Evaluación del rendimiento de un agente entrenado mediante aprendizaje por refuerzo profundo en la transferencia de experiencia entre entornos virtuales y reales

Abstract

Utilizando el aprendizaje por refuerzo profundo, se entrenó un brazo robótico UR3e para aproximarse a un objetivo a partir de imágenes del entorno. Se evaluó su rendimiento en ambos entornos, destacando la importancia de técnicas como la adición de ruido gaussiano para mejorar la adaptación al entorno real. Los resultados muestran una mayor precisión en el entorno virtual y subrayan la necesidad de mejorar las técnicas de transferencia para el entorno real.

Using deep reinforcement learning, a UR3e robotic arm was trained to approach a target based on images of the environment. The performance was evaluated in both virtual and real environments, highlighting the importance of techniques such as adding Gaussian noise to improve adaptation to the real environment. The results show higher accuracy in the virtual environment and emphasize the need to improve transfer techniques for the real environment.