Entrenamiento de un mini-robot para realizar tareas mediante aprendizaje automático

Abstract

El aprendizaje automático y las distintas áreas que lo comprenden están adquiriendo una gran relevancia en diversos campos profesionales y de investigación. Entre estas áreas se encuentra el aprendizaje por refuerzo, que tiene como objetivo el entrenar agentes para que aprendan y desarrollen comportamientos que les permita ejecutar de forma efectiva las tareas propuestas, utilizando sistemas de recompensas que premien o castiguen sus acciones y así condicionar sus comportamientos hasta perfeccionar sus resultados. Una de las aplicaciones más conocidas en el aprendizaje por refuerzo es el entrenamiento de robots para la realización de tareas sencillas, puesto que existe una fácil implementación de este área a los sistemas robóticos y porque los resultados de aprendizaje obtenidos son satisfactorios. En este proyecto se ha propuesto simular un modelo de robot real en el entorno de desarrollo Unity, y de entrenar esta simulación aplicando aprendizaje por refuerzo para que consiga resolver misiones de tipo exploración. A través de Unity se incluirá la librería ML-Agents, que permite el desarrollo con herramientas de aprendizaje automático de una forma muy versátil y cómoda. Sehantrabajado conredesneuronales, algoritmos de aprendizaje por refuerzo, sistemas de recompensas y gestión de entradas y salidas entre otras decisiones que han permitido desarrollar modelos capaces de solucionar entornos laberínticos. Los modelos de aprendizaje automático han entrenado en entornos simples y complejos, llegando a resolver laberintos de dimensiones 3x3 en aproximadamente 4 minutos durante los entrenamientos y siendo capaces de resolver laberintos de dimensiones 5x5 mediante generalización en aproximadamente 15 minutos sin haber entrenado en ellos previamente.