Financiado por Airbus Defence and Space S.A.U
Este proyecto propone un enfoque de aprendizaje profundo que combina el Aprendizaje por Imitación (IL) y el Aprendizaje por Refuerzo (RL) para superar los altos costos computacionales y la fragilidad de los planificadores tradicionales, permitiendo una generación de trayectorias e itinerarios casi óptima, escalable y robusta en entornos dinámicos de múltiples agentes. Para lograrlo, se desarrolla un pipeline basado en IL para la generación de trayectorias en misiones complejas y cooperativas (como SEAD) respetando las restricciones cinemáticas y dinámicas, además de dar soporte técnico para integrar y validar estas funcionalidades dentro del entorno de simulación FCAS Lab de Airbus. El objetivo final de la investigación es lograr una replanificación más rápida para un gran número de vehículos, garantizando que el sistema sea capaz de esquivar obstáculos estáticos y dinámicos allí donde los métodos de optimización tradicionales fallan.
Resumen divulgativo: El Proyecto SIAGEN usa Aprendizaje por Imitación y Refuerzo para generar trayectorias multiagente robustas y escalables. Se desarrolla el pipeline de IL para misiones complejas y apoyará su integración en el FCAS Lab de Airbus, logrando una replanificación rápida donde otros fallan.
Técnicas utilizadas: Aprendizaje por refuerzo, optimización de trayectorias, splines
Airbus_AI_4
