Aplicación de técnicas de Deep Reinforcement learning mediante agente CNN-DDPG a la conducción autónoma

Abstract

El trabajo tiene como objetivo el desarrollo de un modelo de conducción autónoma con el algoritmo DDPG-LSTM, el cual pertenece a la familia Deep Reinforcement Learning (DRL). El algoritmo parte del Deep Deterministic Policy Gradient (DDPG) al cual se le ha implementado una red neuronal de mayor memoria llamada LSTM (Long Short-Term Memory). Con este modelo se contribuirá al desarrollo de algoritmos de navegación autónoma y en trabajos futuros se ajustará para poder implementarlo sobre el vehículo eléctrico autónomo en desarrollo del grupo Robesafe para el proyecto Techs4AgeCar.

The aim of this work is to develop an autonomous driving model with the DDPG-LSTM algorithm, which belongs to the Deep Reinforcement Learning (DRL) family. The algorithm is based on the Deep Deterministic Policy Gradient (DDPG) to which a larger memory neural network called LSTM (Long Short-Term Memory) has been implemented. This model will contribute to the development of autonomous navigation algorithms and in future work will be adjusted to be implemented on the autonomous electric vehicle being developed by the Robesafe group for the Techs4AgeCar project.