RT Dissertation/Thesis
T1 Aprendizaje mediante datos sintéticos de la navegación de un robot móvil terrestre equipado con un LiDAR 3D.
A1 Sánchez-Montero, Manuel
K1 Robots autónomos - Tesis doctorales
K1 Vehículos autodirigidos - Tesis doctorales
K1 Aprendizaje automático (Inteligencia artificial) - Tesis doctorales
AB En esta tesis se aborda la navegación de un vehículo autónomo terrestre en es-pacios naturales. Estos entornos poco estructurados presentan numerosos retos asuperar para conseguir que un robot móvil se desplace de forma segura, evitandolos diferentes obstáculos que pueda encontrar en su camino.Para superarlos, se propone emplear datos sintéticos para aprendizaje. En el ám-bito cercano al vehículo, se utilizará un LiDAR 3D a bordo del robot como principalsensor exteroceptivo, y las medidas de este sensor son utilizados por una red neuro-nal que es la encargada de dotar al vehículo de la reactividad necesaria. Para abordarla planificación de puntos de paso se ha propuesto el uso de imágenes de satélite, lascuales son binarizadas mediante una red neuronal para distinguir los posibles cami-nos presentes en el entorno. Además, otra de las contribuciones de esta tesis consisteen ofrecer un repositorio, con todos sus datos etiquetados sin fallos, generado en unentorno natural simulado.La metodología común de estos procedimientos es el uso de datos sintéticos deun simulador robótico. Para la navegación local, el simulador es necesario para rea-lizar el entrenamiento mediante aprendizaje por refuerzo. Por otro lado, para bina-rizar las imágenes por satélite y distinguir caminos, se ha hecho uso del simuladorpara obtener datos etiquetados con los que entrenar mediante aprendizaje supervi-sado. Para el repositorio, se emplea el simulador para emular de manera realista laadquisición de medidas mientras el vehículo se desplaza.
PB UMA Editorial
YR 2024
FD 2024
LK https://hdl.handle.net/10630/30863
UL https://hdl.handle.net/10630/30863
LA spa
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 21 ene 2026