Παρακαλώ χρησιμοποιήστε αυτό το αναγνωριστικό για να παραπέμψετε ή να δημιουργήσετε σύνδεσμο προς αυτό το τεκμήριο:
http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17470
Τίτλος: | Πλοήγηση αυτόνομου οχήματος στον χώρο, με χρήση αλγορίθμων βαθιάς ενισχυτικής μάθησης |
Συγγραφείς: | Γαβαλάς, Χριστόφορος Σταφυλοπάτης Ανδρέας-Γεώργιος |
Λέξεις κλειδιά: | Τεχνητή Νοημοσύνη Artificial Intelligence Ενισχυτική Μάθηση Reinforcement Learning Βαθιά Ενισχυτική Μάθηση Deep Reinforcement Learning Αυτόνομη Πλοήγηση Autonomous Navigation Νευρωνικά Δίκτυα Neural Networks DQN REINFORCE Δράστης - Κριτής Actor - Critic A2C |
Ημερομηνία έκδοσης: | 28-Νοε-2019 |
Περίληψη: | Το επιστημονικό πεδίο της Ενισχυτικής Μάθησης έχει πετύχει αξιοσημείωτα αποτελέσματα σε πολλούς διαφορετικούς κλάδους (Βιοϊατρική, επιχειρηματικότητα, όραση υπολογιστών, παιχνίδια κ.α.). Συγκεκριμένα στον χώρο της ρομποτικής, τα τελευταία χρόνια, έχει γίνει σημαντική πρόοδος στην εφαρμογή αλγορίθμων ενισχυτικής μάθησης και έχουν εξαχθεί εξαιρετικά αποτελέσματα. Στα πλαίσια της παρούσας εργασίας, μελετάται η πλοήγηση αυτόνομου οχήματος στον χώρο με χρήση αλγορίθμων βαθιάς ενισχυτικής μάθησης. Το πρόβλημα που αντιμετωπίστηκε, αφορά κίνηση σε συνεχή χώρο με το όχημα να λαμβάνει μετρήσεις από το περιβάλλον και να διαμορφώνει σύμφωνα με αυτές την ταχύτητά του. Συγκεκριμένα, σχεδιάστηκαν τρία μοντέλα ενισχυτικής μάθησης (DQN, REINFORCE, A2C) και συγκρίθηκαν τα αποτελέσματα που έδωσαν σε διάφορες συνθήκες περιβάλλοντος κατά την πλοήγηση τους σε αυτό. Κυρίως, μελετήθηκε η προσέγγιση κάποιου στόχου από το όχημα, σε περιβάλλοντα με ή χωρίς ύπαρξη εμποδίων. |
URI: | http://artemis.cslab.ece.ntua.gr:8080/jspui/handle/123456789/17470 |
Εμφανίζεται στις συλλογές: | Διπλωματικές Εργασίες - Theses |
Αρχεία σε αυτό το τεκμήριο:
Αρχείο | Περιγραφή | Μέγεθος | Μορφότυπος | |
---|---|---|---|---|
Christoforos_Gavalas_Thesis.pdf | 2.88 MB | Adobe PDF | Εμφάνιση/Άνοιγμα |
Όλα τα τεκμήρια του δικτυακού τόπου προστατεύονται από πνευματικά δικαιώματα.