{"id":{"repo_id":"alicante","oai_identifier":"oai:rua.ua.es:10045/164188"},"canonical_url":"https://search.dev.ndltd.org/etd/alicante/oai:rua.ua.es:10045/164188","repository":{"repo_id":"alicante","name":"University of Alicante","base_url":"https://rua.ua.es/server/oai/request"},"display":{"title":"Navegación Visual Autónoma en Robótica de Enjambre mediante Control Distribuido: Un Enfoque Híbrido con Aprendizaje por Refuerzo Multiagente","abstract":"La mayoría de los entornos del mundo real se caracterizan por ser desconocidos, dinámicos y cambiantes, presentando problemas de alta complejidad. Los agentes destinados a solucionar estos problemas generalmente carecen de información o conocimiento a priori sobre estos entornos. Como respuesta a estas dificultades, surgieron los sistemas basados en el comportamiento, inspirados en procesos y mecanismos observados en diversos sistemas biológicos existentes en la naturaleza. En los últimos años, estos sistemas han sido ampliamente utilizados en el campo de la robótica, dando lugar a la robótica basada en el comportamiento. Esta permite acometer tareas cuya resolución puede resultar extremadamente complicada o inviable para un ser humano, ofreciendo la posibilidad de utilizar agentes capaces de resolver dichas tareas de manera autónoma, gracias a su capacidad para desplegar un comportamiento inteligente, reactivo y adaptativo. En este contexto, la presente tesis doctoral se centra en el diseño y desarrollo de un método innovador para el control distribuido de un sistema robótico de enjambre, compuesto por agentes reactivos de bajo coste. El enfoque propuesto está orientado a aplicaciones de navegación autónoma visual en entornos complejos, dinámicos y cambiantes del mundo real. La investigación aborda el desafío de generar comportamientos colectivos flexibles, robustos y escalables, que permitan a los robots del enjambre adaptarse en tiempo real a diversas situaciones y cambios en las condiciones del entorno. La principal aportación de esta tesis es la definición de un modelo híbrido que combina aprendizaje por refuerzo multiagente y neuroevolución para el diseño automático de controladores de enjambre. Este enfoque integra un modelo microscópico, basado en una arquitectura profunda reactiva para la navegación individual, y un modelo macroscópico que gobierna el comportamiento colectivo emergente. La arquitectura propuesta prioriza la eficiencia computacional y las capacidades en tiempo real, aspectos cruciales para su aplicación en robótica de bajo coste y sistemas artificiales de enjambre. La validez del enfoque propuesto se demuestra a través de una serie de experimentos rigurosos, tanto en entornos simulados como reales. A nivel microscópico, se valida la eficacia de los comportamientos reactivos individuales utilizando un robot de bajo coste, evidenciando la viabilidad del sistema de navegación autónoma en escenarios dinámicos y cambiantes. A nivel macroscópico, se evalúan los controladores de navegación colectiva desarrollados, analizando su robustez, flexibilidad y escalabilidad en diversas condiciones. Los resultados obtenidos confirman la capacidad del sistema para generar comportamientos de enjambre efectivos y adaptativos, adecuados para la implementación en entornos desafiantes del mundo real. La eficiencia del enfoque, basado en hardware de bajo coste y navegación reactiva sin mapas, destaca su potencial para aplicaciones prácticas en diversos ámbitos de la robótica, como exploración de áreas de desastre, monitorización ambiental o agricultura de precisión.","abstract_html":"La mayoría de los entornos del mundo real se caracterizan por ser desconocidos, dinámicos y cambiantes, presentando problemas de alta complejidad. Los agentes destinados a solucionar estos problemas generalmente carecen de información o conocimiento a priori sobre estos entornos. Como respuesta a estas dificultades, surgieron los sistemas basados en el comportamiento, inspirados en procesos y mecanismos observados en diversos sistemas biológicos existentes en la naturaleza. En los últimos años, estos sistemas han sido ampliamente utilizados en el campo de la robótica, dando lugar a la robótica basada en el comportamiento. Esta permite acometer tareas cuya resolución puede resultar extremadamente complicada o inviable para un ser humano, ofreciendo la posibilidad de utilizar agentes capaces de resolver dichas tareas de manera autónoma, gracias a su capacidad para desplegar un comportamiento inteligente, reactivo y adaptativo. En este contexto, la presente tesis doctoral se centra en el diseño y desarrollo de un método innovador para el control distribuido de un sistema robótico de enjambre, compuesto por agentes reactivos de bajo coste. El enfoque propuesto está orientado a aplicaciones de navegación autónoma visual en entornos complejos, dinámicos y cambiantes del mundo real. La investigación aborda el desafío de generar comportamientos colectivos flexibles, robustos y escalables, que permitan a los robots del enjambre adaptarse en tiempo real a diversas situaciones y cambios en las condiciones del entorno. La principal aportación de esta tesis es la definición de un modelo híbrido que combina aprendizaje por refuerzo multiagente y neuroevolución para el diseño automático de controladores de enjambre. Este enfoque integra un modelo microscópico, basado en una arquitectura profunda reactiva para la navegación individual, y un modelo macroscópico que gobierna el comportamiento colectivo emergente. La arquitectura propuesta prioriza la eficiencia computacional y las capacidades en tiempo real, aspectos cruciales para su aplicación en robótica de bajo coste y sistemas artificiales de enjambre. La validez del enfoque propuesto se demuestra a través de una serie de experimentos rigurosos, tanto en entornos simulados como reales. A nivel microscópico, se valida la eficacia de los comportamientos reactivos individuales utilizando un robot de bajo coste, evidenciando la viabilidad del sistema de navegación autónoma en escenarios dinámicos y cambiantes. A nivel macroscópico, se evalúan los controladores de navegación colectiva desarrollados, analizando su robustez, flexibilidad y escalabilidad en diversas condiciones. Los resultados obtenidos confirman la capacidad del sistema para generar comportamientos de enjambre efectivos y adaptativos, adecuados para la implementación en entornos desafiantes del mundo real. La eficiencia del enfoque, basado en hardware de bajo coste y navegación reactiva sin mapas, destaca su potencial para aplicaciones prácticas en diversos ámbitos de la robótica, como exploración de áreas de desastre, monitorización ambiental o agricultura de precisión.","abstract_has_math":false,"creators":["Díez, Álvaro"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2025,"date_issued":"2025","date_published":"2025","updated_at":"2026-07-24T00:52:00Z","subjects":["Robótica de enjambre","Navegación autónoma","Exploración visual","Aprendizaje profundo","Aprendizaje por refuerzo multiagente","Neuroevolución","Estrategias evolutivas"],"languages":[],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["hdl:10045/164188"],"render_values":[{"text":"hdl:10045/164188","href":null,"code":true}]}]},"links":{"outbound_url":null,"outbound_label":null,"outbound_source":null},"metadata_groups":[{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date.issued","label":"Date","values":["2025"]},{"key":"dc:type","label":"Dc Type","values":["info:eu-repo/semantics/doctoralThesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Robótica de enjambre","Navegación autónoma","Exploración visual","Aprendizaje profundo","Aprendizaje por refuerzo multiagente","Neuroevolución","Estrategias evolutivas"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["hdl:10045/164188"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description.other","label":"Dc Description Other","values":["La mayoría de los entornos del mundo real se caracterizan por ser desconocidos, dinámicos y cambiantes, presentando problemas de alta complejidad. Los agentes destinados a solucionar estos problemas generalmente carecen de información o conocimiento a priori sobre estos entornos. Como respuesta a estas dificultades, surgieron los sistemas basados en el comportamiento, inspirados en procesos y mecanismos observados en diversos sistemas biológicos existentes en la naturaleza. En los últimos años, estos sistemas han sido ampliamente utilizados en el campo de la robótica, dando lugar a la robótica basada en el comportamiento. Esta permite acometer tareas cuya resolución puede resultar extremadamente complicada o inviable para un ser humano, ofreciendo la posibilidad de utilizar agentes capaces de resolver dichas tareas de manera autónoma, gracias a su capacidad para desplegar un comportamiento inteligente, reactivo y adaptativo. En este contexto, la presente tesis doctoral se centra en el diseño y desarrollo de un método innovador para el control distribuido de un sistema robótico de enjambre, compuesto por agentes reactivos de bajo coste. El enfoque propuesto está orientado a aplicaciones de navegación autónoma visual en entornos complejos, dinámicos y cambiantes del mundo real. La investigación aborda el desafío de generar comportamientos colectivos flexibles, robustos y escalables, que permitan a los robots del enjambre adaptarse en tiempo real a diversas situaciones y cambios en las condiciones del entorno. La principal aportación de esta tesis es la definición de un modelo híbrido que combina aprendizaje por refuerzo multiagente y neuroevolución para el diseño automático de controladores de enjambre. Este enfoque integra un modelo microscópico, basado en una arquitectura profunda reactiva para la navegación individual, y un modelo macroscópico que gobierna el comportamiento colectivo emergente. La arquitectura propuesta prioriza la eficiencia computacional y las capacidades en tiempo real, aspectos cruciales para su aplicación en robótica de bajo coste y sistemas artificiales de enjambre. La validez del enfoque propuesto se demuestra a través de una serie de experimentos rigurosos, tanto en entornos simulados como reales. A nivel microscópico, se valida la eficacia de los comportamientos reactivos individuales utilizando un robot de bajo coste, evidenciando la viabilidad del sistema de navegación autónoma en escenarios dinámicos y cambiantes. A nivel macroscópico, se evalúan los controladores de navegación colectiva desarrollados, analizando su robustez, flexibilidad y escalabilidad en diversas condiciones. Los resultados obtenidos confirman la capacidad del sistema para generar comportamientos de enjambre efectivos y adaptativos, adecuados para la implementación en entornos desafiantes del mundo real. La eficiencia del enfoque, basado en hardware de bajo coste y navegación reactiva sin mapas, destaca su potencial para aplicaciones prácticas en diversos ámbitos de la robótica, como exploración de áreas de desastre, monitorización ambiental o agricultura de precisión."]},{"key":"dc:title","label":"Title","values":["Navegación Visual Autónoma en Robótica de Enjambre mediante Control Distribuido: Un Enfoque Híbrido con Aprendizaje por Refuerzo Multiagente"]}]}],"canonical_facts":{"dc:date.issued":["2025"],"dc:description.other":["La mayoría de los entornos del mundo real se caracterizan por ser desconocidos, dinámicos y cambiantes, presentando problemas de alta complejidad. Los agentes destinados a solucionar estos problemas generalmente carecen de información o conocimiento a priori sobre estos entornos. Como respuesta a estas dificultades, surgieron los sistemas basados en el comportamiento, inspirados en procesos y mecanismos observados en diversos sistemas biológicos existentes en la naturaleza. En los últimos años, estos sistemas han sido ampliamente utilizados en el campo de la robótica, dando lugar a la robótica basada en el comportamiento. Esta permite acometer tareas cuya resolución puede resultar extremadamente complicada o inviable para un ser humano, ofreciendo la posibilidad de utilizar agentes capaces de resolver dichas tareas de manera autónoma, gracias a su capacidad para desplegar un comportamiento inteligente, reactivo y adaptativo. En este contexto, la presente tesis doctoral se centra en el diseño y desarrollo de un método innovador para el control distribuido de un sistema robótico de enjambre, compuesto por agentes reactivos de bajo coste. El enfoque propuesto está orientado a aplicaciones de navegación autónoma visual en entornos complejos, dinámicos y cambiantes del mundo real. La investigación aborda el desafío de generar comportamientos colectivos flexibles, robustos y escalables, que permitan a los robots del enjambre adaptarse en tiempo real a diversas situaciones y cambios en las condiciones del entorno. La principal aportación de esta tesis es la definición de un modelo híbrido que combina aprendizaje por refuerzo multiagente y neuroevolución para el diseño automático de controladores de enjambre. Este enfoque integra un modelo microscópico, basado en una arquitectura profunda reactiva para la navegación individual, y un modelo macroscópico que gobierna el comportamiento colectivo emergente. La arquitectura propuesta prioriza la eficiencia computacional y las capacidades en tiempo real, aspectos cruciales para su aplicación en robótica de bajo coste y sistemas artificiales de enjambre. La validez del enfoque propuesto se demuestra a través de una serie de experimentos rigurosos, tanto en entornos simulados como reales. A nivel microscópico, se valida la eficacia de los comportamientos reactivos individuales utilizando un robot de bajo coste, evidenciando la viabilidad del sistema de navegación autónoma en escenarios dinámicos y cambiantes. A nivel macroscópico, se evalúan los controladores de navegación colectiva desarrollados, analizando su robustez, flexibilidad y escalabilidad en diversas condiciones. Los resultados obtenidos confirman la capacidad del sistema para generar comportamientos de enjambre efectivos y adaptativos, adecuados para la implementación en entornos desafiantes del mundo real. La eficiencia del enfoque, basado en hardware de bajo coste y navegación reactiva sin mapas, destaca su potencial para aplicaciones prácticas en diversos ámbitos de la robótica, como exploración de áreas de desastre, monitorización ambiental o agricultura de precisión."],"dc:identifier":["hdl:10045/164188"],"dc:subject":["Robótica de enjambre","Navegación autónoma","Exploración visual","Aprendizaje profundo","Aprendizaje por refuerzo multiagente","Neuroevolución","Estrategias evolutivas"],"dc:title":["Navegación Visual Autónoma en Robótica de Enjambre mediante Control Distribuido: Un Enfoque Híbrido con Aprendizaje por Refuerzo Multiagente"],"dc:type":["info:eu-repo/semantics/doctoralThesis"]},"updated_at":"2026-07-24T00:52:00Z"}