Arquitectura multi-agente descentralizada para detección de eventos en el ambiente
Cargando...
Archivos
Fecha
Autores
Enlace al recurso
DOI
gruplac
Descripción Dominio:
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Santo Tomás
Compartir
Documentos PDF
Descripción
La detección de eventos en el ambiente constituye un reto central en la robótica moderna, especialmente en sistemas que buscan autonomía, cooperación y toma de decisiones distribuidas. Los sistemas multi-agente descentralizados (MAS) surgen como una alternativa eficiente frente a los enfoques centralizados, ya que ofrecer mayor escalabilidad, robustez y tolerancia a fallos. Este trabajo propone el diseño e implementación de una arquitectura multi-agente descentralizada basada en ROS 2 para la detección de eventos en el ambiente, utilizando plataformas móviles TurtleBot3 Burger y aprendizaje por refuerzo profundo. La investigación se desarrolló con un enfoque experimental y aplicado, estructurado en tres fases: (1) análisis y selección de variables físicas, algoritmos y plataforma robótica; (2) desarrollo de la arquitectura descentralizada, integrando un agente líder entrenado mediante el algoritmo Deep Q-Learning (DQN), junto con agentes seguidores controlados con el algoritmo Follower de ROBOTIS; y (3) validación del sistema en el simulador Gazebo, mediante el uso del middleware ROS 2 para la comunicación entre nodos y la gestión independiente de espacios de nombres para cada robot. Durante 1000 episodios de entrenamiento, el agente líder presentó una mejora progresiva en la recompensa acumulada, demostrando un aprendizaje estable y una navegación autónoma libre de colisiones. En la simulación multi-agente, los robots seguidores reprodujeron con precisión la trayectoria del líder, manteniendo formaciones estables y comunicación efectiva. Finalmente, las pruebas físicas confirmaron la correcta transferencia del modelo entrenado, manteniendo la coherencia del comportamiento observado en simulación. Los resultados evidencian que la combinación del aprendizaje por refuerzo profundo con una arquitectura descentralizada basada en ROS 2 constituye una estrategia viable para el desarrollo de comportamientos cooperativos en robótica móvil. El sistema diseñado reduce la dependencia de control central, mejora la escalabilidad del sistema y sienta las bases para futuras validaciones en entornos físicos más complejos.
Abstract
Environmental event detection is a key challenge in modern robotics, particularly in systems that require autonomy, cooperation, and distributed decision-making. Decentralized multi-agent systems (MAS) emerge as anefficient alternative to centralized approaches, offering greater scalability, robustness, and fault tolerance. This work proposes the design and implementation of a decentralized multi-agent architecture based on ROS 2 for environmental event detection, using TurtleBot3 Burger mobile platforms and deep reinforcement learning. The research followed an experimental and applied approach, structured into three phases: (1) analysis and selection of physical variables, algorithms, and robotic platform; (2) development of the decentralized architecture integrating a leader agent trained through the Deep Q-Learning (DQN) algorithm and follower agents controlled by the ROBOTIS Follower algorithm; and (3) system validation in the Gazebo simulator using the ROS2middleware for inter-node communication and independent namespace management for each robot. Over 1000 training episodes, the leader agent showed a progressive improvement in cumulative rewards, achieving stable learning and autonomous navigation without collisions. In the multi-agent simulation, the follower robots accurately replicated the leader’s trajectory, maintaining stable formations and effective communication. Finally, physical tests confirmed the successful transfer of the trained model, maintaining consistency with the simulated behaviors. The results confirm that combining deep reinforcement learning with a decentralized ROS 2-based architecture is a viable strategy for developing cooperative behaviors in mobile robotics. The designed system reduces the dependence on a central controller, enhances scalability, and establishes a solid foundation for future validations in more complex physical environments.
Idioma
spa
Palabras clave
Citación
Castaño Ortiz, D. F. (2026). Arquitectura multi-agente descentralizada para detección de eventos en el ambiente. [Trabajo de Grado, Universidad Santo Tomás]. Repositorio Institucional