Acceso usuarios
Edwin Constante, Paulina Ayala, Jose E. Naranjo, Marcelo V. Garcia
Esta revisión sistemática cubre el estado actual del aprendizaje profundo aplicado a los sistemas de navegación autónoma. Se evaluaron artículos relevantes, destacando el uso de redes neuronales convolucionales para la corrección de imágenes, detección de objetos y la estimación de profundidad. Por otra parte, Los algoritmos de aprendizaje por refuerzo profundo, como Twin Delayed Deep Deterministic Policy Gradient (TD3), mejoran la toma de decisiones en entornos complejos. Las aplicaciones importantes están vinculadas a vehículos autónomos, drones, robots móviles y vehículos submarinos. Aunque se pudo lograr algunos avances, todavía hay algunas limitaciones en la interpretabilidad, seguridad y adaptación a condiciones adversas que requieren más investigación. En general, el aprendizaje profundo demuestra un gran potencial para impulsar una navegación autónoma más robusta y eficiente.
This systematic review covers the current state of deep learning applied to autonomous navigation systems. Relevant articles were evaluated, highlighting the use of convolutional neural networks for image correction, object detection and depth estimation. On the other hand, deep reinforcement learning algorithms, such as Twin Delayed Deep Deterministic Policy Gradient (TD3), improve decision making in complex environments. Important applications are linked to autonomous vehicles, drones, mobile robots, and underwater vehicles. Although some progress could be made, there are still some limitations in interpretability, safety, and adaptation to adverse conditions that require further research. Overall, deep learning demonstrates great potential to drive more robust and efficient autonomous navigation.
