Safe movement of autonomous agents via reinforcement learning methods
Takviyeli öğrenme yöntemleri ile otonom ajanların güvenli hareketi
- Tez No: 1021690
- Danışmanlar: PROF. DR. SIRMA YAVUZ, PROF. DR. ÇETİN KAYA KOÇ
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Geleneksel navigasyon yöntemleri, bilinen ve statik ortamlarda başarılı sonuçlar vermelerine rağmen, dinamik ve öngörülemeyen engellerin bulunduğu gerçek dünya senaryolarında önemli performans sınırlamaları göstermektedir. Bu tez çalışmasında, statik ve dinamik engeller içeren labirent ortamlarında ajanın düşük çarpışma riskiyle hedefe ulaşmasını amaçlayan hibrit bir navigasyon algoritması olan A* Rehberliğinde Çift Derin Q-Ağı (DDQNA) sunulmaktadır. Önerilen DDQNA yapısı, A* algoritmasının sağladığı rehberliği, ϵ-açgözlü politika çerçevesinde Çift Derin Q-Ağı (DDQN) öğrenme mekanizmasıyla birleştirmektedir. Ayrıca, eğitim sürecinde A*'ın sunduğu yönsel bilgiden daha etkili biçimde yararlanabilmek amacıyla yeniden tasarlanmış bir ödül fonksiyonu ve geliştirilmiş bir eylem seçme mekanizması önerilmektedir. DDQNA'nın etkinliği, zorluk düzeyi kademeli olarak artırılan 11 farklı ortamda, özgün bir Pygame simülasyon altyapısı kullanılarak değerlendirilmiştir. Elde edilen deneysel sonuçlar, önerilen DDQNA mimarisinin standart DDQN ve güncel takviyeli öğrenme yöntemlerine kıyasla daha yüksek hedefe ulaşma oranı, daha düşük ziyaret edilen hücre sayısı, daha kısa hesaplama süresi ve daha yüksek kümülatif ödül sağladığını göstermektedir. Bu bulgular, DDQNA'nın statik ve dinamik engeller içeren karmaşık ortamlarda hem etkili bir navigasyon yeteneği hem de yüksek hesaplama verimliliği sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Traditional navigation methods work well in known, static environments but degrade in real-world settings with dynamic and unpredictable obstacles. This thesis presents Double Deep Q-Network with A* guidance (DDQNA), a hybrid navigation algorithm that enables an agent to traverse mazes containing static and dynamic obstacles while maintaining a low probability of collision. DDQNA combines A* guidance with Double Deep Q-Network (DDQN) learning using an ϵ-greedy policy, and it introduces a redesigned reward function and an improved action-selection mechanism to better exploit A*'s directional cues during training. We evaluate DDQNA in a custom Pygame simulation across 11 environments of increasing difficulty. Experimental results show that DDQNA consistently outperforms standard DDQN and other state-of-the-art reinforcement learning baselines, achieving higher goal-reaching rates, fewer visited cells, shorter computation times, and higher cumulative rewards. These results indicate that DDQNA provides both effective navigation and computational efficiency in complex environments with static and dynamic obstacles.
Benzer Tezler
- Otonom mobil robotlarda doğruluk ve hız odaklı lokalizasyon algoritmalarının geliştirilmesi, uygulaması ve karşılaştırmalı analizi
Development, implementation, and comparative analysis of accuracy and speed-oriented localization algorithms in autonomous mobile robots
OZAN VAHİT ALTINPINAR
Doktora
Türkçe
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN SEZER
- Birinci basamak immünmodülattuar tedavi alan relapsing remiting multipl skleroz hastalarında kardiyovasküler otonom fonksiyonların değerlendirilmesi
Evaluation of cardiovascular autonomic functions in relapsing remitting multiple sclerosis patients receiving first-line immunomodulatory treatment
YAKUP GÖNÜLAL
Tıpta Uzmanlık
Türkçe
2024
NörolojiTokat Gaziosmanpaşa ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. DÜRDANE AKSOY
- Batarya elektrikli aracın derin öğrenme ve görüntü işleme ile otonom denetiminin gerçekleştirilmesi
Realization of autonomous control by battery electric vehicle deep learning and image processing
ABDULHAMİT SEVGİ
Yüksek Lisans
Türkçe
2020
Mekatronik MühendisliğiKarabük ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. RAİF BAYIR
- Dikey iniş kalkış yapabilen insansız hava aracının hareketli platformlara otonom inişi
Autonomous landing of a vtol UAV on a moving platform
GÖKHAN GÜLMEZ
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖKKEŞ TOLGA ALTINÖZ
- Yapay zeka algoritmaları kullanarak toprak yol koşullarında tam otonom araçlar için sistem geliştirilmesi
Development of a system for fully autonomous vehicles in dirt road conditions using artificial intelligence algorithms
SAMET BOR
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. RECAİ KUŞ
PROF. DR. HASAN ERDİNÇ KOÇER