URI | http://purl.tuc.gr/dl/dias/0213210D-6E8B-42AB-91D3-EA9C93848998 | - |
Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.100493 | - |
Γλώσσα | el | - |
Μέγεθος | 4.1 megabytes | en |
Μέγεθος | 77 σελίδες | el |
Τίτλος | Ενισχυτική μάθηση στην αυτόνομη οδήγηση, μια συγκριτική αξιολόγηση | el |
Τίτλος | Reinforcement learning algorithms in autonomous driving, a comparitive evaluation | en |
Δημιουργός | Matsioris Georgios | en |
Δημιουργός | Ματσιωρης Γεωργιος | el |
Συντελεστής [Επιβλέπων Καθηγητής] | Doitsidis Eleftherios | en |
Συντελεστής [Επιβλέπων Καθηγητής] | Δοιτσιδης Ελευθεριος | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Papamichail Ioannis | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Παπαμιχαηλ Ιωαννης | el |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ipsakis Dimitrios | en |
Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Ιψακης Δημητριος | el |
Εκδότης | Πολυτεχνείο Κρήτης | el |
Εκδότης | Technical University of Crete | en |
Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Production Engineering and Management | en |
Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης | el |
Περίληψη | Στόχος 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 |
Περίληψη | The 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 |
Τύπος | Διπλωματική Εργασία | el |
Τύπος | Diploma Work | en |
Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
Ημερομηνία | 2024-07-25 | - |
Ημερομηνία Δημοσίευσης | 2024 | - |
Θεματική Κατηγορία | Αυτόνομη πλοήγηση αυτοκινήτου πόλης | el |
Βιβλιογραφική Αναφορά | Γεώργιος Ματσιώρης, "Ενισχυτική μάθηση στην αυτόνομη οδήγηση, μια συγκριτική αξιολόγηση", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024 | el |
Βιβλιογραφική Αναφορά | Georgios Matsioris, "Reinforcement learning algorithms in autonomous driving, a comparitive evaluation", Diploma Work, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2024 | en |