Reinforcement learning based mobile robot navigation
Takviyeli öğrenme tabanlı gezgin robot navigasyonu
- Tez No: 342795
- Danışmanlar: PROF. DR. ERKAN İMAL, YRD. DOÇ. DR. NAHİT EMANET
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Engel sakınma, Obstacle avoidance
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Fatih Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda, psikoloji alanından başlayarak takviyeli öğrenme (RL) değişik alanlarda yaygın olarak kullanılmaktadır. Optimal kontrolün popüler bir araştırma konusu haline gelmesiyle, gezgin robot navigasyonu gibi sürekli-durum problemleri için bütün ihtimallerin örneklendirilmesinin imkânsızlığı ve belirgin bir öğretmenin eksikliği makine öğrenmesi (ML) alanında RL algoritmalarının öğretmenli öğrenmeye göre daha çok tercih edilmesini sağladı.Bu tezde RL algoritmalarının temel mantığı ve farklı çözüm sınıfları detaylı bir şekilde incelendikten sonra değişik RL metotlarını kullanan uygulamalara yönelik literatür taraması yapılmaktadır. Araştırma sonucunda en yaygın iki RL metodu, Sarsa(?) ve Q(?), seçilerek gezgin robot navigasyonu probleminin çözümü için bir sistem önerilmektedir. MATLAB ile geliştirilen sistem, hem simülasyon hem gerçek ortamda, yüksek bir başarı oranıyla gezgin robotu engellerden kaçırarak istenen hedefe yönlendirebilmektedir. Ayrıca, sistem sayesinde RL metotlarında kullanılan başlangıç parametrelerinin, örneğin ?, öğrenmeye olan etkisini gözlemlemek ve Sarsa(?) ve Q(?) algoritmalarının performanslarında karşılaştırmalar yapmak da mümkündür.
Özet (Çeviri)
For last decades, reinforcement learning (RL) has been widely used in different research fields starting with psychology. Unfeasibility of sampling all possibilities for continuous-state problems such as mobile robot navigation and absence of an explicit teacher make RL algorithms be preferred for the supervised learning in machine learning (ML) area as the optimal control problem has become a popular subject of search.In this thesis, after examining base logic and different solution classes of the RL algorithms, literature is reviewed on applications using various RL methods. As a result of the review, a system is proposed to solve mobile robot navigation by opting for the most popular two RL algorithms, Sarsa(?) and Q(?). The system, developed in MATLAB, can guide the mobile robot to a desired goal by avoiding obstacles with a high success rate on both simulated and real environments. Additionally, it is possible to observe effects of initial parameters used by the RL methods, e.g., ?, on learning, and also to make comparisons between the performances of Sarsa(?) and Q(?) algorithms.
Benzer Tezler
- A Behaviour-based robot control system using adaptive heuristic critic
Uyarlanır buluşsal kritik öğrenme kullanan davranış tabanlı bir robot kontrol sistemi
ÖMER SİNAN SARAÇ
Yüksek Lisans
İngilizce
2002
Orta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Derin pekiştirmeli öğrenme tabanlı mobil robotun otonom davranışlarının geliştirilmesi
Improving autonomous behavior of deep reinforcement learning based mobile robot
MEHMET SAFA BİNGÖL
- Brain-inspired robot navigation using reinforcement learning with hippocampal and striatal contributions
Hipokampal ve striatal katkılarla pekiştirmeli öğrenme kullanarak beyin esinli robot gezinim
YOUNESS LAHDILI
- Derin pekiştirmeli öğrenme ile otonom gezgin robotların dinamik ortamlarda navigasyonu
Navigation of autonomous mobile robots in dynamic environments with deep reinforcement learning
KORAY ÖZDEMİR
- Dynamic obstacle avoidance using reinforcement learning
Pekiştirmeli öğrenme kullanarak dinamik engel kaçınımı
MUHARREM KÜÇÜKYILMAZ
Yüksek Lisans
İngilizce
2024
Yıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
