000126129 001__ 126129 000126129 005__ 20230518085140.0 000126129 037__ $$aTAZ-TFG-2022-3782 000126129 041__ $$aspa 000126129 1001_ $$aFu Ji, Pablo 000126129 24200 $$aBayesian optimization for robots control. 000126129 24500 $$aOptimización bayesiana para el control de robots. 000126129 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2022 000126129 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/ 000126129 520__ $$aEste TFG se centra en el aprendizaje por refuerzo de modelos no lineales en donde un agente actúa sobre un entorno y recibe una recompensa, que es la retroalimentación para saber qué tan bueno es. Para realizar este TFG se ha partido de un TFM previo cuyo autor es Daniel Cubel Gálvez donde contenía escenas cinemáticas ya que no se tenían en cuenta las fuerzas, nuestro trabajo ha sido dinamizar tanto el escenario como el código necesario para lograrlo ya que nos centramos principalmente en la optimización de velocidades.<br /> 000126129 521__ $$aGraduado en Ingeniería Electrónica y Automática 000126129 540__ $$aDerechos regulados por licencia Creative Commons 000126129 700__ $$aMartínez Cantín, Rubén$$edir. 000126129 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática 000126129 8560_ $$f761055@unizar.es 000126129 8564_ $$s6393132$$uhttps://zaguan.unizar.es/record/126129/files/TAZ-TFG-2022-3782.pdf$$yMemoria (spa) 000126129 909CO $$ooai:zaguan.unizar.es:126129$$pdriver$$ptrabajos-fin-grado 000126129 950__ $$a 000126129 951__ $$adeposita:2023-05-18 000126129 980__ $$aTAZ$$bTFG$$cEINA 000126129 999__ $$a20220923140028.CREATION_DATE