Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Reinforcement learning algorithms in autonomous driving, a comparitive evaluation

Matsioris Georgios

Simple record


URIhttp://purl.tuc.gr/dl/dias/0213210D-6E8B-42AB-91D3-EA9C93848998-
Identifierhttps://doi.org/10.26233/heallink.tuc.100493-
Languageel-
Extent4.1 megabytesen
Extent77 σελίδεςel
TitleΕνισχυτική μάθηση στην αυτόνομη οδήγηση, μια συγκριτική αξιολόγησηel
TitleReinforcement learning algorithms in autonomous driving, a comparitive evaluationen
CreatorMatsioris Georgiosen
CreatorΜατσιωρης Γεωργιοςel
Contributor [Thesis Supervisor]Doitsidis Eleftheriosen
Contributor [Thesis Supervisor]Δοιτσιδης Ελευθεριοςel
Contributor [Committee Member]Papamichail Ioannisen
Contributor [Committee Member]Παπαμιχαηλ Ιωαννηςel
Contributor [Committee Member]Ipsakis Dimitriosen
Contributor [Committee Member]Ιψακης Δημητριοςel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
Content SummaryΣτόχος της παρούσας εργασίας είναι να αναπτυχθεί ένα μεθοδολογικό πλαίσιο που θα βοηθά στην ανάπτυξη αυτόνομων πρακτόρων για την καθοδήγηση ηλεκτρικών οχημάτων με δυνατότητες αυτόνομης πλοήγησης. Για την ανάπτυξη του συγκεκριμένου πλαισίου, γίνεται χρήση του μοντέλου ενός ηλεκτρικού αυτοκινήτου πόλης που έχει τη δυνατότητα να φέρει πλήθος διαφορετικών αισθητήρων. Στα πλαίσια της εργασίας, αρχικά εξελίσσεται ένα προσομοιωμένο μοντέλο που έχει αναπτυχθεί σε παλαιότερη εργασίας. Η λειτουργικότητα του μοντέλου δοκιμάζεται σε ένα προσομοιωμένο περιβάλλον βασισμένο στο λογισμικό CARLA με τη χρήση ενός ειδικά κατασκευασμένου περιβάλλοντος τύπου GYM. Έπειτα αναπτύσσονται αυτόνομοι πράκτορες που έχουν την δυνατότητα να καθοδηγήσουν το μοντέλο του οχήματος, έτσι ώστε να ακολουθήσει ένα προδιαγεγραμμένο μονοπάτι μέσα σε αστικό περιβάλλον. Η διαδικασία βασίζεται στη χρήση του αλγορίθμου A* για την παραγωγή της επιθυμητής τροχιάς και στη συνέχεια τη χρήση των σχετικών δεδομένων για την εκπαίδευση των αυτόνομων πρακτόρων. Για την εκπαίδευση των πρακτόρων χρησιμοποιούνται δύο διαφορετικοί αλγόριθμοι ενισχυτικής μάθησης και πραγματοποιείται συγκριτική μελέτη των αποτελεσμάτων.el
Content SummaryThe objective of this thesis is to develop a methodological framework that facilitates the development of autonomous agents for guiding electric vehicles with autonomous navigation capabilities. To develop this framework, we utilize the model of an urban electric car equipped with a variety of sensors. Initially, a simulated model from a previous study is enhanced. The functionality of this model is tested in a simulated environment based on the CARLA software using a specially designed GYM environment. Subsequently, autonomous agents are developed to guide the vehicle model along a predetermined path in an urban setting. This process relies on the A* algorithm to generate the desired trajectory, followed by using the corresponding data to train the autonomous agents. Two different reinforcement learning algorithms are employed to train the agents, and a comparative study of the results is conducted.en
Type of ItemΔιπλωματική Εργασίαel
Type of ItemDiploma Worken
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2024-07-25-
Date of Publication2024-
SubjectΑυτόνομη πλοήγηση αυτοκινήτου πόληςel
Bibliographic CitationΓεώργιος Ματσιώρης, "Ενισχυτική μάθηση στην αυτόνομη οδήγηση, μια συγκριτική αξιολόγηση", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024el
Bibliographic CitationGeorgios Matsioris, "Reinforcement learning algorithms in autonomous driving, a comparitive evaluation", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2024en

Available Files

Services

Statistics