Comparació d'aproximació genètica i aproximació per a aprenentatge per reforç en un entorn de simulació per a robots netejadors

Abstract

En aquesta tesi es pretén abordar diverses solucions de navegadors per a robots netejadors. La motivació prové dels robots de neteja casolans, que tendeixen a oferir poca eficàcia. L'objectiu és millorar l'eficàcia d'aquests robots. Per a millorar l'eficàcia del robot, es planteja buscar nous sistemes de navegació que incrementin la superfície escombrada. La solució proposada consistirà en la creació d'un conjunt de controladors mitjançant algorismes genètics i aprenentatge per reforç que obtinguin navegadors que millorin l'eficàcia de l'algorisme actual. La metodologia seguida per a mesurar l'eficàcia de un algorisme consisteix en l'ús d'un simulador on ser avaluat donades unes condicions de temps i entorn. En la primera part del projecte, es crea una eina simulador nova per motius de velocitat i eficiència. En una segona part del projecte, es desenvolupa un sistema genètic amb diversos tipus de genètics probabilístics i un sistema d'aprenentatge per reforç, així com un navegador aleatori de referència. En el cas de l'aprenentatge per reforç, es presenta un sistema novedós que permetria el robot aprendre en una casa mentre opera. Finalment s'han executat, avaluat i contrastat els controladors obtingudes i s'han extret conclusions.