Navegación topológica en túneles mineros usando aprendizaje reforzado profundo

Abstract

Al implementar un sistema de navegación automática aplicando aprendizaje reforzado profundo surgen dificultades adicionales cuando se incorporan los requisitos específicos de navegación en túneles mineros. La geometría de estos túneles, las restricciones de orientación y maniobras de inversión que se deben realizar, significan un comportamiento complejo y multimodal, difícil de obtener usando algoritmos convencionales. En este trabajo se propone un sistema híbrido que combina estrategias de navegación topológica para resolver el problema de navegación de larga distancia, con navegación automática de corta distancia aprendida mediante aprendizaje reforzado profundo. Se define un mapa topológico que pueda guiar al vehículo para que realice inversiones sin que el agente de navegación de corta distancia deba explícitamente aprender cómo realizarlas. Mediante experimentos en simulación, se verifica que la solución propuesta permite realizar navegación de tareas realistas de carga y vaciado de material con capacidad de generalizar a un mapa distinto.