<?xml version="1.0" encoding="UTF-8"?>
<articles>
<article xmlns:xlink="http://www.w3.org/1999/xlink/">
  <front>
    <article-meta>
      <title-group>
        <article-title/>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <name>
            <surname>Ramírez Laboreo</surname>
            <given-names>Édgar Jorg</given-names>
          </name>
        </contrib>
        <contrib contrib-type="author">
          <name>
            <surname>Riazuelo Latas</surname>
            <given-names>Luis Miguel</given-names>
          </name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="pub">
        <year>2025</year>
      </pub-date>
      <self-uri xlink:href="http://zaguan.unizar.es/record/152514"/>
      <self-uri xlink:href="http://zaguan.unizar.es/record/152514/files/TAZ-TFG-2025-092.pdf"/>
    </article-meta>
    <abstract>Este trabajo busca mejorar las trayectorias repetitivas de drones en tareas como inspección y vigilancia, corrigiendo errores mediante un algoritmo de aprendizaje automático y datos de un sistema de captura de movimiento. Se realizaron simulaciones en Matlab para optimizar el algoritmo, logrando reducir errores y acelerar la convergencia. Posteriormente, se validaron los resultados en un dron Tello EDU, implementando el control iterativo para mejorar la trayectoria. Finalmente, se optimizaron parámetros del algoritmo mediante simulaciones, logrando una convergencia más rápida a costa de oscilaciones iniciales, con perspectivas de futuras mejoras y aplicaciones.&lt;br /&gt;</abstract>
  </front>
  <article-type>TAZ</article-type>
</article>

</articles>