Resumen

Se presenta un método de guiado computacional basado en aprendizaje profundo por refuerzo, que se utiliza para identificar y resolver el problema de la evasión de colisiones para un número variable de UAV de ala fija en un espacio aéreo limitado. El proceso de guiado cooperativo se analiza primero para múltiples aeronaves formulando escenarios de vuelo utilizando la teoría de juegos de Markov multiagente y resolviéndola mediante un algoritmo de aprendizaje automático. Además, se establece un marco de autoaprendizaje utilizando el modelo actor-crítico, que se propone para entrenar redes neuronales de toma de decisiones de evasión de colisiones. Para lograr una mayor escalabilidad, la red neuronal se personaliza para incorporar redes neuronales de memoria a corto y largo plazo, y se proporciona una estrategia de coordinación. Además, se diseña un simulador adecuado para escenarios de rutas de alta densidad con múltiples agentes para su validación, en el cual todos los UAV ejecutan el algoritmo propuesto a bordo

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Aprendizaje por refuerzo; Evasión de colisiones; UAVs; Aprendizaje automático; Redes neuronales; Simulación
• Keywords:Reinforcement learning; Collision avoidance; UAVs; Machine learning; Neural networks; Simulation