Resumen

El aprendizaje profundo está mostrando recientemente resultados sobresalientes para resolver una amplia variedad de tareas robóticas en las áreas de percepción, planificación, localización y control. Sus excelentes capacidades para aprender representaciones a partir de los complejos datos adquiridos en entornos reales lo hacen extremadamente adecuado para muchos tipos de aplicaciones robóticas autónomas. Paralelamente, los vehículos aéreos no tripulados (UAV) se utilizan actualmente de forma generalizada para diversos tipos de tareas civiles en aplicaciones que van desde la seguridad, la vigilancia y el rescate en caso de catástrofe hasta la entrega de paquetes o la gestión de almacenes. En este artículo, se ha realizado una revisión exhaustiva de los usos y aplicaciones más recientes del aprendizaje profundo para UAVs, incluyendo los desarrollos más relevantes, así como sus prestaciones y limitaciones. Además, se ofrece una explicación detallada de las principales técnicas de aprendizaje profundo. Concluimos con una descripción de los principales retos para la aplicación del aprendizaje profundo a soluciones basadas en UAV.

• Materias:Biotecnología Redes de sensores Sistema de sensores Diagnóstico de fallas Tecnología de sensores Diagnóstico de fallos
• Subjects:Biotechnology Sensor networks Sensor system Fault diagnosis Sensor technology
• Palabras claves:aprendizaje profundo, principales técnicas de aprendizaje profundo, vehículos aéreos no tripulados, aplicaciones robóticas autónomas, uavs, aplicaciones, aprendizaje profundo, tareas civiles, datos complejos, explicación detallada
• Keywords:deep learning, main deep learning techniques, unmanned aerial vehicles, autonomous robotic applications, uavs, applications, deep learning, civilian tasks, complex data, detailed explanation