SEGUIMIENTO AUTÓNOMO DE CARRIL CON DRONES BASADO EN APRENDIZAJE PROFUNDO Y APRENDIZAJE POR REFUERZO

Abstract

En este TFG se explora un método de navegación basado en IA y aprendizaje por refuerzo, cuyo objetivo es que el dron navegue en un área determinada, en este caso un carril de una carretera. Este tipo de navegación, tiene muchas aplicaciones, por ejemplo, la inspección de carreteras a gran altura para analizar el estado de las mismas, tráfico, accidentes, primeros auxilios en desastres climatológicas.

Este trabajo propone el uso de técnicas de IA utilizando Deep Learning, como las redes neuronales de segmentación para la detección del carril y extracción de sus características. Así como algoritmos de aprendizaje por refuerzo, en este caso, Q-learning, para que el sistema de control del dron sea capaz de aprender las acciones a realizar en función de la información sensorial obtenida y sea capaz de generalizar.

Todo ello se ha realizado empleando el simulador AirSim, en el que se simula un entorno foto-realista, donde el dron realiza un seguimiento del carril. Por último, se emplea el middleware robótico ROS para las comunicaciones entre el simulador, y el software implementado en esta solución.