[pt] APRENDIZADO POR REFORÇO PROFUNDO PARA CONTROLE DE TRAJETÓRIA DE UM QUADROTOR EM AMBIENTES VIRTUAIS

[pt] APRENDIZADO POR REFORÇO PROFUNDO PARA CONTROLE DE TRAJETÓRIA DE UM QUADROTOR EM AMBIENTES VIRTUAIS

[pt] Com recentes avanços em poder computacional, o uso de novos modelos de controle complexos se tornou viável para realizar o controle de quadrotores. Um destes métodos é o aprendizado por reforço profundo (do inglês, Deep Reinforcement Learning, DRL), que pode produzir uma política de controle qu...

Full description

Bibliographic Details
Other Authors: WOUTER CAARLS
Language:en
Published: MAXWELL 2021
Subjects:
[pt] VEICULO AEREO NAO TRIPULADO
[pt] NAVEGACAO VISUAL
[pt] SOFT ACTOR-CRITIC-SAC
[pt] APRENDIZADO POR REFORCO PROFUNDO
[pt] CONTROLE DE QUADROTOR
[en] UNMANNED AERIAL VEHICLE
[en] VISUAL NAVIGATION
[en] SOFT ACTOR-CRITIC-SAC
[en] DEEP REINFORCEMENT LEARNING
[en] QUADROTOR CONTROL
Online Access:https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=54178@1
https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=54178@2
http://doi.org/10.17771/PUCRio.acad.54178

Internet

https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=54178@1
https://www.maxwell.vrac.puc-rio.br/Busca_etds.php?strSecao=resultado&nrSeq=54178@2
http://doi.org/10.17771/PUCRio.acad.54178

Similar Items