Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/7831Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.author | Arenas Muniz, Andres Antonio%1201804 | - |
| dc.creator | Arenas Muniz, Andres Antonio%1201804 | - |
| dc.date.accessioned | 2024-06-11T21:38:16Z | - |
| dc.date.available | 2024-06-11T21:38:16Z | - |
| dc.date.issued | 2024-05-28 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/7831 | - |
| dc.description | El estudio de la planificación y selección de trayectorias en vehículos autónomos, es crucial para su seguridad y eficiencia. Se destaca la importancia de considerar múltiples criterios, como velocidad, condiciones de la carretera y normas de tráfico. Aunque modelos de Aprendizaje Profundo han sido empleados con éxito, su alto costo computacional y necesidad de entrenamiento extenso plantean limitaciones. En esta investigación se propone un enfoque alternativo que prioriza la eficiencia y la flexibilidad en la toma de decisiones, sin requerir fases de entrenamiento extensas. El objetivo principal es desarrollar un esquema que integre algoritmos de bajo costo computacional y un método de toma de decisiones multi-criterio, con una componente difusa para incluir experiencia humana en el sistema. Los resultados obtenidos en los diferentes experimentos muestran que el sistema propuesto cumple con el objetivo principal de la investigación al obtener un desempeño favorable. De acuerdo a los experimentos llevados a cabo se demostró inicialmente que es posible alcanzar una configuración ideal de los vectores de impacto y peso mediante el ajuste fino. También se evidenció la factibilidad de dotar al sistema de la experiencia de conductores humanos, aunque esto implica adaptar un estilo de conducción específico, como se ilustra en los experimentos. Esta adaptación resulta crucial para lograr una conducción estable y segura. Al aumentar la dificultad de los escenarios mediante la variación de parámetros, se obtuvo evidencia que respalda la idea de que la aplicación de métodos de toma de decisiones puede conferir al sistema la flexibilidad necesaria para adaptarse a diversas situaciones. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Vehículos autoconducidos, Planificación de trayectorias, Toma de decisiones, Múltiples criterios, Transferencia de experiencia, Situaciones adversas. | es_MX |
| dc.title | Implementación de Estrategias Avanzadas Utilizando TOPSIS para la Selección Óptima de Trayectorias en Vehículos Autoconducidos | es_MX |
| dc.type | info:eu-repo/semantics/masterThesis | es_MX |
| dc.contributor.director | Mujica Vargas, Dante%229106 | - |
| dc.folio | 1443 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Centro Nacional de Investigación y Desarrollo Tecnológico | es_MX |
| Appears in Collections: | Tesis de Maestría en Computación | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Andres_Antonio_Arenas_Muniz_2024.pdf | Tesis | 2.11 MB | Adobe PDF | View/Open |
| MC_Andres_Antonio_Arenas_Muniz_2024_c.pdf Restricted Access | Cesión de derechos | 491.75 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
