Contribuciones al control de percepción activa mediante la teoría de decisión secuencial

Resumen

El objetivo central de este trabajo fue encontrar una posible solución a los problemas de planificación y control encontrados en el área de percepción activa, estudiando el dominio en donde las acciones tienen resultados probabilísticos y el agente tiene un conocimiento incompleto del estado, Primeramente, se propuso representar el ciclo de percepción-acción inmerso en un sistema de percepción activa a través de un proceso de decisión secuencial, y después se propusieron para la resolución de este tipo procesos diferentes algoritmos en línea y fuera de línea, basados en los procesos de decisión Markoviana. Un sistema de percepción activa debe ser capaz de determinar su siguiente acción de acuerdocon la información sensada anteriormente de tal manera que le lleven a su objetivo final. Por ello, se realizó un análisis exhaustivo del problema mediante un estudio bibliogrico y un análisis de las ventajas y desventajas de las soluciones existentes. Este análisis llevó a proponer que la percepción activa podía representarse a través un proceso secuencial y dado que la información que se recibe es incompleta se propuso finalmente el modelado de la percepción activa por medio de los procesos de decisión de Markov parcialmente observables (POMDP). Al establecer el tipo de modelo que se utilizaría para representar los procesos se desarrollaron algoritmos fuera de línea y en línea para su resolución. El algoritmo fuera de línea es un algoritmo exacto y se utilizó un enfoque conexionista para su resolución. Este se basa en las redes neuronales de optimización. Este enfoque utiliza como base el algoritmo propuesto por Monahan y es una variante donde se resuelve el problema de programación lineal mediante las redes neuronales. Para desarrollar el algoritmo fuera de línea fue necesario desarrollar primero un mecanismo que permitiera generar un modelo inicial que fuera confiable. Con este fin se desar