IA y el Diseño Basado en Modelos: Aprendizaje por Refuerzo

Descripción general

El aprendizaje por refuerzo comienza a ganar popularidad como un nuevo método de diseño de control que puede aprender automáticamente controles complejos y lograr un alto rendimiento. Sin embargo, las políticas de aprendizaje por refuerzo a menudo utilizan redes neuronales profundas, lo que dificulta garantizar la estabilidad del sistema con la teoría de control convencional.

En esta sesión, presentaremos ideas sobre cómo utilizar el aprendizaje por refuerzo para el diseño de control práctico con MATLAB y Reinforcement Learning Toolbox. Cubriremos algunas de las características más recientes disponibles en la herramienta y también introduciremos un flujo de trabajo completo para el diseño, generación de código e implementación del controlador de aprendizaje por refuerzo.

Aspectos destacados

• Diseñar un sistema de aprendizaje por refuerzo para control – siguiente nivel en los controles más avanzados
• Testear el modelo – simulación de la solución
• Cómo desplegar la solución – integra tu control basado en IA en el mundo real

Sobre la presentadora

Miguel Alonso es miembro del equipo de ingeniería de aplicaciones de MathWorks. Su papel en la empresa es proporcionar ayuda técnico a los clientes en el ámbito de la Analítica de Datos e Inteligencia Artificial. Antes de unirse a MathWorks, Miguel adquirió experiencia laboral en distintos sectores de la industria, destacándose por el desarrollo de sistemas de navegación autónoma, visión artificial y modelos mecatrónicos. Sus habilidades y conocimientos se derivan de su formación en ingeniería industrial, que estudió en la Universidad Politécnica de Madrid, y de su especialización en Robótica y Mecatrónica en la universidad de Twente, en los Países Bajos.