PRIMENA UČENJA SA USLOVLJAVANJEM ZA OBUČAVANJE AGENTA ZA AUTONOMNU VOŽNJU AUTOMOBILA U SIMULATORU AIRSIM

  • Miloš Mladenović
Ključne reči: Učenje uslovljavanjem, autonomna vožnja, simulacija, računarski vid, nagrade, neuronske mreže

Apstrakt

Učenje uslovljavanjem je napretkom dubokog učenja i hardvera kao i razvojem novih naučno-tehnoloških izazova kao što su razvoj softvera za robote i samovozeće automobile postalo plodno istraživačko tle za sve naučnike i inženjere zainteresovane za ovu oblast. U ovom radu predstavljen je drugačiji pristup problemu autonomne vožnje u simulatoru - u kom se kombinuju tehnike računarskog vida i učenja sa uslovljavanjem da se napravi agent koji će se uspešno kretati u simuliranom okruženju. Evaluacija agenta urađena je poređenjem per­formansa modela u odnosu na postizanje zadatog cilja.

Reference

[1] Loaiacono i Cardamone, „Simulated car racing championship: Competition software manual,“ 2013.
[2] F. J, F. N, Vielwerth i T. J, „ Monte-Carlo Tree Search for Simulated Car Racing,“ 2015.
[3] Koutnik, Cuccu i Schmidhuber, „Evolving large-scale neural networks for vision-based reinforcement learning“.
[4] Loiacono, Prete, L. P. i C. L, „Learning to overtake in torcs using simple reinforcement leraning“.
[5] M. V. A. N, „Carma: A deep reinforcement learning approach to autonomous driving“.
[6] M. Spryn, S. Aditya i P. Dhawal. [Na mreži]. Available: https://github.com/microsoft/AutonomousDrivingCookbook/tree/master/DistributedRL.
[7] Microsoft. [Na mreži]. Available: https://microsoft.github.io/AirSim/docs/apis/.
[8] K. M i K. S, „Autonomous vehicle control via deep reinforcement learning,“ Master's thesis, 2017.
[9] R. Szelinski, Computer Vision: Algorithms and Applications, Springer, 2011.
Objavljeno
2020-03-04
Sekcija
Elektrotehničko i računarsko inženjerstvo