CONDUCCIÓN AUTONOMA DE COCHES DE CARRERAS BASADO EN REINFORCEMENT LEARNING CON AWS DEEPRACER Y GAZEBO

Abstract

En este TFG se desarrollan comportamientos de conducción autónoma basados en aprendizaje por refuerzo dentro de un entorno simulado para un coche de carreras. El objetivo de este TFG es probar la efectividad de dichos algoritmos dentro de un entorno de carreras, así como compararlos con otros comportamientos de conducción autónoma basados en métodos más tradicionales, como la teoría de control clásica (PIDs). Los desarrollos realizados se apoyarán en elementos gráficos y análisis de datos con el fin de obtener resultados claros acerca del funcionamiento, ventajas y desventajas de dichos comportamientos a la hora de conducir vehículos de carreras.