Desarrollo e Implementación de un Sistema de Control Autónomo para Vehículo Autónomo de Superficie (VAS) Basado en Aprendizaje por Refuerzo Profundo

Abstract

Este Trabajo Fin de Máster se centra en el desarrollo de un sistema de control autónomo para Vehículos Autónomos de Superficie (USV) utilizando técnicas de aprendizaje por refuerzo profundo. La razón principal para llevar a cabo esta investigación es superar las limitaciones de los métodos tradicionales de control en entornos que presentan alta no linealidad y variabilidad. Actualmente, los enfoques convencionales muestran carencias significativas en términos de adaptabilidad y eficiencia en condiciones dinámicas. Este proyecto aborda estas lagunas mediante el diseño de un sistema que permita a los USVs mantener una formación precisa y seguir rutas predeterminadas en escenarios complejos y cambiantes. Se plantearon como objetivos de investigación principales mejorar la autonomía y eficiencia de los VAS mediante algoritmos de aprendizaje por refuerzo profundo, y determinar las metodologías más efectivas para entrenar estos algoritmos en simulaciones antes de su implementación real. La metodología empleada incluyó la creación de un entorno de simulación detallado y el uso de algoritmos de Proximal Policy Optimization (PPO) para el entrenamiento del sistema de control autónomo. Los resultados demostraron que el sistema es capaz de mantener formaciones estables y seguir trayectorias.