Reinforcement learning baseddrift control
Başlık çevirisi mevcut değil.
- Tez No: 720252
- Danışmanlar: DR. REMELİ VİKTOR
- Tez Türü: Yüksek Lisans
- Konular: Otomotiv Mühendisliği, Automotive Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Budapest University of Technology and Economics
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 64
Özet
Özet yok.
Özet (Çeviri)
In this thesis, deep reinforcement learning algorithms have been applied to autonomous drift control task. The main intention of this research is to develop a controller that performs drifting maneuver around a randomly selected goal point. Some of the key problems which I have dealt with during the development phase are: (i) sample efficiency, (ii) generalization of learned policies. In the first phase of this research, I built up a simulation environment involving a kinematic bicycle vehicle model which is consistent with the physical characteristic of the model car BMW M2 Competition. This environment is used to generate dataset for supervised learning and then to conduct the training process of deep reinforcement learning algorithms. In this environment, instead of earth-fixed coordinate system, I used bodyfixed coordinate system and hence the agent could efficiently learn the generalized (near) optimal policies. Since reinforcement learning might require many samples to learn useful policies due to the complexity of the high-dimensional environment, I developed transfer learning framework to refine useful policies and to transfer gained knowledge from traditional controller and supervised learning to the reinforcement learning side. Thus, it can be achievable to increase the scalability of the reinforcement learning-based agents with fewer samples and to achieve (near) optimal policies by bringing the advantages of those algorithms and methods together.
Benzer Tezler
- Factored reinforcement learning using extended sequence trees
Bölümlenmiş genişletilmiş dizi ağaçlarıyla takviyeli öğrenme
COŞKUN ŞAHİN
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FARUK POLAT
- Reinforcement learning based coaxial multicopter control for electrical vertical take off and landing
Pekiştirmeli öğrenme temelli elektrikli dikey kalkış ve iniş için eksendeş çoklu döner kanat kontrolü
MUHAMMED ALİ KUL
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay MühendisliğiYıldız Teknik ÜniversitesiAviyonik Mühendisliği Ana Bilim Dalı
PROF. DR. UFUK SAKARYA
- Reinforcement-learning control of a hybrid airship using a high-fidelity digital twin
Yüksek doğruluklu dijital ikiz kullanarak bir hibrit hava gemisinin pekiştirmeli öğrenme ile denetimi
NIKOLAY LYAN
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. İSMAİL BAYEZİT
- Pekiştirmeli öğrenme yöntemi ile fırçasız doğru akım motor kontrolü ve yüksek çözünürlüklü enkoder gerçekleştirilmesi
Brushless dc motor control using reinforcement learning method and implementation of high-resolution encoder
EMRE ÇELİK
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. ATİYE HÜLYA OBDAN
- Reinforcement learning based energy management strategy for fuel cell hybrid vehicles
Hidrojen yakıt hücreli araçlar için pekiştirmeli öğrenmeli enerji kontrol stratejisi
ZEKERİYA ENDER EĞER
Yüksek Lisans
İngilizce
2022
Mekatronik MühendisliğiSabancı ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞÇE YÜKSEL BEDİZ
PROF. DR. SERHAT YEŞİLYURT