Συντάχθηκε 22-07-2024 11:32
Ενημερώθηκε:
22-07-2024 11:33
Τόπος:
Σύνδεσμος τηλεδιάσκεψης
Έναρξη: 25/07/2024 10:00
Λήξη: 25/07/2024 11:00
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ
| Επώνυμο: |
ΜΑΤΣΙΩΡΗΣ |
| Όνομα: |
ΓΕΩΡΓΙΟΣ |
| Πατρώνυμο: |
ΔΗΜΗΤΡΙΟΣ |
| ΑΜ: |
2018010126 |
| email: |
gmatsioris@tuc.gr |
| Τίτλος (Ελληνικά): |
Ενισχυτική μάθηση στην αυτόνομη οδήγηση, μια συγκριτική αξιολόγηση |
| Τίτλος (Αγγλικά): |
Reinforcement learning algorithms in autonomous driving, a comparitive evaluation |
| Περίληψη (Ελληνικά): |
Στόχος της παρούσας εργασίας είναι να αναπτυχθεί ένα μεθοδολογικό πλαίσιο που θα βοηθά στην ανάπτυξη αυτόνομων πρακτόρων για την καθοδήγηση ηλεκτρικών οχημάτων με δυνατότητες αυτόνομης πλοήγησης. Για την ανάπτυξη του συγκεκριμένου πλαισίου, γίνεται χρήση του μοντέλου ενός ηλεκτρικού αυτοκινήτου πόλης που έχει τη δυνατότητα να φέρει πλήθος διαφορετικών αισθητήρων. Στα πλαίσια της εργασίας, αρχικά εξελίσσεται ένα προσομοιωμένο μοντέλο που έχει αναπτυχθεί σε παλαιότερη εργασίας. Η λειτουργικότητα του μοντέλου δοκιμάζεται σε ένα προσομοιωμένο περιβάλλον βασισμένο στο λογισμικό CARLA με τη χρήση ενός ειδικά κατασκευασμένου περιβάλλοντος τύπου GYM. Έπειτα αναπτύσσονται αυτόνομοι πράκτορες που έχουν την δυνατότητα να καθοδηγήσουν το μοντέλο του οχήματος, έτσι ώστε να ακολουθήσει ένα προδιαγεγραμμένο μονοπάτι μέσα σε αστικό περιβάλλον. Η διαδικασία βασίζεται στη χρήση του αλγορίθμου A* για την παραγωγή της επιθυμητής τροχιάς και στη συνέχεια τη χρήση των σχετικών δεδομένων για την εκπαίδευση των αυτόνομων πρακτόρων. Για την εκπαίδευση των πρακτόρων χρησιμοποιούνται δύο διαφορετικοί αλγόριθμοι ενισχυτικής μάθησης και πραγματοποιείται συγκριτική μελέτη των αποτελεσμάτων. |
| Περίληψη (Αγγλικά): |
The objective of this thesis is to develop a methodological framework that facilitates the development of autonomous agents for guiding electric vehicles with autonomous navigation capabilities. To develop this framework, we utilize the model of an urban electric car equipped with a variety of sensors. Initially, a simulated model from a previous study is enhanced. The functionality of this model is tested in a simulated environment based on the CARLA software using a specially designed GYM environment. Subsequently, autonomous agents are developed to guide the vehicle model along a predetermined path in an urban setting. This process relies on the A* algorithm to generate the desired trajectory, followed by using the corresponding data to train the autonomous agents. Two different reinforcement learning algorithms are employed to train the agents, and a comparative study of the results is conducted. |
| Γλώσσα διπλωματικής: |
Ελληνικά |
| Τομέας: |
ΣΥΣΤΗΜΑΤΩΝ ΠΑΡΑΓΩΓΗΣ |
| Επιβλέπων: |
ΔΟΪΤΣΙΔΗΣ ΕΛΕΥΘEΡΙΟΣ , Επίκουρος Καθηγητής |
| 1ο μέλος επιτροπής: |
ΠΑΠΑΜΙΧΑΗΛ ΙΩΑΝΝΗΣ, Καθηγητής |
| 2ο μέλος επιτροπής: |
ΙΨAΚΗΣ ΔΗΜHΤΡΗΣ, Επίκουρος Καθηγητής |
| Ημ/νία εξέτασης |
Πέμπτη, 25 Ιουλίου 2024 |
| Ώρα: |
10:00 |
| Χώρος |
https://tuc-gr.zoom.us/j/95408004409?pwd=aiX3qDFrumw4BGbKghwrfU960HOeQ4.1 |
