Szimulációs kiértékelő rendszer tervezése autonóm funkciófejlesztéshez
Ami egykor tudományos fantasztikum, az mára már valós kézzel fogható technológia legyen szó az okostelefonról vagy arról, hogy az ember láthatja és hallhatja a több ezer kilométerrel arrébb lévő rokonait még ő a tengerparton piheni ki a mindennapok fáradalmait vagy éppen az Alpokban síel. Nincs ez másképp máskép az önvezető autókkal sem, még a 80-as években csodálkozva bámultuk, hogy a Knight Riderben Kit magától közlekedik, ma már ez a technológia egy karnyújtásnyira van. Az autonóm járművek fejlesztése rohamosan halad jobbnál jobb, komplexebbnél komplexebb ágensek jönnek létre, viszont ezek tesztelése valós járművekben drága, lassú és túl célravezető. Ezért merült fel az igény a virtuális a valóságot a lehetően legjobban közelítő környezetben való tesztelésre, mely számos előnyt biztosít többek között több ágenst lehet egyszerre tesztelni tanítani, a környezet teljes mértékű uralása, az életben nehezen reprodukálható, de nem elhanyagolható valószínűségű helyzeteken való tesztelés és ami mindenekelőtt van, hogy olcsóbb is.
Ebben a dokumentumban megismerhetjük az autonóm vagy más néven önvezető autók által festett világkép előnyeit, néhány aggályt. Olvashatunk a mesterséges intelligenciáról, majd az egyik alterülete a gépi tanulást és azok módszereit részletesebben is kifejtésre kerül. Nem csak a közkedvelt felügyelt és felügyeletlen tanulás (Supervised and Unsupervised learning) és megerősítéses tanulás (Reinforcement learning) kap egy kisebb összefoglalót. Átfogó képet kaphatunk jelenleg piacon lévő szimulációs környezetekről, részletekbe menően a Carla nyílt forráskódú, folyamatosan dinamikusan fejlődő szimulátorral, mint az általam választott környezettel fogunk foglalkozni.
szerző
-
Németh Norbert
Járműmérnöki
alapképzés (BA/BSc)
konzulens
-
Szőke László
PhD hallgató, Közlekedés- és Járműirányítási Tanszék
