Balancing an articulated pole, controlled by artificial intelligence using an Arduino board /
Revelo Orellana, José Luis
Balancing an articulated pole, controlled by artificial intelligence using an Arduino board / José Luis Revelo Orellana ; tutor Oscar Guillermo Chang Tortolero - 68 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 36-40)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
El proceso de automatización (AP) actual es de gran importancia en el mundo digitalizado, en rasgos generales, una correcta automatización representa un aumento en la calidad de producción en comparación con el trabajo hecho a mano. El equilibrio es una capacidad natural del ser humano que está relacionada en trabajos y conducta inteligente. Equilibrarse representa un desafío adicional en los procesos de automatización, debido a la presencia de múltiples variables involucradas. Esta tesis presenta el equilibrio físico y dinámico de un poste en el que un agente mediante el uso de aprendizaje por refuerzo (RL) tiene la capacidad de explorar su entorno, detectar su posición a través de sensores como el acelerómetro y un giroscopio, finalmente, aprende por sı mismo como mantener un poste equilibrado bajo perturbaciones en el mundo real. El agente usa los principios de RL para explorar y aprender nuevas posiciones y correcciones que conducen a recompensas más significativas en términos de equilibrio del poste. Mediante el uso de una matriz Q, el agente explora las condiciones futuras y adquiere información de política que hace posible mantener el equilibrio. Todo el proceso de entrenamiento y pruebas se realizan y gestionan íntegramente en un microcontrolador Arduino. Con la ayuda de sensores, servomotores, comunicaciones inalámbricas e inteligencia artificial, todos estos componentes se fusionan en un sistema que recupera constantemente el equilibrio bajo cambios aleatorios de posición. Los resultados obtenidos demuestran que a través de RL un agente puede aprender por sı mismo a utilizar sensores, actuadores genéricos y resolver problemas mecánicos incluso bajo las limitaciones que presenta un microcontrolador.
Textos en inglés con resúmenes en español e inglés
Inteligencia artificial
Arduino - Microcontroladores
Q-agent
Artificial intelligence
Tecnologías de la Información--Trabajos y disertaciones académicas
Balancing an articulated pole, controlled by artificial intelligence using an Arduino board / José Luis Revelo Orellana ; tutor Oscar Guillermo Chang Tortolero - 68 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 36-40)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
El proceso de automatización (AP) actual es de gran importancia en el mundo digitalizado, en rasgos generales, una correcta automatización representa un aumento en la calidad de producción en comparación con el trabajo hecho a mano. El equilibrio es una capacidad natural del ser humano que está relacionada en trabajos y conducta inteligente. Equilibrarse representa un desafío adicional en los procesos de automatización, debido a la presencia de múltiples variables involucradas. Esta tesis presenta el equilibrio físico y dinámico de un poste en el que un agente mediante el uso de aprendizaje por refuerzo (RL) tiene la capacidad de explorar su entorno, detectar su posición a través de sensores como el acelerómetro y un giroscopio, finalmente, aprende por sı mismo como mantener un poste equilibrado bajo perturbaciones en el mundo real. El agente usa los principios de RL para explorar y aprender nuevas posiciones y correcciones que conducen a recompensas más significativas en términos de equilibrio del poste. Mediante el uso de una matriz Q, el agente explora las condiciones futuras y adquiere información de política que hace posible mantener el equilibrio. Todo el proceso de entrenamiento y pruebas se realizan y gestionan íntegramente en un microcontrolador Arduino. Con la ayuda de sensores, servomotores, comunicaciones inalámbricas e inteligencia artificial, todos estos componentes se fusionan en un sistema que recupera constantemente el equilibrio bajo cambios aleatorios de posición. Los resultados obtenidos demuestran que a través de RL un agente puede aprender por sı mismo a utilizar sensores, actuadores genéricos y resolver problemas mecánicos incluso bajo las limitaciones que presenta un microcontrolador.
Textos en inglés con resúmenes en español e inglés
Inteligencia artificial
Arduino - Microcontroladores
Q-agent
Artificial intelligence
Tecnologías de la Información--Trabajos y disertaciones académicas