Navegación mediante realimentación visual de un robot móvil basado en técnicas de aprendizaje automático Deep Learning

El objetivo de este Trabajo de Fin de Grado consiste en construir un robot móvil capaz de recorrer espacios cerrados evitando su colisión con los obstáculos que encuentre, usando un único sensor visual. Para lograrlo, se han empleado algoritmos de Deep Learning, en concreto, redes neuronales artificiales, para la clasificación de imágenes. Para entender su funcionamiento se ha realizado una profunda revisión sobre las mismas, así como su desarrollo, desde las más simples, como son las FeedForward Networks, hasta las más complejas, como las Convolutional Neural Networks, que son las que se han usado en este proyecto ya que permiten una elevada tasa de precisión en la clasificación de imágenes. Por otro lado, se ha usado Python como lenguaje de programación debido a su sencillez y uso extendido, y la librería TensorFlow de Google, que fue creada especialmente para diseñar redes neuronales de forma eficiente. Para el entrenamiento de la red neuronal, se ha creado un dataset de entrenamiento formado por 16700 imágenes tomadas desde el propio robot móvil equipado con tres cámaras que permitieron la clasificación instantánea de dichos ejemplos. Con la metodología descrita, se ha obtenido un 99.55% de precisión en un dataset con 225 imágenes desconocidas por la red neuronal. Como conclusión, podemos decir que para obtener buenos resultados en el tratamiento de imágenes, es necesario el uso de Convolutional Neural Networks, la creación de un dataset de entrenamiento variado y con muchos ejemplos, así como un buen dataset de testeo que permita validar el correcto entrenamiento de la red y por último, el control de los distintos parámetros de entrenamiento.Universidad de Sevilla. Grado en Ingeniería Electrónica, Robótica y Mecatrónic