Video Experimental Relacionado
Updated: Jan 28, 2026

Photorealistic Learned Landscapes for Augmented Reality
Published on: June 27, 2025
Un novedoso marco de comunicación potenciado por realidad aumentada y aprendizaje por refuerzo para vehículos
Abdullah Lakhan1,2, Mazin Abed Mohammed3,4,5,6, Mohd Khanapi Abd Ghani7
1Department of Computer System Engineering, Dawood University of Engineering and Technology, Karachi, Pakistan.
Este estudio presenta una estrategia adaptativa de programación de realidad aumentada y aprendizaje por refuerzo (AARLSS) para vehículos submarinos no tripulados (UUV). AARLSS mejora la comunicación, la detección de objetos y la seguridad, mejorando significativamente el rendimiento de los UUV.
Área de la Ciencia:
- Robótica y Sistemas Autónomos
- Tecnología Marina
- Inteligencia Artificial
Sus antecedentes:
- Los vehículos submarinos no tripulados (UUV) son vitales para la exploración marina, la vigilancia y el monitoreo.
- Los desafíos en las operaciones de UUV incluyen la latencia de la comunicación, el ancho de banda limitado, las vulnerabilidades de seguridad y las dificultades en la identificación de objetos.
- Los marcos de UUV existentes luchan con la comunicación dinámica en entornos submarinos críticos.
Objetivo del estudio:
- Presentar un novedoso marco de comunicación para UUV que aprovecha la realidad aumentada y el aprendizaje por refuerzo.
- Mejorar la calidad de la comunicación, la precisión de la detección de objetos e identificar las vulnerabilidades del sistema en aplicaciones de UUV.
- Optimizar el rendimiento de los UUV, minimizar el consumo de energía y el retraso, y reducir los riesgos de seguridad.
Principales métodos:
- Propuesta de estrategias de programación adaptativa de realidad aumentada y aprendizaje por refuerzo (AARLSS) para optimizar la comunicación y la identificación de objetos.
- Utilización de aprendizaje profundo Q (DQN) para el entrenamiento de carga de trabajo y un sistema adaptativo de detección de intrusiones (IDS) para la verificación de seguridad.
- Desarrollo de un banco de pruebas de realidad aumentada y virtual para la evaluación experimental.
Principales resultados:
- AARLSS minimizó el consumo de energía de los UUV en un 20-21% y redujo el retraso de la comunicación en un 18-20%.
- El marco mejoró la precisión de la detección de objetos al 97-98% en configuraciones experimentales.
- Demostró mejoras significativas en la eficiencia operativa y la seguridad de los UUV.
Conclusiones:
- El marco propuesto AARLSS aborda eficazmente los desafíos clave en la comunicación y operación de UUV.
- La integración de realidad aumentada y aprendizaje por refuerzo ofrece una solución robusta para mejorar las capacidades de los UUV.
- El marco muestra una gran promesa para avanzar en los sistemas marinos autónomos en la exploración y el monitoreo.
Más Videos Relacionados
Videos de Conceptos Relacionados
Communication
Communication
Reinforcement
Positive reinforcement occurs when a behavior is followed by the presentation of a rewarding stimulus, increasing the frequency of that behavior. For example:
Autonomic Nervous System
The ANS comprises two main divisions: the sympathetic and parasympathetic divisions. These divisions function antagonistically to maintain a dynamic...
Corrosion of Reinforcement
However, over time and under certain conditions like carbonation, chloride ingress, and cracking this protective state can be compromised. Steel has areas with...
Reinforcement Schedules
Once a behavior is learned,...

