Show simple item record

dc.contributor.advisorTirnauca, Cristina 
dc.contributor.advisorMontaña Arnaiz, José Luis 
dc.contributor.authorMediavilla Sansegundo, Zoraida
dc.contributor.otherUniversidad de Cantabriaes_ES
dc.date.accessioned2016-10-26T13:03:05Z
dc.date.available2016-10-26T13:03:05Z
dc.date.issued2016-09
dc.identifier.urihttp://hdl.handle.net/10902/9382
dc.description.abstractRESUMEN: En una sociedad en la que se exige cada vez tareas más complejas a los dispositivos electrónicos, llegando incluso a la conducción autónoma de vehículos, se necesitan nuevas formas de llevar estas tareas a cabo. Por ello, y con la intención de conseguir iguales o mejores resultados pero sin tanta preparación del posible entorno, este trabajo final de grado trata de comprobar si un vehículo autónomo puede aprender partiendo de acciones que ya ha realizado anteriormente. Con el aprendizaje por observación se ahorraría la ardua tarea de preveer todo tipo de entornos y situaciones, para pasar a recoger los datos provenientes de la conducción de un piloto experto. Entre estos datos pueden encontrarse, como es en este caso concreto, imágenes tomadas con una cámara y distancias captadas con algún tipo de sensor como puede ser el ultrasónico. Obteniendo los suficientes datos de entrada para alimentar una red neuronal creada con un programa de minería de datos como puede ser el Knime, se espera conseguir unos buenos resultados de predicción de movimiento del robot. En este documento se detalla desde la creación del robot en cuestión, construido utilizando una placa de bajo coste Raspberry Pi, hasta la explicación de las predicciones generadas mediante la red neuronal, e incluso algunos errores o problemas encontrados durante el proceso.es_ES
dc.description.abstractABSTRACT: In a society where are demanded complex tasks by electronics devices, even to drive vehicles, new ways to perform these improvements are needed. For this reason, and with the intention to achieve equal or better results without much preparation of the possible environment, this final project is about to verify whether an autonomous vehicle can learn based on actions already undertaken previously. With learning from observation would save the arduous task of mapping all kind of environments and situations, to saving data by the conduction of an expert pilot. These data can be found, as in this particularly case, images taken with a camera and distances captured with some type of sensor as can be the ultrasonic. Getting enough input data to feed a neural network, created with a data mining program such as Knime, it is expected to achieve good results of robot motion prediction. In this document is detailed since the creation of the robot, made using a lowcost board Raspberry Pi, to the explanation of the predictions generated by the neural network, and even some errors or problems encountered along the way.es_ES
dc.format.extent42 p.es_ES
dc.language.isospaes_ES
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.subject.otherRaspberry Pies_ES
dc.subject.otherRobotes_ES
dc.subject.otherSensores_ES
dc.subject.otherRed neuronales_ES
dc.subject.otherKnimees_ES
dc.subject.otherVehículo autónomoes_ES
dc.subject.otherCámaraes_ES
dc.subject.otherAprendizaje por observaciónes_ES
dc.subject.otherNeural networkes_ES
dc.subject.otherAutonomous cares_ES
dc.subject.otherCameraes_ES
dc.subject.otherLearning from observationes_ES
dc.titleDiseño de un vehículo inteligente mediante aprendizaje por observación.es_ES
dc.title.alternativeDesign of an intelligent vehicle through learning from observation.es_ES
dc.typeinfo:eu-repo/semantics/bachelorThesises_ES
dc.rights.accessRightsopenAccesses_ES
dc.description.degreeGrado en Ingeniería Informáticaes_ES


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 3.0 EspañaExcept where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 3.0 España