivo muy ambicioso para conseguir vehículos autónomos que podrían ayudar tanto a transportar sin utilización de conductores, como a prevenir accidentes y optimizar la conducción. Sin embargo, esta tarea resulta muy compleja ya que en la conducción pueden ocurrir infinidad de situaciones. Las distintas empresas que innovan en este sector apuestan principalmente por el Deep Learning para resolver estas tareas. Los coches actuales que tienen sistemas implementados de conducción asistida utilizan redes neuronales muy avanzadas. En este proyecto trataré de crear una simulación interactiva con sus respectivas herramientas con la que se puede observar, con un entorno simple sin tráfico, como coches aprenden a conducir de forma autónoma y dan buenos resultados en distintos circuitos utilizando modelos de redes neuronales. Las técnicas utilizadas de aprendizaje cubrirán dos métodos: el aprendizaje por refuerzo con algoritmos genéticos o supervisado con el descenso de gradiente. La simulación será creada en un entorno 3D para que pueda visualizarse y entenderse el proceso de aprendizaje de los coches y su resultado final.
ABSTRACT
Artificial intelligence is currently taking a significant role in our lives and is becoming increasingly integrated into everyday life. All the applications that we use every day or even the data that we provide are analysed and used to understand the behaviour of people and their habits. In the automotive world there is an overly ambitious goal to achieve autonomous vehicles that could help transport without using drivers as well as prevent accidents and optimize driving. However, this task is extraordinarily complex since countless situations can occur while driving. The different companies that innovate in this sector are committed to Deep Learning to solve these tasks. Current cars that have assisted driving systems implemented use very advanced neural networks. In this project I will try to create an interactive simulation with their respective tools with which you can observe in a simple environment without traffic how cars learn to drive autonomously and give reliable results on different circuits. The learning techniques used will cover two learning methods: reinforcement learning with genetic algorithms or supervised learning with gradient descent. The simulation will be created in a 3D environment so that the learning process of the cars and their result can be visualized and understood.
Item ID: | 72877 |
---|---|
DC Identifier: | https://oa.upm.es/72877/ |
OAI Identifier: | oai:oa.upm.es:72877 |
Deposited by: | Biblioteca Facultad de Informatica |
Deposited on: | 07 Mar 2023 06:56 |
Last Modified: | 07 Mar 2023 06:56 |