Deep learning based visual navigation in indoor environments
Kapalı ortamlarda derin öğrenim tabanlı görsel navigasyon
- Tez No: 663397
- Danışmanlar: DOÇ. DR. GÜLESER KALAYCI DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Derin öğrenme yöntemleri son yıllarda çeşitli alanlarda kullanılmaktadır. Derin öğrenme ve pekiştirmeli öğrenme kombinasyonu ile yapılan son çalışmalarda oldukça verimli sonuçlar elde edilmektedir. Derin öğrenmeye dayalı pekiştirmeli öğrenme, özellikle navigasyon gibi karmaşık robotik görevler için güçlü çözümler sunmaktadır. Mobil robotlar, Derin Pekiştirmeli Öğrenme (DPÖ) ile yeni beceriler kazanmaktadır. Bu tezde, kapalı ortamlardaki karmaşık navigasyon görevlerine derin bir pekiştirmeli öğrenme yaklaşımı önerilmiştir. Ajan olarak insansız bir kara aracı seçilmiş ve gerçek dünya kamera göntüleri ile görsel navigasyon simülasyonu gerçekleştirilmiştir. Proksimal Politika Optimizasyonu (PPO), Çok Katmanlı Sinir Ağları (ÇKSA), Aşırı Öğrenme Makineleri (AÖM), Kalıntı Sinir Ağları (KSA) ve Nöral Diferansiyel Denklem Ağları (NDDA) gibi en iyi işlev yaklaşımlayıcısını bulmak için çeşitli sinir ağ modellerini araştırdık. Bilgimize kadar, DPÖ ile NDDA navigasyon uygulamalarında birlikte kullanılması literatürde önerilmemiştir. Sonuçlar, NDDA tabanlı DPÖ algoritmasının iyi performans gösterdiğini ve iç ortamdaki ajana navigasyon yeteneği kazandırdığını göstermektedir.
Özet (Çeviri)
Deep learning methods are used various areas in recent years. Quite efficient results are obtained in recent studies with combination of deep learning and reinforcement learning. Deep learning based reinforcement learning especially gives powerful solutions for complex robotic tasks like navigation. Mobile robots gains new skills with Deep Reinforcement Learning (DRL). In this thesis, we propose a deep reinforcement learning approach to complex navigation tasks in indoor environments. We chose an unmanned ground vehicle as an agent and performed visual navigation simulation with real-world camera images. Proximal Policy Optimization (PPO) is policy update method which we used. We investigated various kind of neural network models to find best function approximator such as Convolutional Neural Networks (CNN), Multi-layer Perceptron (MLP), Extreme Learning Machines (ELM), Residual Neural Networks (ResNet) and Neural Ordinary Differential Equations (ODEs). Up to the our knowledge, the use of ODEs with DRL in navigation applications has not proposed in the literature. Results show that ODE based DRL algorithm performs well and makes gain the capability of navigation to the agent in indoor environment.
Benzer Tezler
- Navigation based on inertial sensor data using deep learning techniques
Ataletsel sensör verileriyle derin öğrenme teknikleri kullanılarak navigasyon
MUHAMMET SERHAT SOYER
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET CENGİZ ONBAŞLI
- Augmented reality based indoor positioning systems with data fusion using deep learning
Başlık çevirisi yok
IGBINOSA JEFF ERHABOR
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Deep learning-based keypoints driven visual inertial odometry for GNSS-denied flight
Yapay sinir ağları tabanlı nokta çıkarıcılı görsel-ataletsel odometri ile GPS'siz ortamda uçuş
ARSLAN ARTYKOV
Yüksek Lisans
İngilizce
2023
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMRE KOYUNCU
- Ai-based visual odometry implementation on an embedded system
Yapay zeka tabanlı görsel odometrinin gömülü bir sistemde gerçeklemesi
OĞUZHAN BÜYÜKSOLAK
Yüksek Lisans
İngilizce
2023
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ECE OLCAY GÜNEŞ
- Prediction of risky maritime encounters in narrow and congested waterways via clustering based ensemble machine learning and sequential deep learning
Dar ve trafiği yoğun su yollarında riskli gemi karşılaşmalarının kümeleme tabanlı yapay öğrenme ve sıralı derin öğrenme ile tahminlenmesi
MUHAMMET FURKAN ORUÇ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YİĞİT CAN ALTAN