Cabezas Alzate, Diego FernandoZapateiro Carabali, Juan Diego2024-10-192024-10-192023-08-31Zapateiro Carabali, J. D. (2023). Aplicación de Drones y Aprendizaje Reforzado en el Sistema de Envíos: Un Enfoque para Mejorar la Eficiencia en Rutas en Cali. Universidad Santiago de Cali.https://repositorio.usc.edu.co/handle/20.500.12421/5788En este trabajo se aborda la aplicación del aprendizaje reforzado en el trazado de ruta de un dron, para su desarrollo en proyectos de entrega (comúnmente conocidos como “delivery”), haciendo comparaciones con distintos métodos de trazado fijo actuales y cómo esto podría mejorar la situación de vuelo de dichos aparatos, proponiendo como escenario de uso la ciudad de Cali. Se aprecia un hallazgo significativo con el desarrollo de este proyecto, el cual es un mejoramiento significativo en el aspecto de lograr una identificación de manera autónoma de diferentes obstáculos por parte de la aplicación del código desarrollado en entornos de aprendizaje reforzado, conllevando a que la maquina en cuestión, bajo un entorno virtual, logre determinar la ruta óptima para llegar al destino establecido, sorteando los obstáculos para poder lograrlo. Teniendo en cuenta que la ciudad de Cali presenta una gran cantidad de obstáculos, los cuales deberían sortearse al momento de la ejecución del vuelo, también se pudo apreciar en la metodología planteada y los resultados obtenidos, que el aprendizaje reforzado para su futura aplicación en el tema de entregas mediante el uso de drones, puede constituirse en una solución acertada para optimizar los tiempos de entrega de diferentes elementos, y solucionar problemas como la entrega de distintos insumos o materiales en lugares de difícil acceso.This work addresses the application of reinforcement learning in the route planning of a drone, for its implementation in delivery projects, commonly known as "delivery." It compares different current fixed-path methods and how this could enhance the flight performance of these devices, proposing the city of Cali as a use case scenario. A significant finding is observed through the development of this project, which results in a notable improvement in autonomously identifying various obstacles using the code developed within reinforcement learning environments. This advancement enables the machine, within a virtual environment, to determine the optimal route to reach the designated destination while navigating around obstacles. Considering that the city of Cali presents numerous obstacles that must be navigated during flight execution, the methodology and obtained results also highlight that reinforcement learning, when applied to delivery using drones, could be a suitable solution to optimize delivery times for various items. It can address challenges such as delivering different supplies or materials to hard-to-reach locations.application/pdf7 páginasesDronesDeliveryReinforcement LearningUAVsAutonomous Navigation.ThesisAcceso públicoReconocimiento 4.0 Internacional (CC BY 4.0)DronesDeliveryReinforcement LearningUAVsAutonomous Navigation