Tanulás alapú irányítási algoritmus autonóm járművekhez
Dolgozatom során az önvezetésben, azon belül is az irányításban felmerülő
problémára igyekeztem megoldást találni. Ez a probléma azért lép fel, mert a valóságot
csak egy bizonyos pontossággal tudjuk modellezni és az nem mindig elég ahhoz, hogy
az autó mechanikai képességeit kihasználjuk.
A hagyományos módszerek helyett a mesterséges intelligencia módszerét
használom fel. Egy neurális hálót használó algoritmust építek fel, aminek több háló típust is a részévé lehet tenni,
így vizsgálva a közöttük fellépő különbségeket. Ezeket felügyelt tanítással
teszem alkalmassá egy tetszőleges és a tanítás végéig nem ismert útvonal követésére a
lehető legmagasabb sebességgel.
Kitérek a gépi tanulás három alfajára és az azokon belül lehetséges módszerekre.
Írok a mély tanulás típusairól és elhelyezem a fogalmakat egymáshoz képest.
Részletezem egy tipikus önvezető autó rendszerébenfelmerülő problémát.
Még, ha ezek nem is minden esetben vannak ilyen formában jelen, bízom benne,
hogy a módszerem eléggé általánosítható ahhoz, hogy a problémakörben legalább meríteni lehessen a tapasztalataimból.
Bemutatom, hogyan állíthatóak elő megfelelő adatok. Mielőtt a feldolgozásra térnék, leírom, milyen keretrendszerrel és fejlesztői eszközökkel dolgoztam,
valamint miket találhat még hasznosnak, aki hasonló feladatot old meg. Bemutatom az ezek segítségével létrehozott hálók struktúráját,
valamint azok tanítási és tesztelési menetét. Ezek után még végig megyek a különböző módszereken, amikkel az eredmény javítható.
Végül kiértékelem az elérteket.
szerző
-
Bagoly Zoltán
Járműmérnöki
mesterképzés (MA/MSc), nappali
konzulensek
-
Fazekas Máté
PhD hallgató, Közlekedés- és Járműirányítási Tanszék -
Dr. Németh Balázs
tudományos munkatárs, Közlekedés- és Járműirányítási Tanszék