Bizikletako aurreko abatzaren mekanizaziorako cam bidezko programazioa

[EU]Lan honek bizikletako aurreko gurpileko abatz baten CAM edo CNC programazioa egitean datza, honen bidez erremintaren ibilbidea deskribatuz piezaren CAD eredutik abiatuz. Hasteko, zenbakizko kontrolak izan duen eboluzioa eta garrantzia azaltzen da. Ondoren, abatzaren funtzionamenduaren deskribapena egin da, bere osagaiak eta izan behar dituen ezaugarriak aztertuz. Gainera, fabrikazio prozesu ezberdinen analisia egin da, bakoitzaren abantaila eta desabantailak azpimarratuz. Azkenik, zenbakizko kontrolaren inguruan bereganatutako ezagutzak aplikatu dira CAM programa batean abatz baten mekanizazioa programatuz. Honez gain, erabilitako CAM programaren erabilera azaltzen da.

Contributions to High-Throughput Computing Based on the Peer-to-Peer Paradigm

XII, 116 p.

Contributions to the efficient use of general purpose coprocessors: kernel density estimation as case study

142 p.

Metodología para la implantación de una herramienta de control virtual de robots serie

[Es]El objetivo principal de este trabajo es la introducción del usuario al mundo de la robótica, explicando para ello, desde un punto de vista práctico, los conceptos teóricos relacionados con la cinemática de mecanismos espaciales, específicamente la de los robots serie. Para lograr este objetivo se ha creado una metodología de aprendizaje, basada en tres ejercicios, que explica los comandos principales de RobotStudio; software de programación necesario para el control virtual de robots de la marca ABB, robot disponible en la escuela. Junto con esto, se desarrollan los conceptos necesarios para la realización de tareas básicas dentro del ámbito de la robótica. Mediante la implantación de esta metodología se pretende dotar al usuario de los conceptos esenciales para programar robots serie dentro de un ámbito virtual, otorgándole la posibilidad de conectarlo posteriormente a un robot real, obteniendo resultados prácticos y visibles.

Un entorno de programación multinivel y control modular de robots

En este proyecto final de carrera se van a tratar los aspectos referentes a la ampliación de robots. Para ello se utilizará una placa Arduino que se comunicará con el robot por puerto serie. Esta placa, servirá de plataforma de comunicación entre un PC y el robot, ofreciendo una interfaz del robot anterior con la capacidad de ampliación de la placa Arduino. En el transcurso del proyecto se ha realizado una capa intermedia de código C++ que gestiona el uso de la placa Arduino y del robot iRobot Create a través de la misma. Con objeto de dar también soporte a la programación del robot iRobot Create, se ha elegido un simulador y se le ha dado soporte en la capa anteriormente citada.

Advances towards behaviour-based indoor robotic exploration

215 p.

The Computer Input/Output Subsystem Education in an undergraduate introductory course: a Multiperspective Study

240 p.

Learning Multirobot Hose Transportation and Deployment by Distributed Round-Robin Q-Learning

Multi-Agent Reinforcement Learning (MARL) algorithms face two main difficulties: the curse of dimensionality, and environment non-stationarity due to the independent learning processes carried out by the agents concurrently. In this paper we formalize and prove the convergence of a Distributed Round Robin Q-learning (D-RR-QL) algorithm for cooperative systems. The computational complexity of this algorithm increases linearly with the number of agents. Moreover, it eliminates environment non sta tionarity by carrying a round-robin scheduling of the action selection and execution. That this learning scheme allows the implementation of Modular State-Action Vetoes (MSAV) in cooperative multi-agent systems, which speeds up learning convergence in over-constrained systems by vetoing state-action pairs which lead to undesired termination states (UTS) in the relevant state-action subspace. Each agent's local state-action value function learning is an independent process, including the MSAV policies. Coordination of locally optimal policies to obtain the global optimal joint policy is achieved by a greedy selection procedure using message passing. We show that D-RR-QL improves over state-of-the-art approaches, such as Distributed Q-Learning, Team Q-Learning and Coordinated Reinforcement Learning in a paradigmatic Linked Multi-Component Robotic System (L-MCRS) control problem: the hose transportation task. L-MCRS are over-constrained systems with many UTS induced by the interaction of the passive linking element and the active mobile robots.