Geri Dön

Reinforcement learning baseddrift control

Başlık çevirisi mevcut değil.

PDF İndir

  1. Tez No: 720252
  2. Yazar: AHMET TİKNA
  3. Danışmanlar: DR. REMELİ VİKTOR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Otomotiv Mühendisliği, Automotive Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: Budapest Unıversıty Of Technology And Economıcs
  10. Enstitü: Yurtdışı Enstitü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    116240

    Multi-agent reinforcement learning using roles

    Roller kullanarak çoklu-etmen takviye öğrenme

    ERKİN ÇİLDEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2001

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FARUK POLAT

  2. Tez No

    139361

    Reinforcement learning of multi-agent team behavior

    Çoklu-etmen takım davranışlarının pekiştirmeli öğrenilmesi

    MEHMET UTKU TATLIDEDE

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. LEVENT AKIN

  3. Tez No

    153726

    Reinforcement learning using potential field for role assignment in a multi-robot two-team game

    Çoklu-robotlu, iki-takımlı bir oyunda rol belirlemeyi potensiyal alanlar kullanarak yapan pekişmeli öğrenme

    FİDAN ÖZGÜL

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMET ERKMEN

    PROF. DR. AYDAN ERKMEN

  4. Tez No

    199362

    Abstraction in reinforcement learning

    Pekiştirmeli öğrenmede soyutlama

    SERTAN GİRGİN

    Doktora

    İngilizce

    İngilizce

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. FARUK POLAT

  5. Tez No

    342795

    Reinforcement learning based mobile robot navigation

    Takviyeli öğrenme tabanlı gezgin robot navigasyonu

    NİHAL ALTUNTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ERKAN İMAL

    YRD. DOÇ. DR. NAHİT EMANET

Geri Dön