prikaz prve stranice dokumenta Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja
  Preuzmi
PDF 2.21 MB
diplomski rad
Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja
2023. urn:nbn:hr:200:732951
Činčurak, Dorian
Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
Zavod za računalno inženjerstvo i automatiku
Katedra za automatiku i robotiku

Citirajte ovaj rad

Činčurak, D. (2023). Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:200:732951

Činčurak, Dorian. "Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:732951

Činčurak, Dorian. "Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, 2023. https://urn.nsk.hr/urn:nbn:hr:200:732951

Činčurak, D. (2023). 'Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, citirano: 20.04.2024., https://urn.nsk.hr/urn:nbn:hr:200:732951

Činčurak D. Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek; 2023 [pristupljeno 20.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:732951

D. Činčurak, "Izgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek, Osijek, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:200:732951

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:200:732951
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovIzgradnja algoritama za upravljanje vozilom u simulatoru primjenom podržanog učenja
Naslov (engleski)Algorithms for driving a vehicle in a simulator using reinforcement learning
AutorDorian Činčurak
MentorRatko Grbić (mentor)
Član povjerenstvaRatko Grbić (predsjednik povjerenstva)
Član povjerenstvaMarijan Herceg (član povjerenstva)
Član povjerenstvaMario Vranješ (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Fakultet elektrotehnike, računarstva i informacijskih tehnologija Osijek
(Zavod za računalno inženjerstvo i automatiku)
(Katedra za automatiku i robotiku)
Osijek
Datum i država obrane2023-09-25, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Umjetna inteligencija
Sažetak
U radu je detaljnije opisano podržano učenje i određeni postojeći algoritmi podržanog učenja temeljeni na dubokom učenju. Ideja rada je primijeniti opisane algoritme na problem upravljanja autonomnim vozilima u prometu unutar simulatora vožnje. U okviru ovog rada su izrađena dva rješenja za autonomno upavljanje vozilom unutar simulatora: prvo je zasnovano na algoritmu dubokog Q-učenja (DQN), a drugo na algoritmu dubokog determinističkog gradijenta politike (DDPG). Agent dubokog učenja šalje brojčane vrijednosti za gas i zakret volana preko CARLA Python API-a do CARLA simulatora koji zatim primijenjuje primljene podatake na vozilo u simulatoru. Pritisak papučice gasa se održava u specifičnim granicama, a neuronske mreže predviđaju kut zakreta volana iz početne slike dobivene preko semantičke kamere postavljene na prednju stranu vozila. Vlastiti algoritmi su izrađeni u Python programskom jeziku, te su treniranja i testiranja provedena unutar CARLA simulatora na različitim scenarijima vožnje. Evaluacija izgrađenih algoritama provedena je pomoću predloženih metrika: prosječno prijeđen put, prosječno ukupno vrijeme koje je vozilo provelo vozeći kroz epizodu, prosječna ukupna kumulativna nagrada dobivena kroz epizodu, prosječan broj pogrešaka koje agent učini tijekom jedne epizode, prosječno prijeđen put i prosječno vrijeme provedeno u susjednim trakama kada ta akcija nije optimalna.
Sažetak (engleski)
This master’s thesis describes reinforcement learning in more detail and certain existing reinforcement learning algorithms based on deep learning. The idea of this thesis is to apply the described algorithms to the problem of autonomous vehicle control in traffic within a driving simulator. As part of this thesis, two solutions were developed for autonomous vehicle driving within the simulator: one based on the Deep Q-Learning (DQN) algorithm and the other on the Deep Deterministic Policy Gradient (DDPG) algorithm. The deep learning agent sends numerical values for throttle and steering through the CARLA Python API to the CARLA simulator, which then applies the received data to the vehicle in the simulator. The amount of throttle is maintained within specific limits, and neural networks predict the angle of rotation of the steering wheel from the initial image obtained through the semantic camera placed on the front of the vehicle. Algorithms were developed in the Python programming language, and training and testing were carried out in the CARLA simulator on different driving scenarios. The evaluation of the developed algorithms was carried out using the proposed metrics: the average distance traveled, the average total time the vehicle spent driving throughout the episode, the average total cumulative reward obtained throughout the episode, the average number of errors made by the agent during one episode, the average distance traveled and the average time spent in adjacent lanes when that action is not optimal.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:200:732951
Studijski programNaziv: Automobilsko računarstvo i komunikacije
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka automobilskog računarstva i komunikacija (mag. ing. comp. et comm. techn)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2023-10-10 11:03:10