1. Home page
  2. Search

Reinforcement learning algorithms in autonomous driving, a comparitive evaluation

This item is provided by the institution :
Technical University of Crete   

Repository :
Institutional Repository Technical University of Crete   

see the original item page
in the repository's web site and access all digital files if the item*



Ενισχυτική μάθηση στην αυτόνομη οδήγηση, μια συγκριτική αξιολόγηση (EL)
Reinforcement learning algorithms in autonomous driving, a comparitive evaluation (EN)
Ματσιωρης Γεωργιος (EL)
Matsioris Georgios (EN)
Ιψακης Δημητριος (EL)
Παπαμιχαηλ Ιωαννης (EL)
Δοιτσιδης Ελευθεριος (EL)
Ipsakis Dimitrios (EN)
Doitsidis Eleftherios (EN)
Papamichail Ioannis (EN)
bachelorThesis
2024
Στόχος της παρούσας εργασίας είναι να αναπτυχθεί ένα μεθοδολογικό πλαίσιο που θα βοηθά στην ανάπτυξη αυτόνομων πρακτόρων για την καθοδήγηση ηλεκτρικών οχημάτων με δυνατότητες αυτόνομης πλοήγησης. Για την ανάπτυξη του συγκεκριμένου πλαισίου, γίνεται χρήση του μοντέλου ενός ηλεκτρικού αυτοκινήτου πόλης που έχει τη δυνατότητα να φέρει πλήθος διαφορετικών αισθητήρων. Στα πλαίσια της εργασίας, αρχικά εξελίσσεται ένα προσομοιωμένο μοντέλο που έχει αναπτυχθεί σε παλαιότερη εργασίας. Η λειτουργικότητα του μοντέλου δοκιμάζεται σε ένα προσομοιωμένο περιβάλλον βασισμένο στο λογισμικό CARLA με τη χρήση ενός ειδικά κατασκευασμένου περιβάλλοντος τύπου GYM. Έπειτα αναπτύσσονται αυτόνομοι πράκτορες που έχουν την δυνατότητα να καθοδηγήσουν το μοντέλο του οχήματος, έτσι ώστε να ακολουθήσει ένα προδιαγεγραμμένο μονοπάτι μέσα σε αστικό περιβάλλον. Η διαδικασία βασίζεται στη χρήση του αλγορίθμου A* για την παραγωγή της επιθυμητής τροχιάς και στη συνέχεια τη χρήση των σχετικών δεδομένων για την εκπαίδευση των αυτόνομων πρακτόρων. Για την εκπαίδευση των πρακτόρων χρησιμοποιούνται δύο διαφορετικοί αλγόριθμοι ενισχυτικής μάθησης και πραγματοποιείται συγκριτική μελέτη των αποτελεσμάτων. (EL)
The objective of this thesis is to develop a methodological framework that facilitates the development of autonomous agents for guiding electric vehicles with autonomous navigation capabilities. To develop this framework, we utilize the model of an urban electric car equipped with a variety of sensors. Initially, a simulated model from a previous study is enhanced. The functionality of this model is tested in a simulated environment based on the CARLA software using a specially designed GYM environment. Subsequently, autonomous agents are developed to guide the vehicle model along a predetermined path in an urban setting. This process relies on the A* algorithm to generate the desired trajectory, followed by using the corresponding data to train the autonomous agents. Two different reinforcement learning algorithms are employed to train the agents, and a comparative study of the results is conducted. (EN)
Αυτόνομη πλοήγηση αυτοκινήτου πόλης (EL)
Greek
Πολυτεχνείο Κρήτης (EL)
Πολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησης (EL)
Technical University of Crete (EN)
Technical University of Crete::School of Production Engineering and Management (EN)
Technical University of Crete
Institutional Repository Technical University of Crete
School of Electrical and Computer Engineering - Diploma Works
Distributed Multimedia Information Systems and Applications Laboratory - Diploma Works



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)