Navegación de UAVs con Deep Learning

Abstract

La Navegación es una de las tareas más complejas de la robótica. Esta involucra problemas de localización, para el punto de destino y del UAV, creación de trayectorias y movimiento para llegar al punto final. El objetivo de este proyecto es crear una red neuronal capaz de proporcionar referencias en velocidad para hacer que el UAV llegue a la posición de destino. Para realizar esta tarea, se necesita cierta información, como las posiciones o imágenes, para así estrenar la red y hacer que el robot se mueva a través de entornos desconocidos. El UAV no solo tendrá que llegar a la posición final, también deberá esquivar cualquier obstáculo que se encuentre en el camino. Para obtener los resultados, se ha hecho uso de ROS y Gazebo, los que nos permiten interaccionar con entornos de simulación realistas. Con ellos se han podido hacer experimentos para entrenar al agente y probar el funcionamiento del mimo en un entorno.

Navigation is one of the most difficult tasks in robotics. It involves a location problem, for the target point and the UAV itself, path creation and movement in order to reach the final point. The aim of this project is to create a neural network able to provide velocity references to make the UAV reach the final point. To perform this task, we need to feed it with some data, such as positions or images from the surroundings, so that the network can process all this information and move the robot through an unknown environment. Not only does it need to reach the final point, but it must avoid any collisions within the journey. In order to get the results, it has been used ROS and Gazebo which enables us to interact with a realistic environment. With them we can make some experiments that we will use to train the agent, and later, test how was its performance.