Megerősítéses Tanulás Alapú Járműdrift Szabályozás Tabuláris Q-tanulással
A speciális vezetési technikák, például a driftelés végrehajtása még a hivatásos emberi sofőrök számára is kihívást jelenthet. Az ilyen manőverek azonban elengedhetetlenek lehetnek egyes balesetek elkerüléséhez olyan kritikus közúti helyzetekben, mint például a tapadás elvesztése csúszós útfelületen, vagy éppen egy hirtelen, az autó elé kerülő akadály (pl. akár egy vad) elől kitérő manőver végrehajtása.
A jelen TDK dolgozat célja beszámolni azon saját kutatás újszerű eredményekről, amelynek fő célja egy önvezető ágens kifejlesztése drift mozgásszabályozáshoz egy MATLAB/Simulink alapú szimulációs környezetben megerősítéses tanulás segítségével. A kutatás eddigi eredményein alapulva a legfontosabb feladat a Soft Actor-Critic (SAC) algoritmusnál tapasztalt tanulási instabilitást okozó problémák kiküszöbölése egy Tabuláris Q-learning algoritmus segítségével, szem előtt tartva, hogy az új ágens teljesítménye legalább elérje az eddigiekben tapasztaltakat.
szerző
-
Tóth Szilárd Hunor
Matematikus mesterképzési szak (MSc)
mesterképzés (MA/MSc)
konzulensek
-
Dr. Viharos Zsolt János
tudományos főmunkatárs, Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI) (külső) -
Dr. Bárdos Ádám
tudományos munkatárs, Gépjárműtechnológia Tanszék:
