Aprendizaje por refuerzo profundo para la navegación de vehículos autónomos

Abstract

La inteligencia artificial ya es parte de nuestras vidas, de hecho, se usa lo suficiente como para que ni siquiera nos demos cuenta en nuestro día a día. El mundo de la automoción no es ninguna excepción, junto con una gran variedad de sensores instalados en el vehículo, este será capaz de conducir autónomamente en cualquier tipo de circunstancia. Este tipo de tecnologías están avanzando drásticamente ofreciendo al conductor una experiencia de conducción cómoda y segura. Pero, ¿hasta qué punto esta tecnología podría ser implementada y no suponer un riesgo para las vidas de los pasajeros y los que los rodean?. El objetivo de este proyecto es estudiar uno de los métodos de Machine Learning más utilizados para desarrollar vehículos autónomos: Reinforcement Learning. Se compararán algunos de los algoritmos más populares y novedosos hasta la fecha. Cada algoritmo se implementará en un simulador basado en una autopista con 5 carriles, donde un coche deberá aprender a desplazarse sin colisionar con los vehículos adyacentes a la máxima velocidad posible utilizando únicamente una cámara frontal situada en la parte delantera del mismo. Aunque la mayoría de los algoritmos han dado resultados satisfactorios aun se debe investigar más en profundidad para poder aplicarlos en simuladores más complejos o en el mundo real.