Cél megközelítés lidar szenzor információk alapján gépi tanulással
A gépi tanulás napjaink egyik fontos kutatási területe. Sok más iparág mellett az autóiparban is egyre több bonyolult problémára próbálnak megoldást találni mesterséges intelligencia használatával. A gépi tanulás egyik népszerű formája a megerősítéses tanulás, aminek eredményeként az ágens képes a környezetet leíró információk alapján döntést hozni. Munkám során egy ilyen ágens elkészítése és betanítása volt a cél, aminek feladata az, hogy differenciális robotmodellünket irányítva eljuttassa azt a kijelölt célpontba.
Ehhez először elkészítettem a robot, valamint a célpontokat meghatározó objektumok Open AI Gym osztálystruktúrájának megfelelő környezeti modelljét, majd felépítettem a neurális hálót és a tanuló algoritmust. Különböző paraméterek mellett elvégzett tanítások során vizsgáltuk az elért eredményeket, majd többféle célpontelrendezés esetén is teszteltük őket szimulációs környezetben.
A roboton lévő lidar adatait Robot Operating System-en keresztül olvasom be, majd Python nyelven dolgozom fel. A következő lépésben összekapcsoltam az ágenst és a lidar adatait feldolgozó algoritmust, majd működésüket valós környezetben próbáltuk ki.
A dolgozatban ismertetésre kerül az implementálás folyamata, a projekt során szerzett tapasztalatok, valamint az elért eredmények is.
szerző
-
Farkas Péter
Járműmérnöki
alapképzés (BA/BSc)
konzulens
-
Dr. Aradi Szilárd
egyetemi docens, Közlekedés- és Járműirányítási Tanszék