Autonomous navigation of an electric urban carAutonomous navigation of an electric urban carΑυτόνομη πλοήγηση ηλεκτροκίνητου αυτοκινήτου πόλης Διπλωματική Εργασία Diploma Work 2023-07-272023enThe aim of this thesis, is to design and implement a test-bed which will allow the development of autonomous agents, with the ability to control and navigate urban electric vehicles, in real world scenarios, using a diverse set of on-board sensors. A simulated model of a commercial urban electric vehicle, acquired by the Intelligent Systems and Robotics Laboratory of the Technical University of Crete, has been developed and the possibility of transforming it to an autonomous vehicle has been investigated as a test case. The Carla simulated environment has been used as a tool, for developing realistic simulations and simultaneously asses the functionality of different sensors, that may be integrated to the real vehicle. To demonstrate the applicability of our approach, a gym environment has been created and integrated with the suggested configuration and based on this, we’ve used the data acquired by the sensors, to train an agent for the vehicle, that allows it to perform autonomous driving tasks at a basic level. Our long term vision is to create a detailed digital twin where the simulated agent will interact with its physical counterpart and will allow the rapid prototyping of algorithms which will add autonomous capabilities to the real system. Στα πλαίσια της παρούσας εργασίας, αναπτύχθηκε ένα προσομοιωμένο μοντέλο ενός πραγματικού ηλεκτρικού οχήματος πόλης που δυνητικά θα μπορούσε να μετατραπεί σε μια πλατφόρμα πειραματισμού, με την προσθήκη κατάλληλων αισθητηρίων και υπολογιστικών συστημάτων, για θέματα που σχετίζονται με την αυτόνομη οδήγηση. Η συγκεκριμένη προσέγγιση επιτρέπει τη προσομοίωση της συμπεριφοράς του αυτοκινήτου, τη δοκιμή σε εικονικό περιβάλλον διαφόρων αισθητήρων με όσο το δυνατόν μεγαλύτερη ακρίβεια, καθώς και την ανάπτυξη στρατηγικών και αλγορίθμων που επιτρέπουν την αυτόνομη λειτουργία του προσομοιωμένου οχήματος. Το περιβάλλον προσομοίωσης που επιλέχθηκε, είναι το Carla που αποτελεί μια από τις δημοφιλέστερες και πιο προηγμένες λύσεις στο συγκεκριμένο αντικείμενο. Στο προτεινόμενο σύστημα ενσωματώθηκε ένα σύνολο αισθητήρων που είναι αναγκαίοι για την αναγνώριση της περιοχής κίνησης και για τον υπολογισμό της θέσης του οχήματος. Υλοποιήθηκε σύστημα σχεδιασμού βέλτιστης διαδρομής και εκπαιδεύτηκε αυτόνομος πράκτορας για τη πλοήγηση του οχήματος, βασιζόμενος σε αλγόριθμο που στηρίζεται στη προσέγγιση της βαθιάς ενισχυτικής μάθησης Deep Deterministic Policy Gradient. Δεδομένης της πολυπλοκότητας του συστήματος, η διαδικασία εκπαίδευσης πραγματοποιήθηκε μετατρέποντας το περιβάλλον προσομοίωσης σε περιβάλλον τύπου gym, που επιτρέπει την εύκολη επικοινωνία του προσομοιωτή με τον αλγόριθμο ενισχυτικής μάθησης. Προκειμένου να αναλυθεί η αποτελεσματικότητα, πραγματοποιήθηκε σύγκριση τριών διαφορετικών μοντέλων (όπως αυτά πρόκυπταν κατά τη διαδικασία της εκπαίδευσης). Το μοντέλο που παρουσιάζει την καλύτερη συμπεριφορά, συγκρίθηκε με τον πράκτορα που έχει ήδη εγκατεστημένο το Carla το οποίο χρησιμοποιεί μόνο δεδομένα από την προσομοίωση και όχι από αισθητήρες. Τέλος παρουσιάζονται συμπεράσματα, καθώς και πιθανές προοπτικές εξέλιξης του προτεινόμενου συστήματος.Submitted in partial fulfillment of the requirements for the Diploma in Production Engineering and Management of the Technical University of CreteΗ εργασία εκπονήθηκε στο πλαίσιο των απαιτήσεων για την απόκτηση Διπλώματος Μηχανικού από τη Σχολή Μηχανικών Παραγωγής και Διοίκησης του Πολυτεχνείου Κρήτηςhttp://creativecommons.org/licenses/by/4.0/Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και ΔιοίκησηςTheocharous_Alexandros_Dip_2023.pdfChania [Greece]Library of TUC2023-07-26application/pdf25.8 MBfree Theocharous Alexandros Θεοχαρους Αλεξανδρος Doitsidis Eleftherios Δοιτσιδης Ελευθεριος Ipsakis Dimitrios Ιψακης Δημητριος Piperidis Savvas Πιπεριδης Σαββας Πολυτεχνείο Κρήτης Technical University of Crete Διπλωματική Εργασία Diploma Work