Megerősítéses Tanulás Alapú Drift Mozgásszabályozó Rendszer Önvezető Járműhöz
Az önvezető járművekkel kapcsolatos kutatások az utóbbi években egyre népszerűbbekké váltak. A mesterséges intelligencia technikáival kombinálva, az alkalmazások pozitív eredményeinek jelenlegi tendenciája miatt ez jó terület a kutatásra. Az adattudomány területén a megerősítéses tanulás hatékony megközelítésnek bizonyult a mozgásszabályozási problémák kezelésében, ideértve a különféle robotokat, az önműködő rendszereket és a videojáték-AI-okat (például a sakkot, a GO-t stb.).
A driftelés egy olyan vezetési technika, amikor a sofőr szándékosan túlkormányoz, miközben fenntartja a kanyarodás irányát. A mozgás során a hátsó kerekek megcsúsznak (a gumikra ható erők szaturálnak), miközben az első kerekek a kanyarodás ívével ellentétes irányba mutatnak. Ez egy átlagos sofőr számára nagy kihívást jelentő irányítási technika, ami nagyon fontossá és érdekessé teszi a mesterséges intelligencia és az önkontroll segítségével történő megvalósítást.
A jelenleg legkorszerűbb vezetésbiztonsági rendszerek (ABS, ESL,...) elsősorban arra fókuszálnak, hogy az autó lehetőleg minél inkább elkerülje a vezetési szempontból instabil állapotokat (pl. driftelés), amelyeket a legtöbb hétköznapi sofőr nehezen képes kontrollálni. Viszont a valóságban ezekben az instabil állapotokban rengeteg a potenciál balesetmegelőzési szempontból, ha képesek lennénk azokat megfelelően szabályozni valamilyen önvezető technika segítségével.
Ezen TDK dolgozat célja, hogy új eredményeket mutasson fel a megerősítéses tanulás alapú drift mozgásszabályozás kutatásának területén. A feladat egy önvezető ágens kifejlesztése a drift mozgásszabályozáshoz szimulációkon keresztül, elsősorban MATLAB Simulink környezetben. Alkalmazva a legmodernebb 'state of the art' módszereket a megerősítéses tanulás területéről, azt szeretnénk látni, hogy az önvezető jármű képes legyen belépni egy adott céldrift állapotba, majd sikeresen képes legyen azt fenntartani.
Az ezen a területen bemutatott friss tudományos eredmények azt mutatták, hogy valamilyen (emberi járművezető képességein vagy akár egyéb kontrol technikákkal végzett szimulációkon alapuló) előzetes 'prior' adat alkalmazása a feladathoz elkerülhetetlen a jó eredmény eléréséhez. Ezért a kutatás mádodlagos feladata az, hogy ilyen típusú adatok felhasználását nélkülözve is képesek legyünk elérni a kívánt eredményt.
szerző
-
Tóth Szilárd Hunor
Matematikus mesterképzési szak (MSc)
mesterképzés (MA/MSc)
konzulensek
-
Dr. Bárdos Ádám
tudományos munkatárs, Gépjárműtechnológia Tanszék: -
Dr. Viharos Zsolt János
tudományos főmunkatárs, Számítástechnikai és Automatizálási Kutatóintézet (SZTAKI) (külső)