Geri Dön

Autonomous vehicle simulation with deep reinforcement learning in video game environment

Video oyun ortamında derin pekiştirmeli öğrenme ile otonom araç simulasyonu

  1. Tez No: 803949
  2. Yazar: AHMET ONUR GİRAY
  3. Danışmanlar: DOÇ. DR. HATİCE DOĞAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 73

Özet

Son yıllarda, rahat ve güvenli sürüşü sağlamak için otonom araçların geliştirilmesi üzerine araştırmalar ivme kazanmıştır. Otonom araçlar, sensörler ve kameralar kullanarak sürücü girdisi olmadan hareket edebilirler. Bu tez, otonom bir aracın video oyunu ortamında belirli bir hızda otoyol şeridinde seyahat etmesini sağlamak için deneyim tekrarı ile derin çift Q pekiştirmeli öğrenme algoritmasının kullanımını önermektedir. Pekiştirmeli öğrenme algoritması, aracın yol merkez çizgisine olan açısını, araç hızını, yol merkezine olan mesafeyi ve ivmeyi durum bilgisi girdileri olarak kullanır. Bu nedenle, bu bilgiler yüksek doğrulukla belirlenmelidir. Birçok alanda dikkate değer performans sergileyen evrişimli sinir ağları, şeritlerin konumlarını ve aracın açısını elde etmek için kullanılmıştır. CNN modelleri, manuel olarak toplanıp etiketlenmesi mümkün olmayan çok büyük veri kümeleriyle eğitilir. Bu tez aynı zamanda bir otoyolda yol şeritlerinin tespiti için kullanılmak üzere bir video oyun ortamından etiketli veri setinin otomatik olarak toplanması için bir yöntem sunar. Otomatik olarak toplanmış 745823 adet görsel ile, Transfer Öğrenme yöntemi kullanılarak ResNet50, VGG16, Xception ve InceptionV3 gibi farklı CNN modelleri eğitilmiştir. Eğitimde yer almayan bir otoyoldan toplanan veri kümesiyle yapılan performans karşılaştırmalarına göre, ResNet50 en iyi performansı sergilemiştir.

Özet (Çeviri)

In recent years, research on the development of autonomous vehicles has gained momentum in order to ensure comfortable and safe driving. Autonomous vehicles can move without the driver's input by using sensors and cameras. This thesis proposes the use of the deep double Q-learning algorithm with experience replay to enable an autonomous vehicle to travel on a highway lane at a specific speed in a video game environment. The reinforcement learning algorithm uses the vehicle's angle to the road center line, vehicle speed, distance to the road center, and acceleration as inputs for state information. Therefore, this information must be determined with high accuracy. Convolutional neural networks, which show remarkable performance in many fields, can be used to obtain the position of the lanes and the angle of the vehicle. CNN models are trained with datasets that are too large to be collected and labeled manually. This thesis also presents a method for the automatic collection of a labeled dataset from a video game environment to be used for the detection of road lanes on a highway. With 745,823 automatically collected images, different CNN models such as ResNet50, VGG16, Xception, and InceptionV3 networks are trained using the Transfer Learning method. According to the performance comparisons made with the dataset obtained from a highway not included in the training, ResNet50 performs best.

Benzer Tezler

  1. Öndeki aracı geçme probleminin derin pekiştirmeli öğrenme yöntemiyle modellenerek otonom sistem tasarımı

    Autonomous system design by modeling the problem of passing the front vehicle with deep reinforcement learning method

    YASİN ATILKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ

  2. Derin pekiştirmeli öğrenmeye dayalı otonom sürüş için açıklanabilir yapay zeka

    Explainable artificial intelligence (xai) for deep reinforcement learning based autonomous driving

    MUHSİN KOMPAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ İBRAHİM KÖK

  3. Applications of deep reinforcement learning for advanced driving assistance systems

    İleri sürüş destek sistemleri için derin pekiştirmeli öğrenme uygulamaları

    MUHARREM UĞUR YAVAŞ

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Mekatronik Ana Bilim Dalı

    DOÇ. DR. TUFAN KUMBASAR

  4. Automated curriculum design for reinforcement learning with graph theory and evaluation heuristics

    Çizge kuramı ve değerlendirme bazlı sezgisel yöntemler ile pekiştirmeli öğrenme için otomatik müfredat tasarımı

    ANIL ÖZTÜRK

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NAZIM KEMAL ÜRE

  5. Autonomous vehicle control using reinforcement learning

    Otonom bir aracın pekiştirmeli öğrenme ile kontrolü

    HÜMA BOZKURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Elektrik ve Elektronik MühendisliğiKadir Has Üniversitesi

    Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ATİLLA ÖZMEN

    PROF. DR. TÜLAY YILDIRIM