|
|
Aplikace posilovaného učení při řízení modelu vozidla
Maslowski, Petr ; Uhlíř, Václav (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá vytvořením autonomního agenta pro řízení modelu vozidla. Rozhodování agenta je řízeno pomocí posilovaného učení (reinforcement learning) s využitím neuronových sítí. Agent získává snímky z přední kamery vozidla a na základě jejich interpretace vybírá vhodné akce pro řízení vozidla. V rámci práce jsem navrhl několik funkcí odměn a s vytvořenými modely jsem experimentoval úpravou hyperparametrů. Výsledný agent pak simuluje řízení vozidla na silnici. Výsledek této práce ukazuje možný přístup k ovládání autonomního vozidla, které se učí řídit metodou strojového učení v simulátoru CARLA.
|
|
|
Autonomní řízení vozidla pomocí zpracování obrazu
Fronc, Leoš ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Tato diplomová práce se zabývá tématem autonomních vozidel a především detekce jízdních pruhů. V práci jsou popsány a porovnány dva hlavní přístupy pro detekci jízdních pruhů – pomocí tradičních metod počítačového vidění a pomocí konvolučních neuronových sítí. Cílem práce bylo vytvořit systém, který by byl schopný rozpoznávat jízdní pruhy v reálném čase. Navržený systém byl sestaven z počítače Jetson Nano, ze stereo kamery ZED a z naprogramovaného algoritmu. Celkem byly vytvořeny dva algoritmy, které využívají zcela odlišných přístupů. Závěrem byl celý systém otestován z hlediska funkčnosti a schopnosti rozpoznávání jízdních pruhů.
|
|
|
Autonomní řízení vozidla pomocí zpracování obrazu
Fronc, Leoš ; Píštěk, Václav (oponent) ; Kučera, Pavel (vedoucí práce)
Tato diplomová práce se zabývá tématem autonomních vozidel a především detekce jízdních pruhů. V práci jsou popsány a porovnány dva hlavní přístupy pro detekci jízdních pruhů – pomocí tradičních metod počítačového vidění a pomocí konvolučních neuronových sítí. Cílem práce bylo vytvořit systém, který by byl schopný rozpoznávat jízdní pruhy v reálném čase. Navržený systém byl sestaven z počítače Jetson Nano, ze stereo kamery ZED a z naprogramovaného algoritmu. Celkem byly vytvořeny dva algoritmy, které využívají zcela odlišných přístupů. Závěrem byl celý systém otestován z hlediska funkčnosti a schopnosti rozpoznávání jízdních pruhů.
|
|
|
Aplikace posilovaného učení při řízení modelu vozidla
Maslowski, Petr ; Uhlíř, Václav (oponent) ; Šůstek, Martin (vedoucí práce)
Tato práce se zabývá vytvořením autonomního agenta pro řízení modelu vozidla. Rozhodování agenta je řízeno pomocí posilovaného učení (reinforcement learning) s využitím neuronových sítí. Agent získává snímky z přední kamery vozidla a na základě jejich interpretace vybírá vhodné akce pro řízení vozidla. V rámci práce jsem navrhl několik funkcí odměn a s vytvořenými modely jsem experimentoval úpravou hyperparametrů. Výsledný agent pak simuluje řízení vozidla na silnici. Výsledek této práce ukazuje možný přístup k ovládání autonomního vozidla, které se učí řídit metodou strojového učení v simulátoru CARLA.
|
host ::
RSS.