Bezpilotu mašīnu apmācība izmantojot stimulētās mācīšanās dziļos neirona tīklus koorporatīvās braukšanas sistēmā

Abstract

Šajā darbā ir izstrādāta programmatūra un demonstrēts, kā radiovadāmu mašīnu var apmācīt braukt trasē, izmantojot tikai video attēlus un neironu tīklus. Virtuālajā vidē tiek pierādīts, ka ar šādu metodi, apmācot transportlīdzkli braukt pa vienu trasi, tas spēj izbraukt kārdināli atšķirīgu trasi, ko modelis nav redzējis. Padziļināti tiek pētīti darbi par saistītajām tehnoloģijām, stimulēto mācīšanos un pozicionēšanas sistēmām, lai varētu turpināt darbu pie sistēmu, kas ļautu transportlīdzeklim pašam mācīties braukt. Šī darba mērķis ir izstrādāt programmatūru, kuru būtu iespējams izmantot uz reālas pašbraucošas mašīnas Mazda 6, kas ir pieejama, sadarbojoties ar EDI. Neironu tīkli un īpaši stimulētā mācīšanās bezpilotu transportlīdzekļu izstrādē ir kritiska nozīme. Padziļināta pētniecība un testēšana ir ļoti svarīga. Šis darbs var kalpot kā pamats turpmākajai bezpilotu transportlīdzekļu pētniecībai un attīstībai. Maģistra darbs ir 54. lpp. garš, satur 0 pielikumus, 22 attēlus un 5 tabulu.

Developed a software and showed how radio-controlled car can learn drive in track by using only video images and neural networks. Showed that with this method car in a virtual environment can learn to drive in one track and that without any problems drive in completely different track. In-depth researched related works, reinforcement learning and positioning systems to keep work at which car would be able to learn drive by itself. The goal of this work is to create software which can be transferred to real self-driving car Mazda 6 which is available by cooperating with EDI. Neural networks and especially reinforcement learning for self-driving cars have a crucial role in future development. Research in depth and testing is very important. This work will serve as a ground for future self-driving car research and solutions. The master thesis contains 54 pages, 0 annexes, 22 images and 5 tables.