Modelos de machine learning para vehículos autónomos aplicados a la detección de obstáculos en centros de logística

Abstract

Los autos autónomos cada día están tomando mayor importancia y su utilización se ha extendido a varias industrias. Un ejemplo del impacto que se puede lograr por medio de robot automatizados puede observarse en Amazon y la operación automatizada en sus centros de almacenamiento y distribución de mercadería. Pero realizar investigaciones asociadas a vehículos autónomos requieres de un ecosistema complejo, con simuladores virtuales, vehículos a escala, entornos controlados y una adecuada configuración de dispositivos que permita la experimentación sobre una versión simplificada de la realidad. En ese contexto, se propone utilizar a la plataforma de AWS DeepRacer con sus entornos físicos y virtuales, como medio de investigación de soluciones para los centros de logística. Se proponen tres objetivos operativos con distinto grado de soporte nativo en la plataforma, estos son en los centros de logística: esquivar obstáculos, desplazar objetos y alertar sobre líquidos. Para el entrenamiento de los modelos de machine learning se propone utilizar aprendizaje por refuerzo.