Estudi comparatiu del control d’un UAV mitjançant 'Neural Networks' i 'Neural Masses'

La motivació d’aquest treball és l’optimització de la ruta d’un UAV a l’hora de realitzar treballs d’escombrat i navegació. Així doncs, es proposa l’estudi comparatiu sobre el seu comportament en medis sotmesos a pertorbacions estocàstiques quan l'UAV està governat mitjançant una Xarxa Neuronal o mitjançant models mesoscòpics de Masses Neuronals acoblats. Es comparan els resultats obtinguts, a través de simulacions, pels diferents mètodes de control aplicats, el primer de caire més artificial i el segon inspirat en comportaments biològics observats enpetites regions del cervell. Xarxes neuronals, neurociència i UAVs. L’aprenentatge autònom és una eina que s’utilitza en múltiples aplicacions avui dia, també en el camp de les aeronaus i concretament dels quadrirotors, que serà el framework del treball. En aquest estudi es modela una xarxa neuronal, que és un model d’aprenentatge autònom inspirat en els processos neuronals del cervell, mitjançant l’entrenament amb sèries de dades. La seva eficiència s’avalua amb un quadrirotor amb labors d’escombratge en mitjans estocàstics. Posteriorment, s’utilitza l’estructura trobada per a crear una segona xarxa neuronal, on cada cel·la inclourà un sistema dinàmic que simula el funcionament d’una columna cortical, anomenat Neural Mass (NM). Finalment, aprofitant la no-linealitat d’aquest model, s’avaluarà el rendiment d’aquest nou controlador per als diferents estats dinàmics de les NMs. Aquest estudi permet concloure si l’estructura òptima per a l’aprenentatge d’un robot ho és també per a un model alternatiu on les cel·les tenen una forta inspiració biològica. A més, utilitzant aquest segon model,s’observa en quin règim dinàmic s’obté un controlador més robust i es compara amb el que governa el còrtex habitualment