Balancing an articulated pole, controlled by artificial intelligence using an Arduino board / José Luis Revelo Orellana ; tutor Oscar Guillermo Chang Tortolero
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2021Descripción: 68 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020 Resumen: 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.
| Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECMC0070 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000111 |
Trabajo de integración curricular (Ingeniero/a en Tecnologías de la Información). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2020
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
No hay comentarios en este titulo.