Regisztráció és bejelentkezés

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
    adjunktus, Közlekedés- és Járműirányítási Tanszék