RT info:eu-repo/semantics/masterThesis
T1 Toma de decisiones de estrategia durante las carreras de Fórmula 1 utilizando Deep Reinforcement Learning
A1 Rebé Martín, Jorge
A2 Universidad de Valladolid. Escuela de Ingeniería Informática de Valladolid
K1 Aprendizaje por refuerzo
K1 Fórmula 1
K1 Optimización de estrategia de carrera
AB La estrategia de carrera en Fórmula 1 es uno de los elementos críticos que puedencambiar el resultado de un piloto en una carrera. En este trabajo se ha construidoun sistema basado en aprendizaje por refuerzo en el que un agente aprende a tomarlas decisiones estratégicas óptimas en cada vuelta (parar o no parar, y si se para,qué neumático poner).Se ha desarrollado un simulador de carreras de Fórmula 1 que se ha utilizado comoentorno para que el agente interactúe con él y pueda aprender cuáles son las accionesa tomar en cada momento que maximicen la posición final en carrera. Se utilizanvarios algoritmos (DQN, QR-DQN y A2C) y varias funciones de recompensa con losque se entrenará a varios agentes. Finalmente, se evalúan los agentes entrenados yse selecciona el mejor.
YR 2024
FD 2024
LK https://uvadoc.uva.es/handle/10324/71499
UL https://uvadoc.uva.es/handle/10324/71499
LA spa
NO Departamento de Informática (Arquitectura y Tecnología de Computadores, Ciencias de la Computación e Inteligencia Artificial, Lenguajes y Sistemas Informáticos)
DS UVaDOC
RD 29-nov-2024